Di seluruh dunia, pemerintah dan industri berlomba memimpin pengembangan Artificial Intelligence (AI). Bagi banyak negara, hal ini terkait langsung dengan tantangan demografi seperti populasi yang menua, berkurangnya tenaga kerja, dan kebutuhan untuk meningkatkan produktivitas. Kita tidak boleh tertinggal. Kehadiran AI berbasis agen membuka peluang untuk mempercepat perubahan dan meningkatkan kinerja di berbagai sektor.
Berbeda dengan model AI tradisional, AI agentik tidak hanya merespons pertanyaan – ia bernalar, merencanakan, dan mengambil tindakan di berbagai sistem. Misalnya, alih-alih hanya menjawab pertanyaan tentang rekomendasi perjalanan, sistem agenik akan memesan penerbangan Anda, memperbarui kalender Anda, mengirim pengingat, dan bahkan menyesuaikan rencana perjalanan Anda berdasarkan cuaca atau penundaan – semuanya tanpa diminta untuk setiap langkahnya.
Ini menandai pergeseran dari respons AI pasif ke sistem proaktif dan kolaboratif yang bekerja bersama manusia. Munculnya AI agenik akan membutuhkan daya komputasi yang jauh lebih besar – tidak hanya untuk tugas atau pertanyaan tunggal, tetapi untuk alur kerja yang lebih luas yang melibatkan penalaran, perencanaan, dan adaptasi berkelanjutan.
Seiring dengan semakin matangnya teknologi AI berbasis agen dan meluasnya adopsinya, dunia secara efektif menambahkan miliaran pengguna virtual ke dalam infrastruktur komputasi. Pertanyaan yang mungkin muncul bagi setiap negara adalah apakah infrastruktur AI mereka siap untuk mendukung skala dan kompleksitas ini.
“Di era AI berbasis agen, desain sistem heterogen menjadi sangat penting. Infrastruktur AI harus melampaui komputasi mentah – infrastruktur tersebut harus mengintegrasikan CPU, GPU, jaringan, dan memori secara fleksibel dan terukur. Sistem yang dibangun dengan cara ini dapat memberikan kecepatan, koordinasi, dan throughput yang dibutuhkan untuk mendukung interaksi real-time yang cepat dari miliaran agen cerdas,” ujar Alexey Navolokin, General Manager, APAC, AMD.
“Seiring dengan meningkatnya adopsi, optimasi tingkat rak di mana komputasi, penyimpanan, dan jaringan dirancang bersama secara erat akan menjadi kunci untuk menghadirkan gelombang kinerja dan efisiensi berikutnya. Hal yang sama pentingnya adalah keterbukaan di tingkat perangkat keras dan sistem. Seiring dengan evolusi komputasi AI menuju penyebaran heterogen skala besar, arsitektur skala rak menjadi fundamental,” sambungnya.
AI Lebih dari Sekadar GPU
Graphics Processing Units (GPU) berkinerja tinggi sering mendominasi percakapan tentang AI, terutama untuk melatih dan menjalankan model skala besar. Tetapi central processing units (CPU) sama pentingnya dalam mendukung sistem AI di balik layar – menangani tugas-tugas penting seperti perpindahan data, manajemen memori, koordinasi thread, dan mengatur beban kerja GPU.
Faktanya, banyak beban kerja AI – termasuk model bahasa dengan hingga 13 miliar parameter, pengenalan gambar, deteksi penipuan, dan sistem rekomendasi, dapat berjalan secara efisien pada server yang hanya menggunakan CPU, terutama jika didukung oleh CPU berkinerja tinggi seperti prosesor AMD EPYC™ 9005 Series.
Seiring berkembangnya model AI menjadi arsitektur yang lebih modular – seperti sistem campuran pakar yang dipopulerkan oleh DeepSeek dan lainnya, kebutuhan akan orkestrasi sumber daya yang lebih cerdas semakin meningkat. CPU harus mampu memberikan instructions per clock (IPC) yang tinggi, input/output (I/O) yang cepat, dan kemampuan untuk mengelola banyak tugas secara bersamaan dengan presisi.
Sama pentingnya adalah konektivitas, “perekat” yang menyatukan sistem AI modern. Komponen jaringan canggih, seperti network interface controllers (NIC) cerdas, membantu mengarahkan data secara efisien dan aman antar komponen, mengurangi beban lalu lintas dari GPU dan mengurangi latensi. Interkoneksi berkecepatan tinggi dan latensi rendah membantu memastikan aliran data lancar di seluruh sistem, sementara infrastruktur yang dapat diskalakan menghubungkan node menjadi klaster AI terdistribusi yang andal.
Di era AI berbasis agen, desain sistem heterogen menjadi sangat penting. Infrastruktur AI harus melampaui sekadar komputasi mentah – infrastruktur tersebut harus mengintegrasikan CPU, GPU, jaringan, dan memori secara fleksibel dan terukur. Sistem yang dibangun dengan cara ini dapat memberikan kecepatan, koordinasi, dan throughput yang dibutuhkan untuk mendukung interaksi cepat dan real-time dari miliaran agen cerdas. Seiring dengan meningkatnya adopsi, optimasi tingkat rak di mana komputasi, penyimpanan, dan jaringan dirancang bersama secara erat akan menjadi kunci untuk menghadirkan gelombang kinerja dan efisiensi berikutnya.
Mengapa keterbukaan penting dalam persaingan AI
Seiring sistem AI menjadi semakin kompleks dan terdistribusi, kebutuhan akan keterbukaan – dalam software, hardware, dan desain sistem – menjadi keharusan strategis. Ekosistem tertutup berisiko menyebabkan ketergantungan pada vendor tertentu, membatasi fleksibilitas, dan dapat menghambat inovasi pada saat kemampuan beradaptasi sangat penting untuk meningkatkan skala AI.
Inilah mengapa tumpukan open software seperti AMD ROCmTM sangat penting. ROCm memberi pengembang dan peneliti kebebasan untuk membangun, mengoptimalkan, dan menerapkan model AI di berbagai lingkungan. Ia mendukung kerangka kerja populer seperti PyTorch dan TensorFlow, menyertakan alat canggih untuk penyetelan kinerja, dan menawarkan portabilitas di berbagai hardware – semuanya tersedia sebagai open source. Dalam konteks ambisi Jepang untuk mendorong inovasi di seluruh akademisi, perusahaan rintisan, dan industri, open AI software menawarkan aksesibilitas yang lebih luas, iterasi yang lebih cepat, dan hambatan yang lebih rendah.
Keterbukaan pada tingkat hardware dan sistem juga sangat penting. Seiring berkembangnya komputasi AI menuju penerapan skala besar dan heterogen, arsitektur skala rak menjadi sangat mendasar. Standar terbuka seperti Open Compute Project (OCP) mendukung desain sistem modular, sementara kolaborasi yang muncul seperti Ultra Accelerator Link (UALink) bertujuan untuk menciptakan koneksi terbuka dan berbandwidth tinggi antara akselerator AI di berbagai server. Sementara itu, Ultra Ethernet Consortium (UEC) sedang mendefinisikan standar jaringan generasi berikutnya yang dirancang khusus untuk AI – memungkinkan pergerakan data dengan latensi rendah dan throughput tinggi di seluruh sistem terdistribusi.
Inisiatif terbuka ini memberi operator cloud dan data center kemampuan untuk membangun infrastruktur yang fleksibel dan interoperabel yang mampu mengimbangi pertumbuhan pesat AI. Oleh karena itu, merangkul ekosistem terbuka memposisikan negara untuk mendapatkan manfaat dari inovasi global sekaligus mengembangkan diferensiasi lokal. Hal ini memungkinkan pemerintah dan bisnis untuk membangun infrastruktur yang berkinerja tinggi, hemat energi, dan disesuaikan dengan kebutuhan domestik – tanpa terikat pada batasan kepemilikan.
Di era mendatang yang ditandai oleh AI multi-agen, keterbukaan bukan hanya sebuah filosofi – melainkan prasyarat untuk skala, kedaulatan, dan kepemimpinan yang berkelanjutan.
Melihat ke depan di tahun 2026
Seiring AI berbasis agen mengubah cara segala sesuatu dilakukan, fokus harus melampaui GPU untuk mencakup CPU, interkoneksi berkecepatan tinggi, dan jaringan cerdas – semuanya sama pentingnya untuk mengatur keputusan kompleks dan real-time yang dibuat agen AI dalam skala besar. Sama pentingnya adalah ekosistem terbuka – dengan open software seperti ROCm, standar industri untuk desain skala rak, dan upaya kolaboratif seperti UALink dan UEC yang memungkinkan fleksibilitas yang lebih besar, inovasi yang lebih cepat, dan interoperabilitas dari edge ke cloud.
Inilah mengapa AMD memajukan visinya dengan “Helios” – desain referensi skala rak generasi berikutnya untuk infrastruktur AI yang akan dirilis pada tahun 2026, yang dirancang untuk menyatukan komputasi berkinerja tinggi, open software, dan arsitektur yang dapat diskalakan untuk memenuhi tuntutan AI agenik.
Lebih jauh lagi, membangun infrastruktur yang terbuka, heterogen, dan terukur seperti ini bukan hanya pilihan teknologi – ini adalah fondasi strategis untuk daya saing nasional. Seiring negara ini menghadapi peningkatan kebutuhan otomatisasi dan ambisi AI regional yang berkembang, infrastruktur AI yang siap menghadapi masa depan akan sangat penting untuk membuka pertumbuhan berkelanjutan, inovasi, dan ketahanan.
