GPU, Chip, Model, Compute: Kata-Kata Hardware di Balik Hype AI

Kamu sedang membaca artikel tentang sistem AI baru, dan dalam tiga kalimat saja penulisnya sudah menyebut chip, GPU, model, dan "compute" seolah-olah itu sesuatu yang bisa kamu tuang ke dalam cangkir. Kamu mengangguk-angguk, tapi di sudut pikiranmu ada suara kecil yang bertanya: tunggu, mana yang sebenarnya otaknya, dan mana yang cuma kotak tempat ia tinggal?

Kebingungan itu sepenuhnya normal. Kata-kata ini selalu muncul bersama, terdengar teknis, dan banyak materi pemasaran sengaja memakainya secara longgar. Kabar baiknya, begitu kamu memisahkan hardware dari software, seluruh kosakata ini langsung jatuh ke tempatnya.

Jawaban Singkat

chip adalah sepotong kecil hardware; GPU adalah jenis chip tertentu yang jago melakukan banyak perhitungan kecil sekaligus. compute adalah kata santai untuk daya pemrosesan mentah atau sumber daya. model sama sekali bukan hardware — ia adalah sistem software terlatih yang berjalan di atas chip-chip itu. Chip yang mengerjakan tugasnya; model adalah hal yang dijalankan.

Kata-Kata Penting

• Chip — Sepotong kecil hardware, disebut juga sirkuit terpadu, yang menampung komponen elektronik. Ia adalah objek fisik. "Processor" dan "chip" tumpang tindih, tapi "processor" menekankan bagian yang melakukan perhitungan, sedangkan "chip" adalah unit fisiknya secara umum.
• Processor — Komponen yang menjalankan instruksi. Sebuah CPU (central processing unit) adalah processor serbaguna di kebanyakan perangkat. Ia jago menangani satu tugas rumit dalam satu waktu, secara berurutan.
• GPU — Graphics processing unit. Awalnya dibuat untuk menggambar gambar di layar, tapi ternyata GPU sangat hebat menjalankan banyak perhitungan sederhana secara paralel, yang justru dibutuhkan sistem AI. Itulah kenapa GPU menjadi bintang hardware AI.
• Compute — Dipakai di sini sebagai kata benda, berarti daya pemrosesan atau sumber daya yang dibutuhkan untuk menjalankan suatu tugas. "This needs a lot of compute" berarti "ini butuh banyak kapasitas pemrosesan." Ini singkatan, bukan satuan teknis yang presisi.
• Model — Sistem software terlatih yang menerima input dan menghasilkan output. Ia adalah software. Model dibentuk oleh data; ia tidak ada dalam wujud chip yang bisa kamu pegang.
• Training — Proses membangun model dengan memberinya data agar ia menyesuaikan pengaturan internalnya.
• Inference — Proses memakai model yang sudah terlatih untuk menghasilkan jawaban.
• Accelerator — Kata umum untuk chip yang dirancang mempercepat jenis pekerjaan tertentu. GPU adalah salah satu jenis accelerator. Kamu juga akan menemui accelerator lain yang dibuat khusus untuk tugas AI. Kata ini memberitahumu bahwa chip itu punya tugas yang terfokus, bukan bahwa ia misterius.
• Cluster — Sekelompok chip yang banyak, disambung jadi satu agar bertindak sebagai satu sumber daya besar. Saat orang bilang sebuah model dilatih "on a cluster", maksudnya seluruh ruangan berisi hardware terhubung yang mengerjakannya, bukan satu chip saja.

Jebakan yang Umum

Jebakan terbesar adalah menganggap chip sebagai "si AI". Orang bilang "chip ini adalah AI" atau "mereka menanamkan AI ke dalam chip." Chip adalah hardware. Perilaku AI berasal dari model, yaitu software yang berjalan di atas hardware itu. Chip memungkinkan AI; ia bukan AI itu sendiri.

Jebakan kedua adalah mencampuradukkan GPU dan chip seolah keduanya kategori berbeda. GPU adalah chip — chip yang terspesialisasi. Bertanya "sebaiknya pakai chip atau GPU?" itu mirip bertanya "aku bawa kendaraan atau sepeda?" Sepeda kan juga kendaraan. Pertanyaan yang lebih jelas adalah "CPU atau GPU?"

Ketiga, "compute" sebagai sesuatu yang bisa dihitung. Kamu akan menemui "we need more compute." Ini wajar sebagai pemakaian santai, tapi perhatikan ia tak terhitung di sini. Kamu tidak akan bilang "three computes." Perlakukan seperti "daya pemrosesan lebih banyak."

Keempat, mengacaukan training dan inference. Training membangun model dan itu mahal serta lambat. Inference menjalankan model yang sudah jadi dan relatif cepat. Saat artikel bilang sebuah sistem "belajar" sesuatu yang baru, itu training. Saat ia menjawab pertanyaanmu, itu inference. Memakai keduanya secara bergantian membuat deskripsimu jadi kabur.

Kelima, mengira chip yang lebih cepat otomatis berarti model yang lebih pintar. Hardware yang lebih baik membuat model berjalan lebih cepat atau memungkinkan model yang lebih besar ada, tapi chip tidak membuat model jadi lebih bijak. Perilaku yang mirip kecerdasan datang dari cara model dilatih, bukan dari kecepatan clock.

Jebakan keenam adalah mengacaukan "model" dengan "app". App yang kamu ketuk adalah pembungkus ramah; model adalah mesin yang berdengung di bawahnya, sering berjalan di chip jauh yang tak pernah kamu lihat. Saat sebuah judul bilang perusahaan "merilis model baru", ia bicara soal mesin itu, bahkan kalau tak ada app baru yang muncul di layarmu. Memisahkan mesin dari dasbor di kepalamu membuat berita lebih mudah dicerna.

Jebakan ketujuh yang layak disebut adalah frasa santai "runs on the cloud". Itu bukan berarti pekerjaan melayang di udara; artinya itu terjadi di chip milik orang lain di pusat data, lalu hasilnya dikirim balik kepadamu. "The cloud" cuma hardware orang lain, yang diakses lewat jaringan. Bilang sebuah model "lives in the cloud" sebenarnya berarti ia tinggal di chip di suatu tempat lain.

Contoh Natural vs Janggal

Janggal: Their new chip can write essays and answer questions.

Natural: Their new model can write essays and answer questions; it runs on their latest chips.

Janggal: We should switch from a chip to a GPU for this.

Natural: We should switch from a CPU to a GPU for this, since the task runs in parallel.

Kurang natural: The AI is trained every time you ask it something.

Lebih baik: The model was trained once; each question you ask is just inference.

Kurang natural: This will require many computes.

Lebih baik: This will require a lot of compute.

Kurang natural: The cloud thinks about your question and replies.

Lebih baik: The model runs on chips in a data center and sends the reply back.

Perhatikan bagaimana versi yang natural memisahkan hardware (chip, GPU) dari software (model), dan memperlakukan "compute" sebagai sumber daya yang tak terhitung. Disiplin yang sama berlaku untuk "the cloud": sebutkan hardware yang melakukan pekerjaan ketimbang membiarkan kata yang kabur berdiri menggantikannya.

Tabel Ringkas

Latihan Singkat

Coba tulis ulang atau jawab tiap soal. Jawaban menyusul di bawah.

1. Isi titik-titik: "The ______ runs on thousands of GPUs." (kata hardware atau software?)
2. Benar atau salah: GPU dan chip adalah dua kategori yang sepenuhnya berbeda.
3. Tulis ulang agar natural: "We bought more computes for the project."
4. Kata mana yang pas: "Answering your question is an example of ______ (training / inference)."
5. Temukan kesalahannya: "Their faster chip made the AI much smarter."

Jawaban: (1) model — ia adalah software yang berjalan di atas hardware. (2) Salah — GPU adalah salah satu jenis chip. (3) "We bought more compute for the project." (4) inference. (5) Chip yang lebih cepat bisa membuat model berjalan lebih cepat atau memungkinkan model yang lebih besar, tapi tidak langsung membuat model jadi lebih pintar; kalimatnya melebih-lebihkan peran chip.

Intinya

Cara tercepat agar terdengar jelas soal hardware AI adalah memegang teguh satu kalimat: chip dan GPU adalah benda fisik, dan model adalah software terlatih yang berjalan di atasnya, sementara "compute" cuma singkatan untuk daya pemrosesan. Begitu kamu memegang garis itu, materi pemasaran berhenti jadi kabut. Kamu akan menangkap momen ketika seseorang menyebut chip sebagai "si AI", dan kamu tahu harus menukar kata yang tepat dalam pikiranmu. Semua ini tidak butuh gelar teknik — cukup menjaga hardware dan software di jalurnya masing-masing, dan memperlakukan "compute" sebagai sumber daya, bukan gawai.