Dari "Persaingan Daya Komputasi" ke "Persaingan Kemampuan Nasional": Jensen Huang dan Ro Khanna membahas bagaimana AS memenangkan era AI

Menulis artikel: Techub News disusun

Dalam dialog terbuka tentang “Kepemimpinan Amerika Serikat di bidang kecerdasan buatan,” pendiri dan CEO NVIDIA Jensen Huang, anggota Kongres AS Ro Khanna, dan pembawa acara H.R. McMaster, tidak hanya membahas chip, model, dan pengendalian ekspor, tetapi juga sebuah masalah yang lebih besar: ketika kecerdasan buatan menjadi teknologi umum baru, negara harus mengandalkan apa untuk mempertahankan keunggulan? Jawabannya bukan hanya teknologi itu sendiri, tetapi kombinasi kemampuan manusia, energi, industri manufaktur, sistem universitas, desain kebijakan, kepercayaan masyarakat, dan narasi nasional.

Dari segi konten, dialog ini setidaknya mencakup tiga garis utama: Pertama, AI bukan teknologi titik tunggal, melainkan sebuah sistem industri berlapis-lapis; Kedua, jika Amerika ingin tetap memimpin, tidak cukup hanya menekankan inovasi terdepan, tetapi juga harus membangun kembali kapasitas manufaktur, memperluas penyebaran teknologi, dan memastikan manfaat bagi lebih banyak pekerja biasa; Ketiga, menghadapi kompetisi global, terutama dengan China, Amerika tidak bisa sekadar “mengurangi risiko” sampai membatasi inovasi, dan juga tidak bisa membiarkan globalisasi tanpa kendali terus mengikis industri dan kohesi sosial domestik.

Lebih menarik lagi, diskusi ini tidak berhenti pada dualisme “optimisme teknologi” atau “ketakutan AI.” Huang Huang menegaskan bahwa AI akan merombak industri, tetapi “otomatisasi tugas” tidak sama dengan “profesi akan hilang”; Ro Khanna mengingatkan bahwa meskipun secara jangka panjang peningkatan produktivitas akan menciptakan lebih banyak lapangan kerja, masa transisi penyebaran teknologi masih mungkin disertai pengangguran yang nyata, ketimpangan pendapatan, dan ketidakseimbangan regional. Oleh karena itu, yang benar-benar penting bukanlah apakah akan mengembangkan AI, tetapi bagaimana mengembangkannya secara lebih inklusif secara sosial.

AI bukan sekadar model, melainkan seluruh infrastruktur industri

Huang Huang berulang kali menegaskan bahwa salah satu kesalahpahaman terbesar masyarakat tentang AI adalah menganggap AI sebagai model tunggal atau produk tunggal. Menurutnya, AI secara esensial adalah sistem industri berlapis-lapis: lapisan paling bawah adalah energi, di atasnya chip, kemudian cloud dan infrastruktur pabrik AI, lalu model, dan di puncaknya adalah aplikasi.

Penilaian ini sangat penting karena memperluas “kompetisi AI” dari kemampuan model ke kompetisi infrastruktur dasar negara. Artinya, apakah sebuah negara dapat mempertahankan keunggulan di era AI tidak hanya dilihat dari keberadaan beberapa perusahaan model unggulan, tetapi juga dari ketersediaan listrik yang cukup, pasokan chip yang berkelanjutan, kekuatan pusat data dan cloud, ekosistem model yang berkembang, dan yang paling penting—apakah aplikasi AI benar-benar masuk ke industri dan masyarakat, dan digunakan secara skala besar.

Huang Huang menekankan bahwa jika Amerika Serikat kuat di empat lapisan pertama, tetapi lapisan aplikasi tidak menyebar, seluruh roda industri tidak akan berputar, dan teknologi sulit benar-benar memperbesar nilainya. Ia khawatir bukan karena teknologi tidak cukup maju, tetapi karena masyarakat takut dan menolak AI secara berlebihan, bahkan mengatur-atur AI sehingga “mengatur industri dan masyarakat.” Jika penyebaran aplikasi secara paksa dibatasi, maka meskipun Amerika memimpin dalam inovasi industri ini, mereka mungkin tidak bisa menikmati manfaatnya secara penuh.

Dari sudut pandang ini, inti kebijakan AI bukan hanya “mengendalikan risiko,” tetapi juga “mengurangi hambatan penggunaan yang efektif.” Hambatan ini bisa bersifat sistemik, psikologis, maupun opini publik. Jika sebuah negara membentuk AI sebagai ancaman murni di tingkat sosial, bukan sebagai alat yang harus dipelajari dan dikendalikan, maka negara tersebut bisa kehilangan peluang penyebaran teknologi karena keraguan diri.

Keunggulan Amerika tidak hanya di perusahaan, tetapi juga dalam sistem talenta dan universitas yang terbuka

Jawaban Ro Khanna tentang “mengapa Amerika masih punya peluang mempertahankan keunggulan AI” melengkapi pandangan industri Huang Huang. Ia berpendapat bahwa keunggulan terbesar Amerika adalah mampu menarik talenta global untuk belajar, meneliti, berwirausaha, dan berkolaborasi di Amerika, diikuti oleh sistem universitas riset yang kuat, budaya akademik yang bebas dan skeptis terhadap otoritas, serta mekanisme konversi teknologi yang relatif matang antara universitas, pemerintah, dan sektor swasta.

Dalam diskusi ini, Khanna menyoroti bahwa banyak startup AI didirikan oleh imigran, dan banyak peneliti AI tidak menyelesaikan pendidikan sarjana di AS, tetapi akhirnya datang ke AS untuk berinovasi. Mekanisme “mengadopsi talenta dari seluruh dunia, lalu membentuk kolaborasi intensif di dalam negeri” ini adalah salah satu sumber utama keunggulan teknologi AS.

Ia juga menekankan pentingnya universitas riset. Akumulasi jangka panjang dalam penelitian dasar, pelatihan talenta, dan spillover teknologi di AS tidak terjadi secara kebetulan, tetapi sangat terkait dengan investasi publik yang berkelanjutan. Dengan kata lain, saat membahas keunggulan AI AS hari ini, kita tidak bisa hanya membicarakan pasar modal dan perusahaan papan atas, tetapi juga harus mengakui peran dasar dari investasi riset nasional dan sistem universitas.

Inilah sebabnya, meskipun diskusi ini dipimpin oleh seorang pengusaha terkenal dan anggota Kongres, logika dasarnya bukan “perusahaan bisa segalanya” atau “pemerintah bisa segalanya,” melainkan kolaborasi tiga pihak: pemerintah menyediakan arahan jangka panjang dan kerangka kebijakan, universitas menyediakan talenta dan penelitian dasar, serta perusahaan mendorong industrialisasi dan aplikasi skala besar.

Reindustrialisasi, kata kunci baru dalam kompetisi AI

Jika beberapa tahun lalu diskusi tentang AI lebih banyak berfokus pada daya komputasi, model, dan modal, maka yang paling nyata dari dialog ini adalah memasukkan “reindustrialisasi” secara tegas ke dalam agenda AI. Khanna secara langsung menyatakan bahwa kesalahan besar Amerika selama beberapa dekade terakhir adalah berfokus hanya pada pusat keuangan dan inovasi, tanpa mempertahankan fondasi industri yang kuat. Ini tidak hanya merugikan keamanan nasional, tetapi juga melemahkan kohesi sosial dan meninggalkan rasa tertinggal di banyak daerah.

Ia menambahkan bahwa kemunduran industri manufaktur bukanlah tren makro abstrak, tetapi secara konkret menghancurkan martabat, pekerjaan, dan identitas generasi di banyak komunitas. Kota dan keluarga yang dulu bergantung pada pabrik, baja, dan rantai industri, dipaksa menghadapi kenyataan “kalau tidak masuk ke bidang keuangan atau teknologi, maka harus tersingkir.” Ketegangan ini akhirnya tercermin dalam kemarahan, perpecahan, dan ketidakpercayaan politik di AS.

Oleh karena itu, Khanna mengusulkan semacam “Rencana Marshall abad ke-21” sebagai bentuk patriotisme ekonomi baru: Amerika tidak cukup hanya menggunakan tarif sebagai simbol, tetapi harus benar-benar membangun kembali industri penting, dan membentuk investasi industri baru di bidang tanah langka, mineral penting, bahan baku farmasi, robot, dan bahan canggih lainnya, agar pemerintah, perusahaan, komunitas teknologi, dan pekerja dapat bersatu kembali.

Huang Huang menambahkan bahwa industri AI sendiri sedang menjadi mesin reindustrialisasi Amerika. Dengan hadirnya pabrik AI, chip, dan infrastruktur komputasi di AS, pembangunan ini telah mendorong banyak lapangan kerja di manufaktur, konstruksi, listrik, pipa, dan alat presisi, serta meningkatkan upah di bidang terkait. Ia juga menyatakan bahwa perusahaan sedang merencanakan investasi besar-besaran dalam manufaktur domestik AS, dan tren ini bergantung pada kondisi industri yang cukup dinamis, menguntungkan, dan mendorong investasi.

Ini berarti, AI bukan hanya teknologi “menggantikan tenaga kerja,” tetapi juga peluang untuk membangun kembali ekonomi riil dan lapangan kerja regional. Tetapi keberhasilannya bergantung pada kebijakan yang mengarahkan modal ke pembangunan jangka panjang, bukan hanya untuk keuntungan jangka pendek.

“Apakah AI akan mengambil pekerjaan?” bukan pertanyaan yang bisa dijawab secara sederhana

Mengenai dampak AI terhadap pekerjaan, bagian yang paling banyak disebarluaskan dari diskusi ini adalah penolakan langsung Huang Huang terhadap narasi “AI menghancurkan pekerjaan.” Ia berpendapat bahwa menggambarkan AI sebagai kekuatan besar yang menghancurkan lapangan kerja tidak hanya tidak akurat, tetapi juga merugikan penerimaan masyarakat terhadap teknologi.

Ia memberi contoh terkenal: beberapa tahun lalu, beberapa ilmuwan AI memperkirakan bahwa seiring AI menyebar ke interpretasi gambar, radiolog akan menjadi “tidak relevan” dalam sepuluh tahun. Huang Huang mengakui bahwa prediksi awal itu benar—AI memang sudah menyentuh hampir semua aspek radiologi; tetapi yang salah adalah anggapan bahwa radiolog akan berkurang—sebaliknya, jumlah radiolog justru meningkat.

Mengapa demikian? Penjelasannya adalah: tujuan pekerjaan dan tugas spesifik dalam pekerjaan itu bukan hal yang sama. AI dapat mengotomatisasi tugas tertentu, tetapi tidak otomatis menghilangkan profesi. Sebaliknya, ketika AI meningkatkan efisiensi, organisasi dapat melayani lebih banyak pasien, memenuhi lebih banyak kebutuhan, dan menghasilkan pendapatan lebih tinggi, sehingga membutuhkan lebih banyak profesional untuk melakukan penilaian, kolaborasi, dan layanan tingkat tinggi.

Ia memperluas logika ini ke rekayasa perangkat lunak. Di NVIDIA, insinyur perangkat lunak sudah banyak menggunakan alat AI berbasis agen, dan hasilnya bukan insinyur digantikan, melainkan “insinyur yang lebih mahir menggunakan AI” menjadi lebih dihargai dan sukses, sementara tim dapat mengerjakan lebih banyak proyek lebih cepat. Dengan kata lain, AI pertama-tama mengubah cara kerja dan batas produktivitas, bukan sekadar mengurangi jumlah posisi.

Namun, Khanna menambahkan koreksi penting. Ia tidak menolak bahwa secara jangka panjang, kemajuan teknologi akan menciptakan kebutuhan dan posisi baru, tetapi sejarah juga menunjukkan bahwa dari Revolusi Industri hingga gelombang teknologi berikutnya, peningkatan produktivitas tidak otomatis dan merata dibagikan ke semua orang. Penyebaran teknologi sering disertai pengangguran yang nyata, ketimpangan pendapatan yang melebar, dan ketidakmampuan sebagian kelompok untuk menikmati manfaatnya dalam waktu lama.

Oleh karena itu, kebijakan yang bertanggung jawab bukan sekadar mengulang slogan “teknologi akan menciptakan lebih banyak pekerjaan,” tetapi harus mempertimbangkan: apakah pekerja memiliki kekuatan tawar, apakah mereka bisa berbagi manfaat dari peningkatan produktivitas, bagaimana anak muda dan pekerja tingkat awal mendapatkan akses baru, dan apakah mereka yang paling terdampak bisa mendapatkan pelatihan, perlindungan, dan dukungan re-employment selama masa transisi.

Ini juga menjelaskan mengapa Khanna menyebut dirinya “AI democratist,” bukan “AI doomer” atau “AI accelerationist.” Intinya, dia tidak menentang AI, tetapi menentang agar manfaat AI tidak hanya terkonsentrasi di kapital, sementara biaya dan risiko ditanggung oleh pekerja biasa.

Bahaya sesungguhnya bukan AI itu sendiri, tetapi hanya sedikit orang yang mampu menggunakannya

Huang Huang memberikan penilaian yang sangat representatif tentang pekerjaan: kebanyakan orang mungkin tidak akan “kalah” oleh AI, tetapi mereka bisa kalah oleh orang yang mampu menggunakan AI. Intinya bukan untuk menimbulkan kecemasan, tetapi menunjukkan arah penyebaran teknologi—daripada takut AI, lebih baik belajar cepat cara menggunakannya.

Menurutnya, AI menjadi salah satu teknologi yang paling cepat diadopsi dalam sejarah karena tingkat hambatannya lebih rendah dibanding teknologi dasar sebelumnya. Orang biasa tidak perlu menjadi insinyur chip atau peneliti algoritma, tetapi bisa menggunakan AI sebagai alat peningkat kemampuan dalam pekerjaan mereka. Ia bahkan memberi contoh: seorang tukang kayu yang memanfaatkan AI dapat lebih baik dalam menyampaikan desain, dan meningkat menjadi penyedia layanan yang mendekati arsitek atau desain interior.

Logikanya adalah: nilai sosial utama AI bukan menyembunyikan pengetahuan dan keahlian di kalangan terbatas, tetapi menyebarkan kemampuan kognitif dan ekspresi yang sebelumnya tinggi hambatannya ke lebih banyak orang. Ketika semakin banyak pekerja biasa, pengusaha, dan pelajar mampu menyelesaikan pekerjaan yang lebih kompleks dengan bantuan AI, maka manfaat teknologi benar-benar akan menyebar.

Khanna lebih jauh menyamakan “penyebaran” ini dengan kontrak sosial. Ia berpendapat bahwa ketidakpercayaan masyarakat terhadap AI saat ini bukan hanya karena ketidakpahaman terhadap teknologi, tetapi juga karena banyak orang tidak lagi percaya pada institusi elit, dan tidak yakin bahwa revolusi teknologi baru akan otomatis memberi mereka peluang. Untuk memperbaiki ketidakpercayaan ini, bukan hanya melalui promosi, tetapi juga melalui rencana kerja nyata, pelatihan keterampilan, investasi wilayah, dan komitmen publik.

Di antara China, globalisasi, dan regulasi, Amerika butuh “jalan tengah”

Topik sensitif lain dalam diskusi ini adalah bagaimana Amerika harus menangani hubungan dengan China dan rantai pasok global. Huang Huang sangat tegas: dunia saling bergantung, dan ekosistem industri AI serta rantai pasok terkait bukan sistem yang bisa sepenuhnya dikunci oleh satu negara. Setiap upaya “menutup semuanya dan memutuskan hubungan” bisa berakibat buruk secara tak terduga.

Ia menegaskan bahwa AI bukan produk titik tunggal, melainkan sistem industri yang terintegrasi secara mendalam ke dalam rantai pasok global. Dari energi, mineral, peralatan, hingga manufaktur, Amerika sangat bergantung pada negara lain, termasuk China. Oleh karena itu, kebijakan tidak bisa hanya bersifat emosional dan simplistik, tetapi harus mempertimbangkan konsekuensi jangka panjang, reaksi berantai, dan keseimbangan sistem industri secara keseluruhan.

Khanna sepakat dan menambahkan bahwa Amerika tidak bisa sepenuhnya “mengurangi ketergantungan,” tetapi juga bahwa globalisasi tanpa batas yang selama ini dilakukan sudah terbukti tidak berkelanjutan. Amerika perlu membangun “keterbukaan yang berperbatasan lebih baik”: mengakui risiko monopoli China di sumber daya dan komponen penting, serta mendorong rebalancing dan pembangunan kapasitas domestik; sekaligus menghindari politik anti-China yang berlebihan, yang bisa memperburuk ketegangan dan menghambat kolaborasi internasional.

Huang Huang mengingatkan bahwa menentang kompetitor nasional China tidak boleh berujung pada sentimen anti-Asia, anti-imigran, atau anti-internasional. Karena salah satu aset terpenting Amerika adalah “semua orang terbaik dari seluruh dunia ingin datang ke sini.” Jika narasi kompetisi diubah menjadi permusuhan identitas, yang dirugikan bukan orang lain, tetapi diri sendiri—yaitu daya tarik dan citra “American Dream.”

Dalam hal regulasi, kedua tokoh tidak berbeda jauh. Khanna mendukung aturan yang moderat dan terperinci agar AI AS tetap kompetitif dan dipercaya pasar global sebagai “AI berkualitas tinggi”; Huang Huang menekankan pengaturan yang fokus pada aplikasi dan penggunaan, serta menghindari regulasi berlebihan terhadap teknologi dasar yang sedang berkembang pesat.

Singkatnya, mereka tidak mendukung ekstrem: satu sisi kebebasan tanpa batas, dan di sisi lain pengaturan ketat demi keamanan. Jalan tengah yang realistis adalah menjaga keseimbangan dinamis antara pengelolaan risiko, pengembangan industri, dan kompetisi global.

Dialog ini sebenarnya membahas tentang narasi negara yang baru

Kalau hanya menganggap diskusi ini sebagai “seminar kebijakan AI,” maka itu meremehkan maknanya. Lebih dalam lagi, diskusi ini membahas: di saat AI merombak ekonomi dan tatanan sosial, akankah Amerika mampu membangun narasi nasional yang membuat mayoritas orang percaya bahwa mereka turut serta?

Khanna berulang kali menyebutkan bahwa salah satu masalah terbesar Amerika saat ini adalah hilangnya kepercayaan. Orang tidak lagi yakin bisa berbagi manfaat pertumbuhan, tidak yakin bahwa sistem negara akan mengutamakan pekerja biasa, dan tidak yakin bahwa “American Dream” masih berlaku untuk generasi berikutnya. Oleh karena itu, ia mengusulkan agar AI menjadi peluang untuk memikirkan kembali apa yang menjadi bintang penunjuk dalam perkembangan teknologi—bukan hanya inovasi teknologi itu sendiri, tetapi membangun masyarakat yang lebih kohesif, beragam, dan memberi rasa aman serta peluang bagi lebih banyak orang.

Huang Huang dari sudut pandang pengusaha memberikan jawaban yang menginspirasi: saat ini justru adalah masa terbaik bagi kaum muda untuk masuk ke masyarakat, menggunakan AI, berwirausaha, dan merombak industri. Karena revolusi teknologi ini bukan sekadar memperbaiki dunia lama, tetapi mereset seluruh industri komputasi, dan hampir semua bidang yang bergantung pada komputasi. Bagi pelajar dan generasi muda, ini adalah peluang awal yang sangat setara.

Dalam arti ini, poin terpenting dari diskusi ini bukanlah “Amerika pasti akan menang,” tetapi “jika Amerika ingin menang, harus membuat lebih banyak orang menang.” Kepemimpinan di era AI bukan hanya tentang memiliki chip terbaik, modal terbesar, dan model tercanggih, tetapi juga tentang mampu menjalin kembali teknologi, industri, pendidikan, manufaktur, tata kelola, dan kepercayaan sosial menjadi sebuah proyek komunitas bersama.

Ini mungkin menjadi pelajaran paling berharga dari diskusi ini: kompetisi AI di masa depan, yang tampaknya hanya kompetisi antar perusahaan dan negara, sebenarnya adalah pertarungan untuk membangun sistem kemampuan negara yang lebih lengkap, terbuka, dan tangguh. Dan yang benar-benar menentukan kemenangan bukanlah slogan paling keras, tetapi kemampuan menjawab tiga pertanyaan: siapa yang berinovasi, siapa yang memproduksi, dan siapa yang akan menikmati manfaatnya.