Evolusi Silikon: Di Luar Batas Hukum Moore
Platform Vera Rubin yang diperkenalkan pada GTC 2026 bukan sekadar iterasi dari arsitektur Blackwell. Ini adalah desain ulang sistem secara menyeluruh (rack-scale) yang dirancang untuk mengatasi hambatan latensi dalam inferensi agen AI. Sebagai jantung dari platform ini, GPU Rubin R100 diproduksi dengan proses N3P 3nm dari TSMC, membawa kepadatan 336 miliar transistor—peningkatan 1,6x lipat dari pendahulunya.
Revolusi Memori dan Bandwidth
Ekonomi inferensi AI modern tidak lagi hanya bergantung pada kecepatan kalkulasi mentah, melainkan pada seberapa cepat data dapat berpindah. NVIDIA menjawab tantangan ini dengan mengintegrasikan memori HBM4 berkapasitas 288 GB per GPU. Hasilnya adalah bandwidth memori sebesar 22 TB/s, sebuah lompatan 175% dibandingkan Blackwell. Dalam arsitektur Mixture-of-Experts (MoE), kemampuan memindahkan bobot jaringan saraf lintas saluran dalam mikrodetik adalah pembeda utama antara performa unggul dan bottleneck sistem.
Tantangan Termodinamika: 2,3 kW per Modul
Lonjakan kinerja ini menuntut harga yang mahal secara fisik. Spesifikasi Thermal Design Power (TDP) untuk satu modul GPU Rubin dilaporkan mencapai 2,3 kW. Angka ini merupakan peningkatan signifikan dari target awal 1,8 kW. Langkah ini menunjukkan bahwa NVIDIA memilih untuk menaikkan ambang daya guna menjaga boost clocks tetap stabil, mencegah thermal throttling yang bisa merusak efisiensi saat menjalankan beban kerja inferensi berat. Keputusan ini juga menjadi benteng defensif NVIDIA untuk menjaga jarak kinerja dari akselerator pesaing yang mencoba mengejar dengan pendekatan brute force.