Gelombang Ketiga AI: CPU Mulai Menjadi Kunci Revolusi AI

Selama beberapa tahun terakhir, revolusi kecerdasan buatan mulai diceritakan melalui narasi investasi yang sangat sederhana. Di pusat cerita ini berdiri satu protagonis utama: GPU. Prosesor grafis telah menjadi simbol era teknologi baru, dan ketersediaannya secara langsung menentukan perusahaan mana yang mampu melatih model bahasa paling canggih, serta siapa yang tertinggal dalam perlombaan masa depan AI.

Akibatnya, pasar dengan cepat belajar melihat kecerdasan buatan melalui satu metrik utama: kekuatan komputasi. Semakin banyak GPU berarti model yang lebih besar, model yang lebih besar berarti produk yang lebih baik, dan produk yang lebih baik berarti keunggulan kompetitif.

Namun seiring waktu, narasi ini mulai menjadi lebih kompleks. Ternyata kekuatan komputasi mentah saja tidak cukup jika sistem tidak mampu mengirimkan data dengan kecepatan yang dibutuhkan. Hambatannya bukan lagi hanya GPU, tetapi semakin bergeser ke memori—baik memori yang paling dekat dengan prosesor dalam bentuk HBM, maupun DRAM server tradisional serta seluruh infrastruktur penyimpanan dan transfer data.

Inilah momen pertama ketika investor mulai menyadari bahwa revolusi AI bukan hanya cerita tentang satu komponen, melainkan rantai teknologi yang utuh—mulai dari silikon, memori, hingga jaringan dan sistem pendingin.

Dan sekarang, ketika peta revolusi ini tampak relatif lengkap, muncul pergeseran baru yang jauh lebih halus, tetapi berpotensi sama pentingnya dengan perubahan sebelumnya.

Lapisan yang selama bertahun-tahun dianggap sebagai “infrastruktur biasa” kini mulai memainkan peran semakin penting: CPU. Dalam dunia di mana AI tidak lagi hanya berupa satu pertanyaan ke model bahasa, tetapi berkembang menjadi sistem kompleks berisi agen otonom yang menjalankan tugas multi-step, bukan hanya skala komputasi yang berubah, tetapi juga sifat komputasinya.

Pada titik ini, muncul pertanyaan yang belum lama ini masih dianggap sekunder. Apakah CPU, yang sebelumnya hanya bertindak sebagai koordinator dan partner diam bagi GPU, justru mulai menjadi salah satu komponen utama dalam keseluruhan arsitektur AI?

Dan jika iya, apakah ini berarti kita sedang memasuki gelombang ketiga revolusi AI setelah GPU dan memori, di mana faktor kuncinya bukan lagi kekuatan komputasi mentah, tetapi kemampuan menghubungkan dan mengorkestrasi seluruh sistem secara menyeluruh?

ERA GPU

Pada awal revolusi AI, hampir tidak ada keraguan mengenai fondasi teknologi yang akan menopangnya. Dengan terobosan deep learning dan munculnya model bahasa yang semakin besar, segera menjadi jelas bahwa keterbatasan utama bukan lagi algoritma itu sendiri, melainkan skala komputasi yang dibutuhkan untuk melatihnya.

Pada titik tersebut, prosesor grafis mulai menjadi pusat perhatian. Arsitekturnya, yang awalnya dirancang untuk rendering grafis dan operasi paralel gambar, ternyata sangat cocok untuk jenis komputasi yang dibutuhkan jaringan neural. Alih-alih memiliki satu inti yang sangat cepat, GPU menawarkan ribuan unit pemrosesan sederhana yang mampu menjalankan operasi yang sama secara paralel pada dataset besar.

Inilah yang menjadikan GPU sebagai mesin alami revolusi AI. Pelatihan model bahasa, khususnya yang berbasis arsitektur transformer, pada dasarnya terdiri dari operasi matriks—tugas yang sangat mudah diparalelkan. Dalam praktiknya, semakin besar kekuatan GPU yang dapat dikonsentrasikan dalam satu sistem, semakin besar pula model yang dapat dilatih.

Akibatnya, standar baru untuk infrastruktur komputasi segera terbentuk. Data center mulai menyerupai klaster akselerator khusus, di mana CPU hanya memainkan peran pendukung, terutama bertanggung jawab atas persiapan data, manajemen proses, dan komunikasi antar komponen sistem. Seluruh “matematika berat” dipindahkan ke GPU.

Arsitektur ini menciptakan konsentrasi nilai yang besar dalam satu segmen pasar. Ketika permintaan terhadap kekuatan komputasi meningkat, produsen GPU berhasil menangkap porsi terbesar dari nilai ekonomi revolusi AI. Akses terhadap GPU tidak hanya menjadi keunggulan teknologi, tetapi juga batasan strategis yang menentukan kecepatan perkembangan perusahaan dan laboratorium riset.

Dalam struktur ini, pasar mulai melihat AI secara linear. Lebih banyak GPU berarti lebih banyak komputasi, lebih banyak komputasi berarti model yang lebih besar, dan model yang lebih besar berarti produk yang lebih baik. Logika revolusi ini tampak sederhana dan mudah dipahami.

Namun seiring waktu, mulai muncul sinyal pertama bahwa gambaran ini belum lengkap.

MEMORI SEBAGAI GELOMBANG KEDUA

Ketika model AI berkembang dari jutaan parameter menjadi miliaran hingga ratusan miliar parameter, muncul masalah yang awalnya tidak sejelas keterbatasan kekuatan komputasi. Ternyata menambah jumlah GPU saja tidak menyelesaikan semua keterbatasan sistem jika data tidak dapat mengalir cukup cepat di seluruh arsitektur komputasi.

Pada titik ini, memori mulai menjadi pusat perhatian. Baik memori yang langsung terhubung ke GPU dalam bentuk HBM, maupun DRAM server tradisional serta seluruh lapisan penyimpanan dan transfer data di data center. Memori menjadi faktor yang menentukan seberapa cepat model yang semakin besar dapat dilatih dan dijalankan.

Dalam praktiknya, bahkan GPU paling canggih pun tidak mampu memaksimalkan potensinya jika tidak “diberi makan” data secara memadai. Hambatan utama bukan lagi komputasi itu sendiri, melainkan kemampuan sistem menjaga aliran informasi yang kontinu antara memori, jaringan, dan akselerator.

Inilah momen ketika revolusi AI mulai bergeser dari sekadar masalah komputasi menjadi masalah sistem. Alih-alih satu komponen dominan, mulai terlihat ketergantungan kompleks antara berbagai lapisan infrastruktur.

Memori, yang sebelumnya dianggap sebagai elemen pendukung, mulai memainkan peran strategis. Solusi bandwidth tinggi seperti HBM menjadi salah satu penggerak utama scaling model modern, dan produsen memori mulai menempati posisi yang lebih penting dalam rantai nilai revolusi AI.

Yang penting, fase ini tidak menggantikan GPU, melainkan mengungkap keterbatasan alaminya. Ketika model semakin besar, menjadi jelas bahwa komputasi tidak memiliki nilai tanpa throughput data yang memadai. Akibatnya, pasar mulai memahami bahwa AI bukan hanya perlombaan untuk prosesor paling kuat, melainkan sistem kompleks di mana setiap komponen infrastruktur dapat menjadi bottleneck potensial.

Pada fase inilah pemahaman AI sebagai ekosistem mulai terbentuk, di mana GPU, memori, jaringan, dan infrastruktur data semuanya memainkan peran penting.

CPU DAN KEBANGKITAN AGENTIC AI

Selama bertahun-tahun, peran CPU dalam revolusi AI terlihat relatif stabil dan jelas. CPU bertanggung jawab atas manajemen sistem, persiapan data, dan koordinasi kerja akselerator GPU yang menangani tugas komputasi berat. Dalam struktur ini, CPU bertindak sebagai operator infrastruktur yang tenang, tidak terlihat oleh pengguna akhir, dan fungsinya hampir tidak berubah.

Kini gambaran tersebut mulai berubah dengan munculnya kelas baru aplikasi AI yang semakin dikenal sebagai agentic AI. Berbeda dengan model bahasa tradisional yang hanya merespons satu prompt, sistem berbasis agen dirancang untuk menjalankan tugas multi-step yang kompleks, yang tidak hanya membutuhkan generasi respons, tetapi juga tindakan dalam lingkungan digital.

Dalam praktiknya, ini berarti alih-alih satu pertanyaan dan satu jawaban, kita berhadapan dengan rantai operasi penuh. Sebuah agen dapat memulai dengan menganalisis masalah, memecahnya menjadi langkah-langkah kecil, menjalankan serangkaian query ke sistem eksternal, database, atau API, memproses informasi yang diperoleh, dan baru kemudian menghasilkan hasil akhir. Setiap langkah membutuhkan operasi sistem tersendiri, komunikasi dengan berbagai sumber data, dan manajemen status proses secara terus-menerus.

Dalam model baru ini, beban komputasi mulai bergeser. Model bahasa yang berjalan di GPU hanya menjadi satu bagian dari sistem yang lebih besar, bertanggung jawab untuk generasi dan interpretasi bahasa. Sisanya—logika kontrol, manajemen tugas, komunikasi antar sistem, dan pengelolaan tools eksternal—semakin membebani CPU.

Di sinilah terjadi perubahan perspektif yang fundamental. Sebelumnya, CPU dianggap sebagai lapisan pendukung yang tugasnya hanya “tidak menghambat” komputasi GPU. Namun dalam dunia agentic AI, CPU mulai bertindak sebagai koordinator aktif yang tidak hanya mengelola aliran data, tetapi juga berpartisipasi dalam proses pengambilan keputusan sistem.

Yang terpenting, ini bukan perubahan kosmetik, melainkan struktural. Setiap agen AI menjalankan banyak langkah komputasi dan operasional, yang menyebabkan lonjakan operasi di luar GPU. Akibatnya, pentingnya infrastruktur CPU meningkat karena harus menangani jumlah query, proses, dan interaksi real-time dalam skala besar secara paralel.

Pada titik ini, perubahan arsitektur nyata pertama dalam sistem AI mulai terlihat. Alih-alih model yang berpusat pada satu jenis komputasi, kita bergerak menuju sistem multi-layer di mana setiap komponen bertanggung jawab atas fungsi operasional yang berbeda. GPU menangani komputasi matriks, memori mengelola penyimpanan dan aliran data, sementara CPU semakin menjadi lapisan yang bertanggung jawab atas orkestrasi seluruh proses.

PERUBAHAN ARSITEKTUR SISTEM

Dengan meningkatnya peran agentic AI, bukan hanya cara penggunaan model yang berubah, tetapi juga seluruh arsitektur sistem AI. Pembagian tradisional di mana GPU menangani komputasi dan CPU hanya berperan pendukung kini semakin tidak memadai untuk kebutuhan aplikasi AI modern.

Alih-alih satu proses komputasi tunggal, kita semakin berhadapan dengan sistem yang menyerupai jaringan kompleks berisi berbagai lapisan yang saling bekerja sama. Model bahasa tetap menjadi inti “reasoning”, tetapi di sekelilingnya tumbuh infrastruktur besar yang bertanggung jawab atas memori, aliran data, komunikasi dengan tools, dan eksekusi real-time.

Dalam struktur seperti ini, CPU bukan lagi sekadar lapisan teknis pendukung GPU, tetapi menjadi integrator seluruh sistem. CPU kini memikul tanggung jawab yang semakin besar terkait orkestrasi, manajemen status, dan pengelolaan proses berbasis agen yang kompleks.

Akibatnya, AI berhenti menjadi satu model tunggal dan mulai berubah menjadi sistem operasi untuk proses cerdas, di mana berbagai jenis hardware memainkan peran khusus yang saling bergantung.

EKONOMI DARI PERUBAHAN

Perubahan paling penting dalam keseluruhan infrastruktur AI bukanlah bagaimana sistem dibangun, melainkan bagaimana permintaan terhadap sumber daya komputasi didistribusikan. Selama bertahun-tahun, titik referensi dominan adalah hubungan CPU terhadap GPU, di mana dalam klaster AI tradisional peran GPU sangat mendominasi.

Dengan munculnya agentic AI, keseimbangan ini perlahan berubah. Alih-alih arsitektur di mana CPU hanya memainkan peran marginal dan GPU mendominasi sistem, kita bergerak menuju model yang lebih seimbang di mana prosesor general-purpose mengambil porsi beban kerja yang lebih besar terkait orkestrasi, pengelolaan tools, dan pemrosesan multi-step.

Perubahan ini memiliki konsekuensi ekonomi langsung. Ketika semakin banyak operasi berpindah ke luar GPU, permintaan terhadap kekuatan CPU di data center meningkat, yang menyebabkan kebutuhan jumlah core lebih tinggi per akselerator. Akibatnya, infrastruktur AI menjadi semakin intensif sumber daya, bukan hanya dalam hal GPU tetapi juga komputasi general-purpose.

Dari perspektif sistem, hal ini menciptakan perubahan struktural dalam permintaan di seluruh rantai nilai. Belanja modal yang sebelumnya terfokus pada GPU dan memori bandwidth tinggi kini mulai meluas ke segmen CPU. Hal ini menciptakan tekanan pada rantai pasok, meningkatkan utilisasi kapasitas manufaktur, dan secara bertahap mengubah ekspektasi terhadap pasar server CPU.

Dalam konteks ini, CPU tidak lagi dipandang sebagai segmen matang dan stabil, tetapi mulai dilihat sebagai salah satu komponen utama infrastruktur AI yang kepentingannya meningkat seiring kompleksitas sistem berbasis agen.

PASAR CPU DAN PEMAIN UTAMA

Perubahan peran CPU dalam arsitektur AI sedang membentuk ulang lanskap kompetitif industri semikonduktor. Selama bertahun-tahun, pasar server CPU relatif stabil dan didominasi satu pemain utama, tetapi dengan hadirnya era agentic AI, pasar ini kembali menjadi arena kompetisi teknologi yang intens.

Di pusat kompetisi ini terdapat tiga kekuatan utama: AMD, Intel, dan Arm. Masing-masing mewakili model bisnis, arsitektur, dan pendekatan berbeda mengenai seperti apa prosesor modern di era AI.

AMD menjadi penerima manfaat paling langsung dari perubahan di segmen server x86. Dengan prosesor EPYC, perusahaan terus meningkatkan pangsa pasar sambil menawarkan efisiensi energi tinggi dan performa kompetitif per core. Dalam konteks meningkatnya permintaan CPU pada sistem berbasis agen, AMD juga diuntungkan karena mampu menyediakan CPU dan GPU sekaligus, membangun compute stack yang lebih lengkap untuk data center.

Sementara itu, Intel sedang berada dalam fase transformasi. Setelah bertahun-tahun kehilangan pangsa pasar server, perusahaan mencoba membangun kembali posisinya melalui generasi Xeon terbaru dan strategi yang berfokus pada pengembangan proses manufaktur. Namun tantangan Intel bukan hanya teknologi, tetapi juga strategis—mendefinisikan ulang perannya dalam ekosistem AI yang telah berkembang jauh di luar kekuatan historisnya.

Hal ini menciptakan perubahan struktural. Pasar CPU berubah menjadi ekosistem multi-layer di mana hyperscaler seperti AWS, Google, dan Microsoft merancang prosesor mereka sendiri yang dioptimalkan untuk workload spesifik.

Dalam struktur ini, tidak ada satu pemenang dominan. Sebaliknya, kita melihat pasar di mana berbagai model bisnis dan arsitektur hidup berdampingan dan bersaing memperebutkan pertumbuhan permintaan komputasi di era AI.

GELOMBANG KETIGA AI DAN IMPLIKASINYA

Jika melihat seluruh revolusi AI dari perspektif infrastruktur, terlihat pola evolusi yang jelas di mana lapisan-lapisan sistem secara bertahap bergerak dari latar belakang menuju pusat perhatian. Pertama adalah GPU compute yang memungkinkan model bahasa modern. Kemudian memori menjadi pusat perhatian, tanpa itu scaling tidak mungkin terjadi. Kini CPU semakin menjadi lapisan berikutnya dalam rantai tersebut.

Perubahan ini bukan didorong tren teknologi, melainkan evolusi mendasar dalam cara sistem AI bekerja. Transisi dari single-query language model menuju agentic AI mencerminkan pergeseran dari komputasi sederhana menuju proses pengambilan keputusan multi-step yang kompleks. Dalam lingkungan seperti ini, pentingnya manajemen tugas, komunikasi dengan sistem eksternal, dan pengelolaan operasi paralel meningkat drastis.

Fungsi-fungsi inilah yang semakin membebani CPU, yang kini tidak lagi menjadi lapisan pendukung tetapi bagian integral dari operasi sistem AI.

Hal ini menyebabkan revisi besar terhadap ekspektasi ukuran pasar server CPU. Proyeksi pertumbuhan yang menunjukkan pasar dapat melampaui 120 miliar dolar pada 2030, bahkan hingga 200 miliar dolar dalam skenario agresif, menunjukkan bahwa CPU bukan lagi segmen matang dan stabil, melainkan siklus pertumbuhan baru yang didorong AI.

Dalam struktur baru ini, tidak ada satu pemenang tunggal. AMD diuntungkan oleh peningkatan permintaan di segmen x86 dan memperkuat posisinya sebagai pemain utama infrastruktur AI. Intel berusaha memanfaatkan meningkatnya pentingnya CPU untuk membangun kembali posisinya sambil menghadapi tantangan teknologi dan kompetitif. Sementara itu, Arm menangkap pertumbuhan berbasis cloud di mana hyperscaler mendesain silikon khusus untuk workload tertentu.

Poin terpenting bukanlah mengidentifikasi satu pemenang, tetapi memahami bahwa CPU sedang menjadi gelombang ketiga paralel dalam revolusi AI bersama GPU dan memori. Gelombang yang tidak menggantikan fase sebelumnya, tetapi melengkapinya dan menciptakan gambaran infrastruktur AI yang lebih utuh.

Dalam perspektif ini, revolusi AI bukan lagi sekadar cerita tentang satu terobosan teknologi, tetapi proses multi-tahap redistribusi nilai di seluruh rantai nilai semikonduktor. Dan CPU, yang selama ini dianggap sebagai komponen sekunder, mulai menempati posisi dalam sistem yang tidak banyak diperkirakan sebelumnya.