Chip Cerebras Systems Mungkin 15X Lebih Cepat Daripada Beberapa Model Blackwell Nvidia, tetapi Nvidia Memiliki 2 Keunggulan yang Berbeda

Pembuat chip kecerdasan buatan (AI) Cerebras Systems (CBRS 6,87%) go public pada 14 Mei di tengah banyak sorotan. Sahamnya melonjak sebesar 68% pada hari pertama perdagangan -- sebuah tanda, menurut para ahli, bahwa perdagangan AI masih hidup dan berkembang.

Kegembiraan seputar penawaran umum perdana ini masuk akal, mengingat Cerebras bersaing dengan perancang chip utama seperti Nvidia (NVDA 0,68%) dan AMD, yang keduanya telah berkinerja luar biasa dalam beberapa tahun terakhir.

Para investor kemungkinan bahkan lebih bersemangat membaca dalam pernyataan pendaftar Cerebras bahwa perusahaan mengatakan chip mereka 15 kali lebih cepat daripada pesaing terdepan.

Meskipun itu tentu saja menarik, unit pemrosesan grafis (GPU) Nvidia masih memiliki dua keunggulan berbeda dibandingkan chip Cerebras.

Sumber gambar: Getty Images.

Mengapa chip Cerebras berbeda

Sementara sebagian besar perancang chip memulai proses pembuatan chip mereka dengan memotong wafer silikon besar menjadi banyak bagian kecil yang akhirnya akan menjadi chip individual, Cerebras menggunakan seluruh wafer silikon untuk membuat satu chip besar: Mesin skala wafer mereka (WSE) 58 kali lebih besar daripada prosesor Blackwell 200 Nvidia. Beberapa media telah menggambarkan chip Cerebras sebesar piring makan.

Perluas

NASDAQ: CBRS

Cerebras Systems

Perubahan Hari Ini

(-6,87%) $-19,36

Harga Saat Ini

$262,50

Data Kunci

Kapitalisasi Pasar

$61B

Rentang Hari

$254,25 - $284,99

Rentang 52 minggu

$185,00 - $386,34

Volume

121K

Rata-rata Volume

12,8M

Margin Kotor

39,03%

Chip yang lebih besar tentu memiliki beberapa keunggulan di pusat data karena lebih banyak memori dan daya pemrosesan dapat dipadatkan ke dalamnya. Cerebras mengatakan model WSE-3-nya memiliki 250 kali lebih banyak memori di dalam chip daripada model B200 Nvidia dan 2.625 kali lebih banyak bandwidth memori.

Memiliki lebih banyak memori di chip membantu mengatasi hambatan pemrosesan data yang dihadapi GPU yang lebih kecil, seperti mengambil data dari GPU lain atau dari memori eksternal yang berdekatan dengan chip.

Meskipun itu bisa membuat chip Cerebras kompetitif atau bahkan lebih baik dalam situasi tertentu, berikut dua alasan mengapa pemegang saham Nvidia tidak panik.

1. Chip yang lebih kecil memiliki keunggulan dalam beberapa hal

Sementara Cerebras secara alami fokus pada kekurangan chip pesaingnya, ada skenario di mana chip yang lebih kecil dapat menawarkan keunggulan, terutama karena mereka memberikan lebih banyak fleksibilitas kepada pelanggan.

Pertama, chip sebesar wafer lebih mahal untuk dibuat, dan mereka mengandung lebih banyak inti daripada yang lebih kecil. Jika cukup banyak bagian dari salah satu chip besar Cerebras rusak, seluruh chip (yang mahal) mungkin harus dibuang. Meski perusahaan merancang chip-nya dengan redundansi untuk mengurangi kemungkinan hal itu terjadi, cacat memang terjadi dalam semua proses pembuatan chip.

Selain itu, tidak semua tugas AI membutuhkan kekuatan penuh dari WSE-3. Tugas yang lebih kecil membutuhkan GPU yang lebih sedikit, jadi perusahaan kecil hingga menengah yang ingin menerapkan aplikasi AI kemungkinan akan menemukan solusi yang lebih hemat biaya dari perusahaan seperti Nvidia. Dan GPU Nvidia dapat diterapkan dalam kluster yang disesuaikan untuk memberikan kapasitas daya pemrosesan apa pun yang dibutuhkan.

2. CUDA

Namun keunggulan kompetitif terbesar Nvidia mungkin adalah lapisan perangkat lunak CUDA (Compute Unified Device Architecture), yang saat ini mendominasi ruang tersebut. Ini adalah platform perangkat lunak yang memungkinkan pengembang menulis kode untuk GPU Nvidia -- dan secara umum, kode tersebut hanya dapat dijalankan di GPU Nvidia.

Perusahaan memperkenalkan CUDA pada tahun 2006, dan selama dua dekade terakhir, ekosistem yang kuat telah berkembang di sekitar platform ini, yang telah diadopsi secara luas oleh konsumen dan bisnis.

Misalnya, menurut Nvidia, perusahaan farmasi menggunakan CUDA untuk membantu menemukan obat baru, produsen mobil menggunakannya untuk meningkatkan kemampuan mengemudi otonom kendaraan mereka, dan pengecer menggunakannya untuk menganalisis data pelanggan yang mempengaruhi rekomendasi produk dan iklan mereka.

Berpindah dari CUDA akan menjadi proses yang sulit. Ini tidak hanya akan membutuhkan penulisan ulang banyak kode, tetapi juga beroperasi di sekitar ekosistem besar yang sudah ada. Belum lagi sebagian besar pengembang di ruang ini telah bekerja dengan CUDA sepanjang karier mereka, dan menggunakan banyak alat lain yang dikembangkan secara khusus untuk CUDA. Mereka terbiasa dengan alat-alat tersebut, dan efisien menggunakannya. Melepaskan semua itu akan menjadi pilihan yang tidak menarik bagi sebagian besar perusahaan.

Perluas

NASDAQ: NVDA

Nvidia

Perubahan Hari Ini

(-0,68%) $-1,50

Harga Saat Ini

$218,01

Data Kunci

Kapitalisasi Pasar

$5,3T

Rentang Hari

$215,17 - $221,07

Rentang 52 minggu

$129,16 - $236,54

Volume

2,8M

Rata-rata Volume

171,3M

Margin Kotor

74,15%

Hasil Dividen

0,02%

Tahun lalu, CUDA mendukung lebih dari 900 perpustakaan dan model AI, menurut Business Insider, dengan setiap perpustakaan mewakili industri yang memanfaatkan teknologi Nvidia.

Memang benar bahwa Cerebras telah membangun lapisan perangkat lunaknya sendiri untuk bersaing dengan CUDA, tetapi Nvidia memiliki keunggulan besar dari awal.

Keunggulan kompetitif Nvidia sebanding dengan yang dimiliki oleh perusahaan pembayaran Visa dan Mastercard, yang memainkan peran penting dalam memfasilitasi transaksi pembayaran. Apakah perusahaan lain bisa melakukan apa yang dilakukan kedua perusahaan tersebut dari segi teknologi? Tentu, tetapi apakah mereka bisa meniru jaringan dan skala global mereka yang besar?

Nah, itu belum terjadi.