Di tengah hiruk-pikuk investasi data center raksasa untuk melatih model AI besar, STMicroelectronics dan National University of Singapore memilih fokus pada sisi lain: bagaimana menjalankan kecerdasan buatan langsung di perangkat, secara hemat energi, tanpa selalu bergantung pada cloud.
Apa yang Terjadi
STMicroelectronics dan National University of Singapore (NUS) resmi meluncurkan laboratorium riset kolaboratif berdurasi empat tahun yang berfokus pada pengembangan semikonduktor hemat energi untuk kebutuhan AI edge. Kolaborasi ini menggabungkan keahlian STMicroelectronics dalam desain dan manufaktur chip dengan riset akademik NUS di bidang komputasi, elektronika, dan sistem AI, dengan tujuan mengembangkan teknologi yang memungkinkan beban kerja AI dijalankan langsung di perangkat alih-alih selalu dikirim ke data center cloud berskala besar.
Konteks dan Latar Belakang
AI edge menjadi semakin penting seiring model AI mulai merambah ke dalam mobil, robot, peralatan industri, kamera, perangkat wearable, dan elektronik konsumen. Memproses informasi secara lokal di perangkat dapat mengurangi latensi, menekan biaya komputasi cloud, dan menjaga data sensitif tetap berada di perangkat pengguna — namun hal ini membutuhkan prosesor yang mampu menjalankan inferensi AI yang makin canggih dalam batasan konsumsi daya yang ketat. Proyek ini juga mencerminkan upaya lebih luas Singapura untuk memperkuat posisinya dalam riset semikonduktor lanjutan, di tengah persaingan antarnegara Asia memperebutkan peran bernilai tinggi dalam rantai pasok chip global.
Kenapa Ini Penting
Fase berikutnya dari AI kemungkinan besar akan semakin banyak terjadi di luar data center raksasa, menjadikan prosesor edge yang efisien sebagai medan pertempuran krusial untuk chip yang menggerakkan robot, kendaraan, dan perangkat terhubung lainnya. Bagi STMicroelectronics, kemajuan dalam pemrosesan AI berdaya rendah dapat memperkuat posisinya di pasar otomotif, industri, dan sistem tertanam (embedded) — segmen di mana GPU data center bergaya Nvidia sering kali kurang praktis digunakan.
Dampak ke Industri dan Konsumen
Bagi konsumen, hasil riset ini berpotensi mempercepat kehadiran perangkat pintar yang bisa menjalankan fitur AI canggih secara lokal, dengan respons lebih cepat dan privasi data yang lebih terjaga karena informasi tidak perlu selalu dikirim ke server jarak jauh. Bagi industri otomotif dan robotika, chip edge yang lebih hemat energi berarti daya tahan baterai lebih baik dan biaya operasional yang lebih rendah untuk sistem AI yang berjalan terus-menerus di lapangan.
Kesimpulan
Laboratorium riset STMicroelectronics dan NUS ini menjadi pengingat bahwa masa depan AI tidak hanya ditentukan oleh seberapa besar model yang bisa dilatih di data center, tetapi juga oleh seberapa efisien kecerdasan itu bisa dijalankan langsung di perangkat yang digunakan orang setiap hari.
Sumber & Referensi
- TechNode Global, liputan peluncuran lab riset AI edge STMicroelectronics dan NUS, dikutip melalui TechStartups, techstartups.com