- Pengembangan akselerator Instinct MI350 dan MI400 untuk bersaing di pusat data dengan bandwidth memori yang lebih tinggi.
- Ryzen AI Max PRO diluncurkan dengan NPU terintegrasi untuk menjalankan model bahasa kompleks secara lokal.
- Andalkan ROCm sebagai alternatif sumber terbuka untuk dominasi ekosistem CUDA NVIDIA.
- Integrasi prosesor EPYC Venice dengan hingga 256 core untuk mengoptimalkan infrastruktur server AI.
Persaingan untuk mendominasi kecerdasan buatan telah berubah dari janji menjadi perang perangkat keras habis-habisan. Di arena ini, AMD mempercepat upayanya untuk menawarkan alternatif yang kredibel yang memungkinkan bisnis dan pengguna akhir untuk menerapkan model AI tanpa biaya yang meroket atau infrastruktur yang menjadi usang dalam hitungan hari.
Tujuannya jelas: beralih dari proyek percontohan sederhana ke produksi nyata yang dapat diskalakan . Untuk mencapai hal ini, perusahaan tidak hanya fokus pada daya mentah tetapi juga pada penyelesaian masalah umum, seperti manajemen energi, tata kelola data, dan perjuangan berkelanjutan untuk menghindari ketergantungan pada satu vendor di pasar.
Akselerator Instinct: Tantangan Langsung bagi NVIDIA
Dalam hal pusat data, GPU konvensional tidak cukup; akselerator sangat penting. Di sinilah Instinct MI350 hadir , menjanjikan lompatan besar ke depan, hingga 35 kali lebih cepat dalam tugas inferensi dibandingkan pendahulunya. Perangkat ini memiliki memori HBM3E 288 GB, memungkinkan mereka untuk menangani alur kerja besar dengan sangat mudah.
Namun AMD tidak berhenti sampai di situ dan sudah membidik Instinct MI400 untuk tahun 2026. Chip ini diharapkan mencapai 40 PFLOPS dalam akurasi FP4 dan memiliki memori HBM4 hingga 432 GB. Semua ini akan diintegrasikan ke dalam rak Helios, arsitektur yang dirancang untuk bersaing langsung dengan solusi NVIDIA, menawarkan kapasitas bandwidth yang benar-benar mencengangkan .
Dalam jangka panjang, rencana pengembangan mencakup EPYC Verano dan Instinct MI500X, yang dapat memanfaatkan teknologi manufaktur 1,6nm milik TSMC. Strateginya jelas: mengungguli pesaing dalam kapasitas memori dan kecepatan transfer, di situlah letak keunggulan sebenarnya saat melatih model bahasa berskala besar.
Ekosistem perangkat lunak dan batasan CUDA
Ini bukan hanya tentang perangkat keras yang canggih. Kelemahan terbesar AMD secara historis adalah perangkat lunak. Sementara NVIDIA mendominasi dengan CUDA, standar yang digunakan semua orang, AMD memilih ROCm . Versi 7 dari platform sumber terbuka ini bertujuan untuk menutup kesenjangan tersebut, bahkan menjadi lebih efisien daripada CUDA dalam skenario tertentu seperti model DeepSeek R1.
Meskipun demikian, jalan di depan penuh tantangan karena banyak pengembang merasa bahwa perangkat lunak AMD masih memiliki bug yang mempersulit pelatihan . Kunci keberhasilan di masa depan bukan terletak pada penambahan lebih banyak core, tetapi pada memastikan pengalaman pemrograman yang lancar dan tidak menyulitkan para insinyur.
AI pada komputer desktop dan laptop: Ryzen AI dan Radeon
Bagi pengguna yang tidak memiliki pusat data di ruang bawah tanah, AMD telah meluncurkan prosesor Ryzen AI Max PRO . Chip ini mengintegrasikan NPU khusus yang mencapai 50 TOPS, memungkinkan tugas seperti Llama 3.1 70B untuk dijalankan secara lokal dan offline—sesuatu yang tampak seperti fiksi ilmiah pada perangkat ringkas belum lama ini—sehingga memudahkan menjalankan model AI di PC Anda.
Dari segi grafis, seri Radeon RX 9000, khususnya RX 9070 dengan VRAM 16 GB, merupakan titik masuk yang terjangkau bagi mereka yang ingin melakukan inferensi AI tanpa harus mengeluarkan biaya besar. Bagi pengguna yang paling menuntut, Radeon AI PRO R9700 meningkatkan standar hingga 32 GB, menghilangkan hambatan apa pun pada perangkat.
Infrastruktur server: EPYC Venice
GPU ini bergantung pada prosesor server. Prosesor EPYC Venice yang akan datang , berbasis Zen 6, menjanjikan varian dengan hingga 256 core. Peningkatan kinerja 70% dibandingkan generasi sebelumnya ini sangat penting untuk mencegah CPU menjadi hambatan bagi akselerator AI yang canggih ini.
Menarik untuk melihat bagaimana pasar mulai bereaksi. Tokoh-tokoh seperti Sam Altman dari OpenAI telah mengakui bahwa solusi AMD akan menjadi komponen yang luar biasa di pusat data mereka. Ini menunjukkan bahwa, meskipun NVIDIA memiliki pangsa pasar terbesar, industri ini sangat membutuhkan alternatif yang lebih efisien dan, yang terpenting, lebih murah untuk diimplementasikan.
Strategi AMD menggabungkan perangkat keras inovatif dalam hal memori dan daya pemrosesan dengan upaya agresif untuk mendemokratisasi perangkat lunak AI. Dengan mengintegrasikan mesin AI khusus dari laptop hingga rak server paling kompleks, perusahaan ini bertujuan untuk menjadikan AI bukan lagi kemewahan yang mahal, tetapi alat yang mudah diakses dan efisien untuk semua jenis profesional atau bisnis.
