Perpindahan Bottleneck Kekuatan Komputasi Klaster AI 100 Ribu Kartu: Bagaimana Interkoneksi Optik Menjadi Inti Infrastruktur Baru?

Dalam dua tahun terakhir, diskusi tentang daya komputasi AI hampir seluruhnya berfokus pada GPU: kekurangan pasokan H100, parameter kinerja B200, peta jalan arsitektur GPU generasi berikutnya, membentuk narasi utama industri. Namun, ketika klaster pelatihan AI melampaui skala ribuan kartu hingga puluhan ribu kartu, sebuah kendala struktural yang lebih mendalam mulai muncul—efisiensi aliran data antar GPU, sedang menjadi batas akhir yang menentukan efisiensi keseluruhan klaster.

Arsitek jaringan cahaya Tencent, Fu Sidong, pada awal 2026 menunjukkan bahwa, dari arsitektur Pascal tahun 2016 hingga arsitektur Blackwell tahun 2024, daya komputasi AI meningkat sekitar 1000 kali dalam delapan tahun; daya inferensi meningkat 32 kali dalam empat tahun terakhir, dan daya pelatihan meningkat 16 kali. Sementara itu, bandwidth jaringan meningkat dari 200G menjadi 800G, hanya 4 kali lipat. Ketidakseimbangan ini—"daya komputasi melonjak seperti roket, jaringan berjalan seperti berjalan kaki"—membuat kecepatan transmisi data antar node menjadi hambatan utama bagi klaster skala puluhan ribu hingga ratusan ribu kartu, secara serius mempengaruhi efisiensi keseluruhan dan pemanfaatan sumber daya.

Realitas ini sedang mengubah logika investasi dan jalur teknologi infrastruktur AI. Ketika teknologi interkoneksi optik berkembang dari sekadar kompensasi kinerja lokal menjadi kemampuan kunci untuk mendukung skala operasional klaster AI, memahami logika teknologinya, pola pasar, dan nilai industri menjadi pertanyaan dasar yang tak terelakkan dalam menilai jalur daya komputasi AI. Pada saat yang sama, pihak investasi juga mengalami transformasi struktural serupa—dari alokasi aset tunggal menuju kolaborasi multi-pasar, rantai nilai yang menghubungkan infrastruktur daya komputasi dan infrastruktur keuangan sedang terbentuk.

Kesulitan komunikasi klaster sepuluh ribu kartu: jurang antara daya komputasi dan jaringan

Efisiensi klaster GPU tidak ditentukan oleh daya puncak satu GPU, melainkan oleh waktu yang dibutuhkan semua GPU untuk melakukan komputasi secara kolaboratif. Dalam pelatihan model besar secara distribusi, sinkronisasi parameter yang sering dan pertukaran gradien secara langsung menentukan efisiensi pelatihan secara keseluruhan. Dalam white paper teknologi CPO H3C disebutkan bahwa, dalam beberapa tahun terakhir, kecepatan peningkatan daya satu kartu jauh melebihi evolusi bandwidth jaringan, sehingga sebagian besar klaster terus menambah jumlah GPU di sisi daya, tetapi perluasan bandwidth komunikasi relatif tertinggal. Akibatnya, waktu komunikasi semakin besar proporsinya terhadap total waktu pelatihan, GPU harus menunggu data dalam waktu lama, dan daya komputasi efektif secara keseluruhan sulit meningkat secara proporsional dengan jumlah GPU.

Fenomena ini memiliki dasar kuantitatif yang jelas. Data dari presentasi Tencent menunjukkan bahwa, dalam empat tahun terakhir, daya pelatihan meningkat 16 kali, daya inferensi meningkat 32 kali, sementara bandwidth jaringan hanya dari 200G menjadi 800G, meningkat 4 kali. Ketika skala klaster melampaui sepuluh ribu kartu dan berkembang ke ratusan ribu kartu, pola komunikasi antar GPU tidak lagi sekadar transfer data point-to-point, melainkan melibatkan ribuan bahkan puluhan ribu jalur secara bersamaan. Kemacetan atau penundaan pada satu jalur dapat memperlambat seluruh siklus iterasi pelatihan.

Makalah yang dipublikasikan IEEE pada Februari 2026 mengonfirmasi penilaian ini: seiring pertumbuhan skala model AI, interkoneksi telah menjadi hambatan utama dalam klaster GPU skala besar, dan jaringan pertukaran paket tradisional menghadapi tantangan yang semakin berat dari segi konsumsi daya, biaya, dan skalabilitas. Penelitian menunjukkan bahwa arsitektur berbasis pertukaran sirkuit optik dapat mengurangi konsumsi daya backbone hingga hampir 99%, dan menurunkan biaya siklus hidup selama delapan tahun sebesar 76%.

Dari data industri, ketegangan struktural ini mendorong percepatan ekspansi infrastruktur komunikasi optik. UBS memperkirakan bahwa permintaan serat optik global selama lima tahun terakhir tumbuh sekitar 2% per tahun, tetapi dengan percepatan pembangunan pusat data AI, permintaan industri dalam beberapa tahun ke depan diperkirakan akan melebihi 30% pertumbuhan tahunan, bahkan mungkin mencapai pertumbuhan majemuk lebih dari 75%. Sebelumnya, 70-80% permintaan serat optik berasal dari operator telekomunikasi; UBS memperkirakan bahwa pada 2030, kebutuhan dari perusahaan dan pusat data akan melebihi 80%. Industri serat optik sedang bertransformasi dari komunikasi tradisional menjadi komponen inti infrastruktur AI.

Interkoneksi cahaya: jalur teknologi pasti untuk mengatasi hambatan daya

Menghadapi jurang antara daya dan jaringan, teknologi interkoneksi cahaya sedang naik dari solusi pelengkap menjadi pilihan arsitektur dasar. Ekspansi klaster AI biasanya dilakukan dari tiga dimensi: Scale-up (perluasan vertikal, interkoneksi cepat antar GPU dalam satu rak), Scale-out (perluasan horizontal, interkoneksi antar node dalam klaster), Scale-across (interkoneksi lintas wilayah, menghubungkan pusat data yang tersebar secara geografis). Ketiga dimensi ini memiliki kebutuhan berbeda terhadap bandwidth, latensi, konsumsi daya, dan jarak transmisi, tetapi semuanya menegaskan ketergantungan tak tergantikan pada interkoneksi cahaya.

Dalam skenario Scale-up, interkoneksi cahaya terutama menggantikan kabel tembaga atau switch listrik, untuk mencapai komunikasi dalam node dengan bandwidth lebih tinggi dan latensi lebih rendah. Sebagai contoh, Nvidia NVL576 menggunakan switch Ethernet Spectrum-X berbasis CPO, dengan kapasitas pertukaran 512×200Gbps, termasuk 32 mesin silicon photonics 1.6T, untuk skenario Scale-out dan Scale-across. Huawei CloudMatrix 384 supernode mengadopsi arsitektur interkoneksi penuh setara, menghubungkan 384 NPU, 192 CPU, serta sumber daya penyimpanan dan memori melalui 3168 serat optik dan 6912 modul LPO 400G, membangun bus interkoneksi berkecepatan tinggi.

Secara jalur teknologi, keluarga teknologi “x”PO seperti LPO, LRO, dan CPO sedang berkembang pesat. Data LightCounting menunjukkan bahwa pasar modul optik Ethernet global akan tumbuh 35% menjadi 18,9 miliar dolar AS pada 2026, dan diperkirakan akan menembus 35 miliar dolar AS pada 2030, dengan permintaan modul optik berkecepatan tinggi 800G dan 1.6T mendominasi pasar. TrendForce memperkirakan bahwa pengiriman modul optik 800G ke atas akan meningkat dari 19.5% pada 2024 menjadi lebih dari 60% pada 2026. Berdasarkan perkiraan pengiriman TPU Google hampir 4 juta unit, permintaan modul optik 800G ke atas akan melebihi 6 juta unit.

Konsumsi daya adalah tantangan utama bagi modul optik yang dapat dipasang. Teknologi Apollo OCS Google menggunakan cermin refleksi mikro untuk menghubungkan langsung serat optik data, menghindari konversi berulang antara cahaya dan listrik yang menyebabkan konsumsi energi dan latensi, dan mengurangi konsumsi daya sekitar 95% dibanding switch tradisional. Dari segi latensi, chip tanpa DSP optik yang dikembangkan THine, yang kompatibel dengan LPO atau CPO untuk skenario interkoneksi jarak pendek, mampu mengurangi latensi hingga 90% dan menghemat 73% daya.

Deputi Direktur Institute of Telecommunication Research China, Li Junjie, pada awal 2026 menyatakan bahwa teknologi interkoneksi cahaya sedang berkembang dari sekadar kompensasi kinerja lokal menjadi kemampuan kunci untuk mendukung operasi skala besar, fleksibel, dan andal dari supernode AI. Baik untuk mengatasi hambatan kecepatan, batasan konsumsi daya, maupun kapasitas, interkoneksi cahaya telah menjadi prasyarat evolusi infrastruktur AI dari ribuan kartu ke ratusan ribu kartu.

Strategi Ciena: dari broadband telekomunikasi ke jaringan cahaya AI

Ketika interkoneksi cahaya menjadi inti infrastruktur AI, pilihan strategi produsen perangkat terkemuka di bidang ini menjadi jendela penting untuk memahami evolusi industri. Ciena, penyedia sistem jaringan koneksi berkecepatan tinggi global terkemuka, sedang menjalani penyesuaian strategi fundamental.

Pada kuartal ketiga tahun fiskal 2025, Ciena melaporkan pendapatan sebesar 1,22 miliar dolar AS, didorong oleh penjualan platform optik dan routing. Pada saat yang sama, perusahaan mengumumkan penghentian pengembangan lebih lanjut bisnis PON broadband, mengalihkan investasi R&D ke solusi inti optik dan pusat data, termasuk teknologi manajemen out-of-band, dan mengurangi tenaga kerja sebesar 4-5%, dengan pencadangan biaya non-kas sekitar 90 juta dolar AS. Ciena memperkirakan pertumbuhan masa depan akan didorong terutama oleh pasar AI dan cloud hyperscale.

CEO Gary Smith menyatakan dalam konferensi pendapatan bahwa pelanggan penyedia layanan sedang memusatkan investasi jaringan pada bidang yang mampu mencapai skala ekonomi untuk mendukung pertumbuhan lalu lintas AI, yang menciptakan kebutuhan sistem baru dan peluang interkoneksi, dan akhirnya merembet ke dalam pusat data. Ciena menyebutkan bahwa sekitar 50% bisnisnya berasal dari hyperscale cloud vendors, dan komposisi pelanggan tahun 2026 diperkirakan serupa.

Ciena telah menunjukkan hasil nyata dalam penerapan infrastruktur AI. Perusahaan menunjuk sebuah proyek infrastruktur AI di Amerika Utara yang terkait dengan interkoneksi klaster GPU regional dan distribusi geografis, termasuk platform RLS dan plugin WaveLogic 6 Nano 800-gig ZR. Selain itu, solusi manajemen out-of-band DCOM mereka untuk operasi dalam pusat data dapat membantu operator besar menyederhanakan instalasi dan pengelolaan operasi pusat data skala besar, meningkatkan skalabilitas, dan mengurangi konsumsi daya serta ruang.

Secara makro, pergeseran strategi Ciena mencerminkan lonjakan kebutuhan jaringan cahaya dari kuantitatif ke kualitatif dalam pusat data AI. Kepala teknologi mitra global Ciena, Jürgen Hatheier, menunjukkan bahwa pasar secara jelas beralih ke koneksi cahaya berkapasitas tinggi, dan permintaan terhadap panjang gelombang 1.6T menunjukkan kekuatan yang kuat, diperkirakan akan terus berlanjut hingga 2026. Kepala pemasaran produk jaringan cahaya Nokia, Rob Shore, memperkirakan bahwa pada 2026, modul pluggable koheren 800G akan menjadi solusi koneksi cahaya standar untuk jaringan AI.

Pasar jaringan pusat data AI berkembang secara eksponensial. Data industri menunjukkan bahwa pasar ini akan tumbuh dari 10,31 miliar dolar AS pada 2025 menjadi 12,8 miliar dolar AS pada 2026, dengan tingkat pertumbuhan majemuk tahunan 24,2%, dan diperkirakan mencapai 30,17 miliar dolar AS pada 2030. Permintaan serat optik untuk aplikasi AI diperkirakan akan meningkat 77% pada 2025, dan dengan tingkat pertumbuhan majemuk selama lima tahun mencapai 26% hingga 2029, jauh melampaui aplikasi non-AI. Ciena berada di pusat kurva pertumbuhan struktural ini.

Dari infrastruktur daya ke infrastruktur keuangan: peta perdagangan saham Gate

Evolusi infrastruktur tidak hanya terjadi di tingkat daya komputasi, tetapi juga di tingkat alokasi aset. Ketika pusat data AI mengandalkan interkoneksi cahaya sebagai infrastruktur kunci untuk efisiensi GPU, kemampuan alokasi aset multi-aset dari pihak investasi juga membutuhkan infrastruktur yang efisien.

Gate secara bertahap memperluas kehadirannya di bidang keuangan tradisional. Pada Januari 2026, platform pertama kali meluncurkan fitur kontrak diferensial TradFi, mencakup emas, valuta asing, indeks saham, komoditas, dan saham populer. Pada Maret, diperluas ke token saham dan ETF leverage. Pada Juni, Gate secara resmi meluncurkan layanan perdagangan saham nyata melalui kemitraan strategis dengan Alpaca.

Saat ini, Gate mendukung lebih dari 10.000 saham AS dan ETF, mencakup perusahaan yang terdaftar di NYSE, NASDAQ, dan bursa utama lainnya, cakupannya jauh melampaui sebagian besar platform tokenisasi saham yang biasanya hanya mendukung ratusan aset. Pengguna dapat langsung berpartisipasi dalam investasi pasar saham utama AS menggunakan USDT, dengan pecahan mulai dari 0,01 saham, memungkinkan investasi mulai dari sekitar 1 dolar AS.

Secara teknologi dan kemitraan, Gate terhubung dengan broker yang memegang lisensi Broker-Dealer AS dan memiliki kualifikasi kliring, terhubung ke NYSE dan NASDAQ. Setiap saham didukung oleh aset nyata yang diindeks dan dipegang secara terpisah melalui sistem DTC, bukan derivatif on-chain atau produk RWA yang dipetakan. Pemegang posisi otomatis mendapatkan hak-hak lengkap seperti dividen, hak saham, dan split.

Dari tren industri, integrasi perdagangan saham oleh platform kripto terkemuka menjadi arah yang jelas. Data menunjukkan bahwa 73% trader kripto juga memegang aset tradisional. Pendekatan Gate melalui infrastruktur yang diatur secara ketat memastikan perdagangan saham nyata, bukan representasi sintetis atau tokenisasi, sehingga pengguna mendapatkan penemuan harga dan penyelesaian yang nyata. Dengan produk kontrak diferensial platform, Gate bertransformasi dari bursa aset kripto tunggal menjadi pusat multi-aset yang menggabungkan keuangan kripto dan tradisional serta derivatifnya.

Evolusi ini sejalan dengan tren makro tokenisasi aset RWA. Pada September 2025, Gate resmi meluncurkan Ondo, memperkenalkan tokenisasi saham dan ETF dari perusahaan terkenal seperti Apple, Tesla, Microsoft. Total locked value (TVL) di jalur RWA telah melampaui 15,7 miliar dolar AS, dengan Ondo Finance memegang sekitar 1,66 miliar dolar AS, menempati posisi ketiga global. Dari saham nyata ke saham tokenisasi dan kontrak diferensial saham, Gate membangun jalur alokasi multi-layer yang mencakup berbagai bentuk aset.

Penutup

Evolusi teknologi interkoneksi cahaya menunjukkan satu fakta dasar: daya saing pusat data AI sedang bergeser dari indikator daya GPU tunggal ke indikator efisiensi sistem secara keseluruhan. Jaringan tidak lagi sekadar lapisan pendukung dari klaster daya, melainkan prasyarat utama agar klaster sepuluh ribu kartu dapat benar-benar mengeluarkan potensi daya komputasi teoritisnya. Dalam logika ini, nilai strategis perusahaan infrastruktur jaringan cahaya sedang dievaluasi ulang oleh pasar—keputusan Ciena untuk berfokus penuh pada jaringan cahaya AI adalah bukti paling langsung dari tren ini.

Pada saat yang sama, evolusi infrastruktur di pihak investasi juga tidak boleh diabaikan. Ketika daya komputasi AI menjadi faktor produksi utama di era digital, platform yang mampu menghubungkan secara efektif faktor produksi ini dengan modal global juga mengalami migrasi nilai secara sistemik. Dari daya ke jaringan, dari perangkat keras ke aset, di persimpangan inovasi teknologi dan keuangan, sering kali lahir peluang struktural yang terkonsentrasi.