Di tengah upaya mendesak untuk menemukan kembali produktivitas, munculnya AI yang berorientasi pada agen (agentic AI) menjanjikan percepatan transformasi digital. Namun, revolusi ini menuntut perhatian serius terhadap infrastruktur komputasi yang siap mendukung skala dan kompleksitas barunya.
AI agentik menandai pergeseran fundamental. Berbeda dengan model AI tradisional yang bersifat pasif, AI agentik mampu bernalar, merencanakan, dan mengambil tindakan di berbagai sistem secara proaktif. Misalnya, sistem ini tidak hanya memberikan rekomendasi perjalanan, tetapi secara mandiri akan memesan penerbangan, memperbarui kalender, dan menyesuaikan rencana perjalanan tanpa intervensi manusia di setiap langkah.
Pergeseran ke sistem proaktif dan kolaboratif ini berarti dunia secara efektif akan menambahkan miliaran pengguna virtual ke dalam infrastruktur komputasi, yang menuntut daya komputasi jauh lebih besar untuk alur kerja yang melibatkan adaptasi dan perencanaan berkelanjutan.
Kesiapan infrastruktur menjadi pertanyaan krusial. Dalam era AI berbasis agen, desain sistem heterogen sangatlah penting. Infrastruktur AI tidak bisa lagi sekadar mengandalkan komputasi mentah, melainkan harus mengintegrasikan CPU, GPU, jaringan, dan memori secara fleksibel dan terukur.
Alexey Navolokin, General Manager, APAC, AMD, menekankan bahwa sistem yang dibangun dengan cara ini akan memberikan kecepatan, koordinasi, dan throughput yang dibutuhkan untuk mendukung interaksi real-time yang cepat dari miliaran agen cerdas. Seiring dengan peningkatan adopsi, optimasi tingkat rak, di mana komputasi, penyimpanan, dan jaringan dirancang bersama secara erat, akan menjadi kunci untuk gelombang kinerja dan efisiensi berikutnya.
Meskipun Graphics Processing Units (GPU) sering menjadi fokus utama, terutama untuk melatih model skala besar, Central Processing Units (CPU) sama pentingnya dalam mendukung sistem AI di balik layar. CPU menangani tugas-tugas kritis seperti perpindahan data, manajemen memori, koordinasi thread, dan mengatur beban kerja GPU.
Bahkan, banyak beban kerja AI—termasuk model bahasa hingga 13 miliar parameter, pengenalan gambar, dan sistem rekomendasi—dapat berjalan secara efisien pada server yang hanya menggunakan CPU, khususnya dengan prosesor berkinerja tinggi seperti AMD EPYC 9005 Series. Konektivitas juga disebut sebagai "perekat" yang menyatukan sistem AI modern.
Komponen jaringan canggih, seperti network interface controllers (NIC) cerdas, dan interkoneksi berkecepatan tinggi membantu memastikan aliran data yang lancar dan mengurangi latensi di seluruh sistem terdistribusi.
Seiring sistem AI menjadi semakin kompleks, kebutuhan akan keterbukaan—dalam software, hardware, dan desain sistem—dianggap sebagai keharusan strategis. Ekosistem tertutup berisiko menyebabkan ketergantungan pada vendor tertentu, membatasi fleksibilitas, dan menghambat inovasi.
Untuk mengatasi hal ini, tumpukan open software seperti AMD ROCmTM, yang mendukung kerangka kerja populer seperti PyTorch dan TensorFlow, sangat penting karena memberikan kebebasan kepada pengembang untuk membangun dan menerapkan model AI di berbagai lingkungan.
Keterbukaan juga vital di tingkat hardware dan sistem, didukung oleh standar terbuka seperti Open Compute Project (OCP) dan inisiatif kolaboratif seperti Ultra Accelerator Link (UALink) serta Ultra Ethernet Consortium (UEC), yang mendefinisikan standar jaringan generasi berikutnya yang dirancang khusus untuk AI. Inisiatif-inisiatif terbuka ini memungkinkan operator cloud dan pusat data membangun infrastruktur yang fleksibel dan interoperabel.
Membangun infrastruktur yang terbuka, heterogen, dan terukur bukan hanya pilihan teknologi, tetapi fondasi strategis untuk daya saing nasional. Dalam era AI multi-agen, keterbukaan adalah prasyarat untuk skala, kedaulatan, dan kepemimpinan yang berkelanjutan. AMD sendiri telah memajukan visinya dengan “Helios”—desain referensi skala rak generasi berikutnya untuk infrastruktur AI yang direncanakan rilis pada tahun 2026.
Cek Berita dan Artikel yang lain di
Google News
(MMI)
