SULSEL.FAJAR.CO.ID, JAKARTA – Perubahan arah teknologi AI ke CPU dan edge computing mulai terlihat jelas dalam beberapa tahun terakhir. 

Jika sebelumnya kecerdasan buatan identik dengan GPU berperforma tinggi, kini industri mulai beralih ke solusi yang lebih efisien dan fleksibel.

Perubahan ini tidak hanya berdampak pada arsitektur teknologi, tetapi juga membuka peluang bisnis baru bagi perusahaan seperti Intel.

AI Tidak Lagi Bergantung Penuh pada GPU

Selama ini, GPU menjadi tulang punggung komputasi AI, terutama dalam proses pelatihan model berskala besar. Namun, kebutuhan industri mulai berubah.

Fokus kini bergeser ke tahap inferensi—yakni proses penggunaan model AI untuk menghasilkan output secara real-time.

Dalam tahap ini, CPU justru dinilai lebih unggul karena:

• Lebih hemat energi
• Biaya operasional lebih rendah
• Mudah diintegrasikan ke berbagai sistem

Banyak perusahaan mulai menyadari bahwa tidak semua kebutuhan AI memerlukan komputasi ekstrem seperti GPU.

Intel Ambil Momentum dari Tren AI ke CPU

Di tengah pergeseran ini, Intel menjadi salah satu pihak yang paling diuntungkan.

Perusahaan tersebut memperkuat lini prosesor agar mampu menangani beban kerja AI, khususnya untuk kebutuhan inferensi.

Dampaknya mulai terlihat dari meningkatnya permintaan terhadap prosesor yang mendukung AI. Hal ini membuka sumber pendapatan baru yang sebelumnya belum dimaksimalkan.

Edge Computing Dorong Transformasi AI

Selain CPU, tren edge computing juga mempercepat perubahan ekosistem AI.

Pemrosesan data kini semakin banyak dilakukan langsung di perangkat, seperti:

• Smartphone
• Perangkat IoT
• Server lokal
• Kendaraan otonom

Menurut Dean Leo dari Microchip Technology Inc., pergeseran ini didorong oleh kebutuhan efisiensi.

“Perpindahan ini didorong oleh kebutuhan akan latensi yang lebih rendah, konektivitas yang lebih andal, perlindungan privasi data yang lebih baik, serta pengurangan biaya bandwidth cloud,” ujarnya.

AI Generatif Mulai Turun ke Perangkat

AI generatif yang sebelumnya bergantung pada cloud kini mulai berjalan di perangkat edge.

Namun, implementasi ini membutuhkan optimasi khusus seperti:

• Kuantisasi model
• Pruning (pemangkasan algoritma)
• Dukungan Neural Processing Unit (NPU)

Teknologi ini memungkinkan AI tetap berjalan optimal meski dengan keterbatasan daya dan ruang.

Cloud dan Edge Akan Berjalan Bersamaan

Meski edge semakin berkembang, peran cloud tidak akan hilang.

Cloud tetap menjadi pilihan utama untuk:

• Pelatihan model AI besar
• Pembaruan sistem
• Pemrosesan data skala masif

Sementara edge berperan dalam eksekusi cepat di lapangan. Model ini menciptakan ekosistem hybrid yang saling melengkapi.

Tekanan Data Center Jadi Pemicu Perubahan

Pergeseran ke edge juga dipicu oleh tekanan besar pada pusat data.

Diproyeksikan pada 2026, data center AI akan menghadapi tantangan:

• Konsumsi listrik hingga gigawatt
• Kebutuhan pendinginan tinggi
• Beban komputasi masif

Dengan memindahkan sebagian proses ke edge, beban tersebut dapat dikurangi secara signifikan.

Transformasi ini diprediksi akan berlanjut ke era Physical AI, di mana kecerdasan buatan terintegrasi langsung dalam perangkat fisik seperti:

• Robot
• Drone
• Kendaraan otonom

Pada tahap ini, aspek keamanan dan keselamatan sistem menjadi prioritas utama, selain performa.

Pergeseran AI ke CPU dan edge computing menandai babak baru dalam industri teknologi global. Tidak lagi bergantung sepenuhnya pada GPU dan cloud, ekosistem AI kini bergerak menuju model hybrid yang lebih efisien.

Bagi Intel dan pelaku industri lainnya, momentum ini menjadi peluang besar untuk memperkuat posisi di tengah persaingan teknologi yang semakin dinamis. (*/bs)