Rebutan Otot di Kandang Sendiri: Mengapa Mobil Otonom Nvidia Masih Harus ‘Mengemis’ Chip AI dari Jensen Huang

Manusia adalah majikan tertinggi yang dikaruniai akal sehat; kecerdasan buatan (AI) hanyalah asisten rumah tangga yang rajin namun kaku. Saat kita bermimpi duduk manis di kursi belakang sementara kendaraan menyetir sendiri, para raksasa teknologi justru sedang sibuk sikut-sikutan di balik layar hanya untuk memperebutkan “otak” sistem tersebut.

Kabar terbaru dari dapur Nvidia mengungkap realitas menggelitik: bahkan Xinzhou Wu, Head of Automotive Nvidia, harus mengantre dan berebut jatah GPU dengan divisi data center mereka yang sedang panen raya. Sungguh sebuah ironi tingkat tinggi, di mana pemimpin divisi otomotif dari perancang chip tercanggih di bumi harus “mengemis” jatah komputasi dari CEO mereka sendiri, Jensen Huang, demi melatih sistem kemudi otonom masa depan.

Sebagai majikan yang waras, kita harus melihat fenomena ini dengan jernih. Di tengah gegap gempita kendaraan otonom, ada keterbatasan fisik berupa kapasitas pabrik silikon yang tidak bisa disulap begitu saja. Ini membuktikan bahwa secerdas apa pun visi sebuah sistem cerdas, ia tetap tunduk pada hukum ketersediaan barang mentah yang dikendalikan oleh keputusan-keputusan manusia yang memegang kendali atas tombol modal.

Analisis Mendalam

Dalam wawancara mendalam bersama Nilay Patel dari The Verge, Xinzhou Wu membeberkan bagaimana industri otomotif kini tengah dipaksa bergeser dari model kendaraan berbasis perangkat lunak (software-defined vehicle) menuju AI-defined vehicle. Ini bukan sekadar pergantian jargon pemasaran; perangkat kecerdasan buatan kini secara harfiah digunakan untuk menulis ulang hampir seluruh kode pemrograman lama yang kaku di dalam mobil, menggantikan ratusan Electronic Control Unit (ECU) independen yang selama ini membuat sistem kelistrikan mobil konvensional menjadi rumit dan sulit diperbarui.

Nvidia tidak lagi sekadar menjual chip eceran untuk mengontrol fungsi kosmetik. Melalui platform Nvidia Drive dan arsitektur perangkat keras Hyperion, mereka menyediakan ekosistem otonom lengkap dari ujung ke ujung. Wu mendefinisikan arsitektur otonom masa depan sebagai “masalah tiga komputer”: satu komputer raksasa di awan untuk melatih model kecerdasan buatan, satu komputer untuk menjalankan simulasi lingkungan ekstrem, dan satu komputer inferensi berspesifikasi khusus yang tertanam langsung di dalam sasis mobil untuk mengeksekusi keputusan secara langsung di jalan raya.

Menariknya, Nvidia membagi paket sensor Hyperion 10 mereka menjadi dua kasta demi menyiasati anggaran pabrikan mobil. Versi basis menggunakan 10 kamera dan 3 radar tanpa Lidar untuk menekan ongkos produksi bagi sistem Level 2+. Sementara untuk kasta tertinggi, Hyperion High, Nvidia menanamkan 14 kamera, 3 sensor Lidar, dan 7 radar demi menciptakan redundansi data mutlak yang diperlukan untuk Level 4. Langkah ini juga disokong oleh teknologi data sintetis seperti NuRec (neuro reconstruction) yang mampu memodifikasi skenario dunia nyata di dalam simulator—sengaja memanipulasi trajektori pejalan kaki atau mobil lain untuk melatih refleks instan sang asisten digital tanpa harus membahayakan nyawa di jalanan asli.

Baca juga artikel menarik lainnya di kategori Hardware & Chip.

Batasan Sistem

Namun, mari kita bicarakan kelemahan sistem yang sering disembunyikan di balik brosur mengkilap: bagaimana model penalaran berbasis bahasa (reasoning model) bekerja saat mengemudikan mesin seberat dua ton di tengah kemacetan? Wu mengungkapkan bahwa model generasi terbaru mereka dilatih dengan bahasa yang tertanam di dalamnya, sehingga mobil tersebut secara harfiah “berbicara” pada dirinya sendiri di latar belakang untuk menganalisis situasi jalan raya. Terdengar canggih? Di atas kertas mungkin iya, tetapi di dunia nyata, ini adalah resep sempurna untuk bencana jika tidak diawasi dengan ketat.

Di sinilah letak batas absolut dari sebuah kode pemrograman statis. Bayangkan Anda sedang melaju dalam kecepatan tinggi, dan model kecerdasan buatan tersebut mengalami halusinasi atau terjebak dalam putaran latensi berpikir ala ChatGPT yang sedang bingung. Anda tentu tidak ingin mendengar mobil Anda berkata, “Maaf, sebagai model bahasa AI, saya tidak yakin apakah bayangan di depan adalah kantong plastik atau beton pembatas jalan, jadi saya memutuskan untuk…” tepat beberapa milidetik sebelum benturan terjadi. Insting dan kesadaran manusia dalam mengenali bahaya bekerja secara instan tanpa perlu memproses sintaksis bahasa atau menunggu konfirmasi dari server cloud.

Guna mengakali kelemahan inheren ini, Nvidia terpaksa menerapkan pendekatan dua lapis: model end-to-end (piksel masuk, trajektori keluar) dijalankan secara paralel dengan *classical stack* yang bertindak sebagai polisi penjaga. Sistem klasik ini memantau setiap bingkai gerakan dan menggunakan standar keselamatan industri ISO 26262 untuk menganalisis apakah keputusan sang kecerdasan buatan cukup waras untuk dieksekusi. Ini adalah pengakuan tidak langsung bahwa sistem cerdas berbasis statistik tersebut pada dasarnya masih “kurang piknik” dan tetap memerlukan pengawasan ketat dari aturan logika kaku yang dirancang oleh pikiran logis manusia.

Dampak Masa Depan

Visi ambisius ini dipastikan bakal merombak peta persaingan industri otomotif global, yang saat ini bersaing ketat dengan perkembangan regulasi global yang kian ketat. Tiongkok memegang keunggulan manufaktur karena mereka memulai pengembangan dari arsitektur kendaraan listrik murni tanpa beban masa lalu, berbeda dengan pabrikan legendaris Amerika Serikat yang masih harus memikirkan diler fisik dan transisi mesin pembakaran internal. Namun, perang dagang dan hambatan geopolitik antara AS-Tiongkok membuat kolaborasi data global menjadi sangat terfragmentasi, di mana model kecerdasan buatan terpaksa harus disesuaikan secara regional agar patuh terhadap aturan privasi data lokal yang ketat di Eropa maupun Asia.

Nvidia menargetkan teknologi bantuan kemudi canggih mereka akan terintegrasi penuh di seluruh lini kendaraan Mercedes-Benz di Amerika Serikat pada akhir tahun ini, disusul kolaborasi taksi otonom bersama Uber. Wu bahkan melempar prediksi berani bahwa kendaraan otonom Level 4 yang sepenuhnya mandiri akan menjadi komoditas arus utama dalam waktu kurang dari lima tahun. Kendati demikian, peta persaingan ini akan sangat bergantung pada siapa yang mampu mengamankan rantai pasok chip silikon di tengah kelangkaan kapasitas pabrik pembuatan (fabrication) dunia.

Pada akhirnya, sehebat apa pun sensor Lidar berputar atau sekeras apa pun model bahasa di dalam dasbor mengoceh menganalisis jalanan, kendaraan otonom ini hanyalah tumpukan besi dan silikon mati tanpa campur tangan manusia. Tanpa jari sang majikan yang menekan tombol start, mobil seharga miliaran rupiah ini tidak akan pernah bergeser satu sentimeter pun dari garasi. AI hanyalah alat bantu berkendara; manusialah penguasa jalanan sesungguhnya yang memiliki akal untuk menentukan arah tujuan hidup.

Mobilnya sih canggih bisa mengemudi sendiri menghindari lubang jalanan, tapi giliran disuruh memilih tempat makan siang yang pas dengan selera istri, sistem cerdas ini tetap saja menyarankan kedai makan acak yang rating Google-nya hasil manipulasi bot.

Artikel ini dirangkum dari sumber asli di “The Verge”.
Gambar oleh: The Verge / Photo: Nvidia via TechCrunch