Dominasi Nvidia sebagai penguasa tunggalak utama kecerdasan buatan (AI) kini menghadapi tantangan serius dari strategi diversifikasi yang diterapkan perusahaan-perusahaan besar. Survei VB Pulse terbaru yang melibatkan 170 responden infrastruktur AI menunjukkan pergeseran signifikan dalam prioritas pengadaan perangkat keras. Sebanyak 39,4 persen perusahaan kini lebih memilih untuk mengevaluasi akselerator non-Nvidia, seperti AWS Trainium, Google TPU, AMD Instinct, atau Intel Gaudi, dibandingkan dengan GPU generasi mendatang dari Nvidia, yakni Blackwell (GB300), yang hanya menarik minat evaluasi sebesar 25,3 persen.
Kesenjangan 14 poin persentase ini menandai fase baru dalam pengembangan infrastruktur AI di tingkat perusahaan. Meskipun Nvidia masih menjadi standar utama dalam sebagian besar lingkungan produksi saat ini, organisasi kini secara aktif membangun opsi cadangan. Mereka tidak lagi memandang Nvidia sebagai satu-satunya pilihan yang layak dipertimbangkan, melainkan sebagai salah satu komponen dalam ekosistem infrastruktur yang lebih luas dan fleksibel.
Fenomena ini berakar pada pola optimasi infrastruktur yang sudah ada sebelum perusahaan memutuskan untuk melakukan perombakan platform besar-besaran. Data menunjukkan bahwa urgensi untuk berpindah platform justru menurun. Proporsi responden yang berencana melakukan perubahan platform dalam tiga bulan ke depan turun dari 38,3 persen di bulan Juni menjadi 28,8 persen pada Juli. Hal ini terjadi meski adopsi produksi, utilisasi akselerator, serta eksplorasi teknologi awan baru (neocloud) dan infrastruktur sumber terbuka terus meningkat.
Pertumbuhan infrastruktur AI kini lebih berfokus pada intensitas penggunaan dan diversifikasi platform penyedia. Microsoft Azure mencatatkan lonjakan adopsi produksi paling signifikan, naik dari 29 persen menjadi 47,1 persen dalam satu bulan. Sementara itu, model Gemini milik Google tetap menjadi platform yang paling banyak digunakan dengan pangsa pasar mencapai 47,6 persen. Kehadiran OpenAI dan Anthropic juga mencatat pertumbuhan adopsi yang solid, mencerminkan pergeseran fokus dari sekadar memiliki perangkat keras menjadi optimalisasi beban kerja.
Efektivitas infrastruktur kini didefinisikan secara lebih operasional. Responden menempatkan uptime dan reliabilitas sebagai prioritas utama, dengan persentase yang meningkat dari 42,1 persen menjadi 51,2 persen. Selain itu, kecepatan pemrosesan (throughput) juga menjadi perhatian yang lebih besar bagi tim teknis. Perusahaan kini menetapkan standar yang lebih tinggi bagi infrastruktur mereka, menuntut hasil nyata daripada sekadar janji inovasi teknis.
Bagi industri teknologi di Indonesia, pergeseran ini memberikan sinyal penting mengenai kemandirian infrastruktur. Perusahaan rintisan dan korporasi di Indonesia yang sedang membangun kapabilitas AI tidak perlu merasa terkunci pada satu vendor saja. Dengan semakin banyaknya opsi akselerator yang kompatibel dengan standar terbuka, biaya operasional AI yang selama ini terbebani harga GPU premium bisa ditekan melalui diversifikasi platform.
Namun, tantangan di Indonesia tetap terletak pada ketersediaan pusat data (data center) lokal yang mendukung akselerator non-Nvidia dalam skala besar. Sebagian besar infrastruktur cloud di Indonesia masih sangat bergantung pada ekosistem Nvidia. Jika tren global ini berlanjut, penyedia layanan cloud lokal harus mulai mempertimbangkan untuk mengadopsi perangkat keras alternatif agar tetap relevan dengan kebutuhan pasar yang menginginkan efisiensi biaya.
Minat terhadap alternatif Nvidia ini sangat terkonsentrasi di kalangan pengambil keputusan strategis. Data menunjukkan bahwa di tingkat eksekutif (C-suite), ketertarikan untuk mengevaluasi akselerator non-Nvidia melonjak drastis hingga 57,1 persen pada Juli. Hal ini menunjukkan bahwa diversifikasi infrastruktur bukan lagi sekadar masalah teknis bagi tim engineering, melainkan keputusan bisnis strategis untuk menghindari risiko ketergantungan tunggal (vendor lock-in).
Perusahaan berukuran kecil dan menengah (UKM) menjadi kelompok yang paling agresif dalam mencari alternatif. Di segmen perusahaan dengan 101 hingga 250 karyawan, minat terhadap akselerator non-Nvidia bahkan mencapai 57,7 persen. Mereka cenderung lebih sensitif terhadap biaya per token dan efisiensi operasional, yang membuat akselerator seperti TPU Google atau chip in-house menjadi pilihan yang sangat kompetitif secara finansial.
Ke depan, pasar diperkirakan akan terus bergerak dari perencanaan infrastruktur umum menuju pengawasan yang sangat mendetail pada tingkat beban kerja. Pembeli tidak lagi hanya melihat merek, tetapi bagaimana sebuah platform berkinerja di bawah beban inferensi produksi, seberapa andal ia beroperasi, dan berapa biaya yang harus dikeluarkan untuk setiap unit kerja yang dihasilkan. Tren ini akan memaksa pemain besar seperti Nvidia untuk tidak hanya mengandalkan keunggulan teknis, tetapi juga harus mampu menawarkan nilai ekonomi yang lebih kompetitif dalam jangka panjang.