Moore Threads: Memecah Hambatan Kompetisi Ekosistem dengan Arsitektur Terpadu

Dalam era AI, perusahaan chip sulit dianggap benar-benar menguasai teknologi inti jika mereka tidak memiliki penataan kekayaan intelektual yang sistematis.

Tulis｜Hu Jiaqí

ID | BMR2004

Baru-baru ini, produsen GPU domestik Moore Thread (688795.SH) mengungkapkan secara resmi peluncuran layanan pemrograman cerdas AI Coding Plan. Produk baru ini mengandalkan kemampuan komputasi presisi penuh dari MTT S5000, dan melalui arsitektur kolaborasi perangkat keras dan perangkat lunak, meningkatkan efisiensi daya komputasi secara signifikan, mengubah kemampuan GPU yang sebelumnya lebih bersifat dasar menjadi alat produktivitas yang langsung ditujukan kepada pengembang. Langkah ini menandai bahwa perusahaan GPU domestik mulai bertransformasi dari sekadar penyedia perangkat keras menjadi pembangun platform komputasi lengkap.

Moore Thread didirikan pada Juni 2020 dan pada akhir 2025 terdaftar di STAR Market, memecahkan rekor proses IPO tercepat di pasar tersebut selama 88 hari, menarik perhatian pasar. Tujuannya tidak hanya untuk mengisi kekurangan daya komputasi, tetapi juga membangun infrastruktur komputasi akselerasi global dan solusi satu atap, menyediakan dukungan dasar untuk transformasi digital dan cerdas di berbagai industri.

Jika daya komputasi adalah tiket masuk, maka kemampuan sistematis adalah kunci untuk bertahan lama di meja permainan. Berfokus pada dimensi kompetisi yang lebih dalam ini, wartawan dari Business School mewawancarai pejabat terkait Moore Thread dan pakar industri, berusaha mengungkap bagian yang kurang terlihat oleh publik: bagaimana perusahaan GPU domestik membangun “parit perlindungan” mereka sendiri dari segi sistem paten dan arsitektur dasar.

01

Dari sudut pandang produk, penataan paten

Dalam strategi paten, Moore Thread tidak sekadar mengejar kuantitas, melainkan menekankan pengembangan paten bernilai tinggi.

Dari pejabat terkait Moore Thread, diketahui hingga Juni 2025, perusahaan telah memperoleh total 514 paten yang diberi lisensi, termasuk 468 paten penemuan, menempatkannya di posisi terdepan di antara perusahaan GPU domestik. Perlu dicatat bahwa paten-paten ini tidak tersebar secara acak, melainkan sangat terfokus pada rantai inti komputasi AI, mencakup desain arsitektur prosesor, percepatan aplikasi AI dan optimisasi komputasi paralel, driver dan sistem perangkat lunak dasar, serta klaster daya komputasi GPU dan konektivitas berperforma tinggi, secara bertahap membentuk penataan yang sistematis.

Dalam strategi paten, Moore Thread tidak sekadar mengejar kuantitas, melainkan menekankan pengembangan paten bernilai tinggi.

Paten bernilai tinggi merujuk pada teknologi yang fokus pada desain arsitektur prosesor, optimisasi komputasi paralel, mekanisme manajemen memori, protokol konektivitas berkecepatan tinggi, pengoptimalan compiler dan driver, pengendalian efisiensi energi, serta percepatan komputasi AI—yang secara langsung mempengaruhi performa, efisiensi energi, dan kompatibilitas, serta cenderung membentuk hambatan teknologi.

Pada tahun 2024, Moore Thread meraih prestasi di dua kompetisi nasional paten bernilai tinggi: proyek klaster kecerdasan buatan Quwa dianugerahi Juara Pertama dalam Kompetisi Pengembangan Paten Bernilai Tinggi di Haidian, Beijing, dan proyek GPU lengkap meraih medali emas di Kompetisi Paten Bernilai Tinggi di Xiong’an, menunjukkan akumulasi mendalam dalam pengembangan teknologi inti dan pengelolaan paten.

Pengamat ekonomi industri senior Liang Zhenpeng dalam wawancara dengan Business School menyatakan bahwa memiliki paten bernilai tinggi dapat meningkatkan hak bicara teknologi perusahaan, mendukung kolaborasi ekosistem seperti adaptasi perangkat keras dan sumber terbuka perangkat lunak, serta dalam kompetisi global, membantu melindungi dari risiko pelanggaran paten dan meningkatkan daya tawar lisensi, mendukung pembangunan rantai industri yang mandiri dan terkendali.

Liang Zhenpeng berpendapat bahwa perhatian perusahaan GPU terhadap paten seharusnya beralih ke kemampuan mendukung implementasi industri dan aplikasi bisnis secara keseluruhan, yaitu apakah paten tersebut mampu mendukung sistem teknologi lengkap dan solusi industri.

Dalam penilaian portofolio paten dan penerapannya secara komersial, perusahaan perlu mempertimbangkan secara komprehensif cakupan teknologi, stabilitas hukum, relevansi pasar, serta tingkat penghindaran terhadap pesaing, dan menganalisis sejauh mana paten mendukung fungsi produk, pengendalian biaya, dan kompatibilitas ekosistem. Indikator kunci meliputi tingkat kutipan paten, cakupan klaim hak, cakupan geografis, riwayat litigasi, dan kontribusi terhadap standar. Perusahaan harus menyeimbangkan kuantitas dan kualitas, menempatkan paten bernilai tinggi di bidang inti, dan melengkapi dengan paten di luar bidang utama untuk membentuk jaringan perlindungan, menghindari pengejaran kuantitas yang buta.

Dalam konteks ini, pengelolaan kekayaan intelektual Moore Thread juga mengalami transformasi sistematis. Melalui sertifikasi standar pengelolaan kekayaan intelektual tingkat nasional, perusahaan memperluas fokus dari urusan hukum tunggal ke seluruh proses R&D, manajemen, dan transformasi teknologi. Penataan paten mulai dilibatkan sejak tahap perencanaan produk, pemilihan jalur teknologi, dan penetapan strategi pasar, menjadi infrastruktur dasar pengembangan jangka panjang perusahaan, bukan sekadar langkah perbaikan setelahnya.

Di balik langkah-langkah ini, terdapat perubahan dalam pemahaman perusahaan. Dalam era AI, perusahaan chip yang tidak memiliki penataan kekayaan intelektual yang sistematis sulit dianggap benar-benar menguasai teknologi inti. GPU tidak lagi sekadar produk perangkat keras tunggal, melainkan platform komputasi kompleks yang terdiri dari sistem instruksi, compiler, driver, perpustakaan operator, sistem penjadwalan, dan arsitektur klaster. Setiap bagian mengandung inovasi teknologi yang dapat dipatenkan, dan setiap titik teknologi bisa menjadi kunci dalam kerjasama bisnis dan pertempuran industri di masa depan.

02

Ruang diferensiasi perangkat keras semakin tertekan

Biaya peningkatan densitas transistor meningkat secara eksponensial, sementara peningkatan performa semakin menyempit, dan manfaat proses manufaktur berkurang secara signifikan.

Bagi chip seperti GPU yang sangat bergantung pada densitas transistor, efisiensi energi, dan frekuensi, proses manufaktur tetap menjadi faktor utama yang menentukan densitas performa dan konsumsi daya.

Saat ini, banyak produk Moore Thread menggunakan proses manufaktur yang matang dari kelas menengah ke atas. Misalnya, pada 2022, MTTS50 yang ditujukan untuk pasar inovasi dan kreasi berbasis 12nm telah diproduksi massal. Proses ini merupakan pilihan yang stabil dan andal untuk produk grafis, memudahkan produksi massal cepat dan pengendalian biaya.

Secara industri secara umum, GPU berkinerja tinggi utama secara bertahap beralih ke proses yang lebih maju. Proses canggih biasanya menawarkan densitas transistor yang lebih tinggi dan efisiensi energi yang lebih baik. Menurut sumber industri, saat ini proses yang umum digunakan adalah 7nm.

Sebaliknya, perusahaan GPU terkemuka seperti Nvidia menggunakan proses 4nm dari TSMC untuk produk kelas atas mereka, yang memberikan keunggulan dalam densitas performa dan efisiensi energi. Di dalam negeri, kapasitas manufaktur wafer yang maju masih terbatas oleh rantai pasok global dan peralatan, dan tingkat kematangan serta yield dari proses paling canggih masih bisa ditingkatkan, yang secara langsung mempengaruhi performa maksimal GPU domestik dalam hal kinerja tinggi dan konsumsi daya rendah.

Pada tahap ini, Moore Thread lebih mengoptimalkan arsitektur dan strategi penjadwalan di tingkat desain, sambil memanfaatkan proses matang, sehingga produknya mencapai kompromi pasar antara konsumsi energi dan performa, sekaligus mengendalikan biaya dan stabilitas pasokan. Strategi ini tidak hanya cocok untuk implementasi produk saat ini secara cepat, tetapi juga memberi ruang iterasi seiring peningkatan kapasitas proses canggih domestik.

Menurut Prof. Cao Xinming dari Pusat Penelitian Kekayaan Intelektual Universitas Keuangan dan Hukum Zhongnan, perubahan ini terutama disebabkan oleh batas fisik hardware yang semakin mendekati. Dengan proses canggih yang secara bertahap memasuki node 3nm bahkan 2nm, biaya peningkatan densitas transistor meningkat secara eksponensial, sementara peningkatan performa semakin menyempit, dan manfaat proses berkurang secara signifikan. Selain itu, kapasitas produksi proses canggih sangat terkonsentrasi di beberapa perusahaan, seperti TSMC, Samsung, dan Intel, yang bergantung pada sistem manufaktur dari perusahaan-perusahaan tersebut, sehingga ruang diferensiasi hardware semakin menyempit.

03

Arsitektur terpadu dan ekosistem perangkat lunak

Saat ini, fokus kompetisi industri GPU sedang mengalami pergeseran struktural, di mana sistem IP dan ekosistem pengembang menjadi kunci utama.

Jika batas fisik hardware membatasi ruang untuk membedakan diri melalui proses manufaktur, maka kematangan ekosistem perangkat lunak secara signifikan meningkatkan tingkat kesulitan kompetisi industri.

Prof. Cao Xinming menyatakan bahwa saat ini, fokus kompetisi industri GPU sedang mengalami pergeseran struktural. Proses manufaktur (Hukum Moore) dan indikator kekuatan komputasi mentah (FLOPS) tetap menjadi hambatan masuk dasar, tetapi faktor yang benar-benar menentukan profitabilitas jangka panjang dan posisi industri semakin banyak bergantung pada sistem paten yang membentuk IP dan ekosistem pengembang yang didukung oleh tumpukan perangkat lunak.

Dari Business School, diketahui bahwa Moore Thread membangun inti teknologi dan ekosistemnya berdasarkan arsitektur terpadu yang dikembangkan sendiri, bernama MUSA (Meta-computing Unified System Architecture).

Arsitektur MUSA adalah sistem arsitektur terpadu yang dikembangkan secara mandiri oleh Moore Thread, mengintegrasikan perangkat keras dan perangkat lunak GPU secara lengkap. Arsitektur ini mencakup seluruh tumpukan teknologi mulai dari arsitektur chip, set instruksi, model pemrograman, hingga pustaka perangkat lunak dan kerangka driver, bertujuan menyediakan kemampuan komputasi berkinerja tinggi untuk berbagai skenario komputasi paralel. Berdasarkan arsitektur MUSA, mampu mendukung secara efisien komputasi AI, rendering grafis, simulasi fisika, komputasi ilmiah, dan pengkodean video ultra HD.

Setelah lima tahun pengembangan mendalam dan iterasi berkelanjutan, versi terbaru MUSA 5.0 menandai tahap baru yang relatif matang dari arsitektur terpadu ini, dengan terobosan penting dalam kesatuan seluruh tumpukan, efisiensi komputasi, dan keterbukaan ekosistem. Dalam ekosistem pemrograman, MUSA tidak hanya mendukung native MUSA C, tetapi juga kompatibel secara mendalam dengan bahasa pemrograman paralel modern seperti TileLang dan Triton, memberikan pengalaman pengembangan yang lebih fleksibel dan efisien, sehingga mengurangi biaya migrasi dan adaptasi. Dalam hal performa komputasi, pustaka inti muDNN mencapai efisiensi mendekati batas teoretis pada operator kunci seperti GEMM dan FlashAttention, efisiensi komunikasi juga meningkat secara signifikan, dan performa compiler mengalami peningkatan berkali-kali lipat, serta mengintegrasikan pustaka operator berkinerja tinggi, mempercepat seluruh proses pelatihan dan inferensi model.

Selain itu, strategi ekosistem MUSA semakin diperluas ke pembangunan sistem terbuka. Diketahui bahwa Moore Thread berencana secara bertahap merilis sumber terbuka komponen inti termasuk pustaka akselerasi komputasi, pustaka komunikasi, dan kerangka manajemen sistem, membuka kemampuan dasar yang telah dioptimalkan secara mendalam kepada komunitas pengembang, untuk menarik lebih banyak mitra berpartisipasi dalam pembangunan ekosistem.

Selain itu, Prof. Cao Xinming berpendapat bahwa di balik ekosistem perangkat lunak, paten semakin berperan sebagai dasar dukungan sistematis yang fundamental.

Tumpukan perangkat lunak GPU bukan sekadar rangkaian proyek rekayasa, melainkan mengandung banyak inovasi dasar, seperti teknologi optimisasi compiler, strategi penjadwalan komputasi paralel, mekanisme kolaborasi driver dan hardware, serta kemampuan adaptasi mendalam terhadap kerangka AI utama. Semua ini melibatkan teknologi inti yang dapat dipatenkan. Tanpa sistem kekayaan intelektual yang mendukung, kemampuan perangkat lunak sulit mendapatkan kepercayaan penuh dalam kerjasama lintas perusahaan dan pembagian industri, serta sulit membangun aliansi ekosistem yang stabil.

04

Persaingan pendatang baru

Ke depan, kompetisi paten GPU akan semakin fokus pada komputasi heterogen, integrasi AI, optimisasi kolaboratif perangkat keras dan perangkat lunak, serta aplikasi baru yang muncul.

Dalam industri GPU, perubahan paling mencolok bagi pendatang baru adalah meningkatnya hambatan masuk.

Pendatang baru biasanya harus mengeluarkan dana besar untuk R&D chip dan proses wafer tanpa jaminan pasar, dan proses pembuatan hardware hanyalah langkah pertama. Jika mereka tidak memiliki alat compiler yang matang, dukungan driver, dan kompatibilitas dengan kerangka AI utama, pengembang sulit menggunakan chip tersebut secara efisien, dan pengguna pun enggan beralih platform. Tanpa skala pengguna, ekosistem tidak akan terbentuk; tanpa ekosistem, produk sulit diluncurkan. Siklus ini membuat langkah awal industri GPU jauh lebih sulit dibandingkan banyak segmen semikonduktor lainnya.

Saat ini, pengembang sudah sangat terikat dengan CUDA Nvidia dan ekosistem alatnya, serta proses pelatihan, optimisasi operator, dan pengalaman rekayasa yang dibangun di atas platform tersebut. Kecuali platform baru mampu menawarkan keunggulan performa atau efisiensi energi yang besar, sulit meyakinkan pengembang untuk menulis ulang kode dan membangun ulang proses. Itulah sebabnya banyak perusahaan chip AI tidak memilih membangun ekosistem sepenuhnya sendiri, melainkan menekankan kompatibilitas dengan CUDA atau kerangka utama lainnya, secara esensial untuk menurunkan hambatan masuk dengan memanfaatkan sistem yang sudah ada.

Strategi Moore Thread juga mencerminkan pendekatan pragmatis ini. Di satu sisi, mereka mendorong pembangunan model pemrograman dan pustaka dasar mereka sendiri, untuk membentuk fondasi teknologi yang dapat dikendalikan; di sisi lain, mereka menekankan kompatibilitas dengan antarmuka grafis utama dan kerangka AI populer, mencari keseimbangan antara sistem mandiri dan kompatibilitas praktis.

Seiring dengan hambatan ekosistem, risiko paten dan hukum yang semakin kompleks juga tidak dapat diabaikan. Prof. Cao Xinming menganalisis bahwa teknologi kunci GPU telah bertahun-tahun dipatenkan secara luas. Sebelum produk diluncurkan, pendatang baru biasanya harus melakukan pemeriksaan paten yang rumit dan mahal untuk memastikan tidak melanggar hak paten pihak lain. Jika terlibat dalam sengketa paten dengan perusahaan besar, proses litigasi yang panjang dan biaya tinggi dapat membebani perusahaan yang kekurangan dana.

Prof. Cao Xinming berpendapat bahwa dalam lingkungan seperti ini, jalur yang lebih realistis bagi pendatang baru adalah fokus pada skenario vertikal tertentu, membangun tumpukan teknologi yang dioptimalkan secara khusus untuk lingkungan aplikasi tertutup, seperti inferensi kendaraan otonom, komputasi edge, atau visi industri. Dalam skenario ini, konsumsi daya, latensi, dan adaptasi lingkungan seringkali lebih penting daripada kekuatan komputasi umum, dan pendatang baru memiliki peluang membangun keunggulan kompetitif melalui “pendalaman skenario” daripada menyalin ekosistem GPU umum secara menyeluruh.

Dalam jangka panjang, pola industri GPU tidak sepenuhnya tetap. Kemunculan hardware dan perangkat lunak sumber terbuka membawa variabel baru ke industri. Ekspansi RISC-V dan pengembangan ekstensi vektor menyediakan fondasi teknologi untuk membangun platform komputasi berkinerja tinggi yang berbeda dari sistem tradisional; sementara open source framework seperti PyTorch dan TensorFlow memberi peluang bagi produsen hardware untuk melakukan optimisasi di sekitar ekosistem perangkat lunak umum, tanpa harus bergantung sepenuhnya pada platform proprietary satu vendor. Perubahan ini saat ini belum mampu menggantikan pola yang ada, tetapi dalam jangka panjang, memberi ruang masuk bagi pendatang baru.

Liang Zhenpeng berpendapat bahwa kompetisi paten GPU di masa depan akan semakin fokus pada komputasi heterogen, integrasi AI, kolaborasi perangkat keras dan perangkat lunak, serta aplikasi baru seperti metaverse dan kendaraan otonom. Selain itu, tren pembangunan ekosistem perangkat lunak akan menuju ke arah terbuka dan sumber terbuka, di mana perusahaan dapat memperluas pengaruh teknologi dan pasar melalui kombinasi paten standar wajib dan lisensi sumber terbuka. Strategi yang dapat diambil pendatang baru meliputi fokus pada terobosan teknologi niche untuk membangun keunggulan paten, aktif berpartisipasi dalam komunitas sumber terbuka untuk membangun pengaruh ekosistem, melakukan lisensi kerjasama untuk memperoleh teknologi kunci secara cepat, serta memperhatikan pengembangan internasional dan peringatan risiko, agar dapat bertahan dalam kompetisi global yang ketat.