Huawei Atlas 350 vs Nvidia H20: Perang Teknologi AI AS-China Memanas
- ilustrasi
Perang teknologi antara Amerika Serikat dan Tiongkok kembali memanas. Kali ini, sorotan tertuju pada langkah berani Huawei yang meluncurkan akselerator AI terbaru bernama Atlas 350. Produk ini digadang-gadang menjadi penantang serius bagi dominasi Nvidia di pasar kecerdasan buatan global.
Peluncuran Atlas 350 bukan sekadar inovasi biasa. Di tengah pembatasan teknologi yang diberlakukan oleh Amerika Serikat, Huawei justru memperlihatkan kemampuan untuk tetap berkembang, bahkan menghadirkan solusi alternatif yang kompetitif. Menariknya, pendekatan yang diambil Huawei kali ini berbeda dari tren sebelumnya.
Fokus Baru: Inferensi AI Jadi Prioritas
Jika sebelumnya banyak perusahaan berlomba mengembangkan chip untuk pelatihan AI, kini Huawei mengambil arah berbeda. Atlas 350 dirancang khusus untuk kebutuhan inferensi AI, yaitu tahap di mana model yang sudah dilatih digunakan dalam aplikasi nyata.
Dengan kata lain, alih-alih membangun model AI dari nol, perangkat ini difokuskan untuk menjalankan sistem AI secara efisien di dunia nyata. Misalnya, dalam sistem rekomendasi, chatbot berbasis model bahasa besar, hingga aplikasi multimodal yang semakin populer.
Perubahan fokus ini bukan tanpa alasan. Seiring meningkatnya adopsi AI di berbagai sektor, kebutuhan terhadap inferensi justru menjadi lebih besar. Banyak perusahaan kini lebih membutuhkan sistem yang cepat, responsif, dan hemat biaya untuk menjalankan AI, dibandingkan sekadar melatih model baru.
Performa Tinggi untuk Kebutuhan Nyata
Di balik Atlas 350, terdapat chip andalan Huawei, yaitu Ascend 950PR. Chip ini diklaim mampu menghasilkan daya komputasi hingga sekitar 1,56 petaflops menggunakan presisi FP4. Angka ini menunjukkan kemampuan pemrosesan yang sangat tinggi, terutama untuk tugas inferensi.
Yang lebih menarik, Huawei mengklaim bahwa performa Atlas 350 bisa mencapai hingga 2,8 kali lipat dibandingkan chip H20 milik Nvidia dalam skenario tertentu. Klaim ini tentu menjadi perhatian besar di industri, mengingat Nvidia selama ini dikenal sebagai pemimpin dalam teknologi GPU dan akselerator AI.
Penggunaan presisi FP4 juga menjadi strategi penting. Dengan presisi yang lebih rendah, pemrosesan data bisa dilakukan lebih cepat dan penggunaan memori menjadi lebih efisien. Meski demikian, untuk kebutuhan inferensi, pendekatan ini dinilai sudah cukup tanpa mengorbankan kualitas hasil secara signifikan.
