Muda muda tidak tahu bahwa Su Ma baik, salah menganggap sampah sebagai harta.

Saat DEEPSEEK muncul, AI di pasar saham AS jatuh besar-besaran, AMD bahkan turun ke 80, hanya dalam beberapa bulan sudah mencapai 300, sungguh membuat orang takjub.
Tapi tidak ada cara lain, ketinggalan semuanya karena tidak mengerti, tidak mengerti ya belajar, ya latihan saja.
Dalam hal kekuatan komputasi AI, tiga tahun terakhir sebagian besar digunakan untuk "pelatihan"—OpenAI melatih GPT-4, Anthropic melatih Claude, Google melatih Gemini, semuanya adalah pelatihan.
Karakteristik pelatihan adalah sekali jalan, terpusat, dan puncaknya tinggi.
Tapi setiap kali menggunakan ChatGPT untuk bertanya satu pertanyaan, setiap kali menggunakan Claude untuk menulis satu kode, setiap kali menggunakan Midjourney untuk menghasilkan satu gambar—yang kamu konsumsi bukanlah kekuatan komputasi pelatihan, melainkan kekuatan komputasi inferensi.
Karakteristik inferensi adalah berkelanjutan, tersebar, dan berkepanjangan.
Setelah satu pelatihan selesai, model ini langsung online. Setelah online, ia merespons permintaan dari ratusan juta pengguna setiap hari selama 24 jam. Setelah tiga bulan, konsumsi kekuatan komputasi pelatihan yang dulu terlihat di neraca sudah tidak terlihat lagi—semuanya adalah inferensi.
Skala perubahan ini, biar saya jelaskan dengan sebuah perbandingan.
Pengeluaran kekuatan komputasi AI tahun 2023 sekitar 20% untuk inferensi, tahun 2024 rasio ini naik ke 50%, dan pada 2026 sudah di atas 55%, bahkan terus meningkat.
Beberapa prediksi yang lebih agresif menyebutkan bahwa pada 2030, inferensi akan menyumbang 70-80%. Perlu dicatat ini bukan karena kebutuhan pelatihan menyusut—pengeluaran absolut untuk pelatihan masih meningkat, tetapi inferensi meningkat jauh lebih cepat.
Di puncak lereng besar inferensi ini, yang benar-benar memegang kendali adalah NVIDIA. Pendapatan pusat data NVIDIA untuk tahun fiskal 2026 (hingga Januari 2026) mencapai 194 miliar dolar, dua tahun lalu angka ini kurang dari 50 miliar. Pertumbuhan ini belum pernah terjadi dalam sejarah semikonduktor. Ekosistem CUDA dengan lima juta pengembang, dua puluh tahun akumulasi, pelatihan dan inferensi berjalan bersamaan—ini adalah monopoli sejati.
NVIDIA sebagai penguasa utama, AMD sebagai penguasa kedua, dan ketiga adalah Google TPU, Amazon Trainium, Meta MTIA, serta ASIC buatan sendiri—struktur meja permainan saat ini seperti ini.
Di meja permainan ini, posisi AMD apa? Sebagai kursi kedua. Kursi ini sangat penting—tanpa kursi kedua, kursi pertama tidak punya tekanan tawar-menawar. Tapi kursi kedua bukan kursi pertama.
Jadi, masalah sebenarnya terbagi menjadi dua sub-masalah:
Pertama, akankah AMD sebagai kursi kedua ini bisa bertahan selama sepuluh tahun?
Kedua, berapa nilai kursi ini jika bertahan?
Selain itu, AMD juga memiliki sudut pandang yang sangat diremehkan: Kisah nyata di balik 170.000 dolar MI300X dari Meta.
《Laporan Penelitian AMD: Melihat 10 Tahun ke Belakang, Apakah 300 Dolar Mahal?》