Selular.id – Efisiensi penggunaan unit pemroses grafis (GPU) menjadi isu hangat di tengah persaingan ketat pengembangan kecerdasan buatan (AI) global.
Laporan terbaru mengungkapkan bahwa xAI, perusahaan rintisan milik Elon Musk, saat ini hanya mampu memanfaatkan sekitar 11 persen dari total kapasitas teoritis GPU yang mereka miliki.
Angka tersebut tertinggal jauh di belakang raksasa teknologi lain seperti Meta dan Google yang sudah mampu memeras performa perangkat keras mereka jauh lebih optimal untuk melatih model bahasa besar (LLM).
Perbedaan efisiensi ini menjadi sorotan karena xAI sebenarnya memiliki infrastruktur yang sangat masif, termasuk superkomputer “Colossus” yang ditenagai oleh 100.000 chip Nvidia H100.
Namun, memiliki jumlah perangkat keras yang banyak tidak serta-merta menjamin proses pelatihan AI berjalan cepat. Kendala utama yang dihadapi adalah bagaimana mensinkronisasikan ribuan chip tersebut agar dapat bekerja secara simultan tanpa adanya hambatan komunikasi data antarchip atau yang sering disebut sebagai bottleneck.
Sebagai perbandingan, Meta dilaporkan telah mencapai tingkat efisiensi penggunaan GPU di atas 30 persen, sementara Google melalui infrastruktur TPU (Tensor Processing Unit) kustom mereka juga menunjukkan performa yang jauh lebih stabil.
Dalam dunia pengembangan AI, metrik ini dikenal sebagai MFU atau Model Flops Utilization. Semakin tinggi persentase MFU, semakin sedikit energi dan waktu yang terbuang sia-sia, sehingga biaya operasional untuk melatih satu model AI menjadi jauh lebih murah.
Rendahnya angka efisiensi pada xAI disinyalir terjadi karena infrastruktur Colossus dibangun dalam waktu yang sangat singkat, yakni kurang dari enam bulan. Kecepatan pembangunan ini tampaknya harus dibayar dengan optimasi perangkat lunak yang belum matang.
Untuk menjalankan 100.000 GPU secara bersamaan, dibutuhkan sistem pendingin yang sangat kompleks serta manajemen daya yang presisi agar tidak terjadi kegagalan sistem saat beban kerja mencapai puncaknya.
Meta sendiri membutuhkan waktu bertahun-tahun untuk menyempurnakan tumpukan perangkat lunak (software stack) mereka sebelum akhirnya bisa mencapai tingkat efisiensi yang tinggi pada klaster GPU mereka.
Mereka mengembangkan protokol komunikasi khusus yang memungkinkan data berpindah antar GPU dengan latensi yang sangat rendah. Hal inilah yang saat ini tengah dikejar oleh tim teknis xAI agar investasi bernilai miliaran dolar pada perangkat keras Nvidia tidak berakhir sia-sia.
Pihak xAI kabarnya sedang melakukan pembaruan besar-besaran pada arsitektur jaringan internal mereka. Targetnya adalah meningkatkan angka MFU tersebut setidaknya dua kali lipat dalam waktu dekat.
Jika efisiensi ini tidak segera ditingkatkan, xAI akan kesulitan mengejar ketertinggalan dari model AI kompetitor seperti GPT-5 dari OpenAI atau Llama 4 dari Meta, yang diprediksi akan memiliki skala parameter yang jauh lebih besar dan kompleks.
Ke depan, tantangan bagi xAI bukan lagi sekadar menambah jumlah chip, melainkan bagaimana menciptakan harmoni antara ribuan prosesor tersebut.
Industri kini mulai menyadari bahwa dalam perlombaan AI, kecanggihan perangkat lunak untuk mengelola perangkat keras justru memegang peranan yang lebih krusial daripada sekadar kuantitas chip yang terpasang di rak pusat data.
Persaingan ini akan terus berlanjut seiring dengan semakin tingginya standar kemampuan AI yang diharapkan oleh pengguna global.
Baca juga :Â X Alami Gangguan Layanan di Seluruh Dunia
