Krisis RAM AI: Mengapa Google TurboQuant Bukan Solusinya?

• Google TurboQuant merupakan algoritma kompresi baru yang bertujuan mengoptimalkan penggunaan memori pada model AI.
• Analis memperingatkan bahwa efisiensi perangkat lunak justru berpotensi meningkatkan permintaan total terhadap perangkat keras RAM.
• Persaingan performa antar penyedia Large Language Model (LLM) membuat penghematan kapasitas memori menjadi sulit tercapai.

---

Google baru saja memperkenalkan TurboQuant sebagai terobosan algoritma kompresi untuk mengoptimalkan penggunaan memori pada kecerdasan buatan. Namun, para analis industri memperingatkan bahwa inovasi ini bukan penyelamat instan bagi krisis RAM AI yang saat ini sedang melanda. Meskipun menjanjikan efisiensi tinggi, pakar melihat adanya tren di mana peningkatan performa justru akan melahap lebih banyak sumber daya pusat data di masa depan.

Paradoks Efisiensi Google TurboQuant dalam Krisis RAM AI

Analis dari Samsung Securities, Lee Jong-wook, memberikan pandangan kritis terhadap klaim efisiensi Google tersebut. Ia mencatat bahwa model AI yang lebih efisien cenderung menurunkan biaya operasional secara keseluruhan. Penurunan biaya ini justru akan memicu lonjakan permintaan terhadap komputasi AI yang jauh lebih besar dari sebelumnya.

Oleh karena itu, optimasi model seperti TurboQuant tidak akan serta-merta mengurangi permintaan semikonduktor di pasar global. Sebaliknya, perusahaan teknologi akan menggunakan sumber daya chip yang sama untuk memberikan layanan AI dengan performa yang lebih tinggi. Strategi ini membuat konsumsi memori di pusat data tetap berada pada level yang sangat tinggi.

Performa LLM Lebih Diutamakan Daripada Penghematan

Industri saat ini sedang berada dalam fase persaingan performa yang sangat sengit antar pengembang Large Language Model (LLM). Selama perusahaan AI masih memprioritaskan kualitas output daripada biaya, teknologi optimasi tidak akan menekan angka konsumsi memori secara signifikan. Hal ini semakin memperburuk proyeksi ketersediaan komponen RAM untuk segmen konsumen dan korporat.

Analis Hana Securities, Kim Rok-ho, menambahkan bahwa teknologi kompresi memori sebenarnya bukanlah sesuatu yang benar-benar baru. Ia meragukan apakah adopsi TurboQuant akan berdampak luas secara instan pada industri. Jika teknologi ini diterapkan secara masif, hambatan biaya memori memang akan turun, namun hal itu justru akan memperluas penggunaan AI secara global.

Dampak Jangka Panjang pada Pasar Memori

Fenomena ini menciptakan lingkaran setan di mana efisiensi perangkat lunak justru mendorong kebutuhan infrastruktur yang lebih masif. Ketika akses terhadap AI menjadi lebih mudah dan murah, jumlah pengguna akan meningkat drastis. Hal ini memaksa penyedia layanan untuk terus menambah kapasitas memori di pusat data mereka guna menjaga stabilitas layanan.

Laporan dari TrendForce sempat memberikan harapan tipis mengenai penurunan harga RAM DDR5 di wilayah Amerika Serikat dan Eropa. Namun, banyak pihak menilai penurunan tersebut hanyalah bersifat sementara dan tidak akan mengakhiri krisis RAM AI secara permanen. Pengguna PC tampaknya harus tetap bersiap menghadapi fluktuasi harga dan keterbatasan stok memori dalam jangka waktu yang lebih lama.