Mengapa CPU Vera Nvidia Berpotensi Membuka Pasar $200 Miliar untuk Agentic AI

Apa Bedanya Vera dengan CPU Server Intel dan AMD

Sebagian besar pusat data saat ini menggunakan CPU server seperti Intel Xeon atau AMD EPYC, yang bersifat serbaguna dan mendukung berbagai aplikasi perusahaan.

Pendekatan Vera berbeda.

Dirancang khusus untuk sistem AI terakselerasi

Alih‑alih menjadi mesin komputasi utama yang berdiri sendiri, Vera berfungsi sebagai lapisan kontrol untuk kluster GPU.

Arsitekturnya dioptimalkan untuk memastikan GPU selalu mendapat data yang cukup, mengatur lalu lintas memori, serta menjalankan lingkungan software di sekitar model AI.

Arsitektur Arm dengan 88 core

Vera menggunakan arsitektur Arm dengan 88 core, yang menekankan efisiensi energi dan bandwidth tinggi per core—dua hal penting untuk sistem AI paralel berskala besar.

Chip server berbasis Arm semakin populer di infrastruktur hyperscale karena sering menawarkan rasio performa‑per‑watt yang lebih baik dibandingkan arsitektur tradisional.

Klaim peningkatan performa

Menurut Nvidia, Vera dapat memberikan hingga 50% performa lebih cepat dan dua kali efisiensi dibandingkan infrastruktur CPU rak tradisional dalam lingkungan AI.

Peningkatan ini sebagian besar berasal dari desain yang sejak awal dioptimalkan untuk sistem GPU Nvidia.

Platform Vera Rubin: CPU dan GPU dalam Satu Sistem

Vera tidak dirancang untuk bekerja sendiri. Chip ini merupakan bagian dari platform Vera Rubin, generasi infrastruktur AI berikutnya dari Nvidia.

Platform ini menggabungkan:

• CPU Vera
• GPU Rubin generasi baru
• jaringan berkecepatan tinggi
• arsitektur memori terintegrasi

Sistem tersebut ditujukan untuk workload AI paling berat, termasuk:

• agentic AI
• reasoning dan pemecahan masalah multi‑langkah
• inferensi dengan konteks panjang

Dengan integrasi CPU, GPU, dan jaringan secara ketat, Nvidia berusaha mengurangi bottleneck komunikasi dan meningkatkan tokens‑per‑watt saat menjalankan model AI.

Strategi Besar Nvidia: Menguasai Infrastruktur AI

Selama bertahun‑tahun Nvidia mendominasi pasar akselerator AI melalui GPU. Kini perusahaan memperluas jangkauannya ke hampir semua lapisan pusat data.

Ekosistemnya kini mencakup:

• GPU (Blackwell, Rubin)
• CPU (Grace, Vera)
• jaringan (InfiniBand dan Spectrum‑X)
• sistem rack‑scale
• platform software CUDA

Tujuannya adalah menjual platform infrastruktur AI lengkap, bukan sekadar chip terpisah.

Jika strategi ini berhasil, Nvidia bisa mengubah struktur pasar pusat data yang selama ini didominasi CPU dari Intel dan AMD.

Hyperscaler dan Era “AI Factory”

Pelanggan cloud besar—sering disebut hyperscaler—menjadi kunci dalam strategi Nvidia.

Sebagai contoh, Microsoft berencana membangun Fairwater AI superfactories yang menggunakan sistem rack‑scale berbasis platform Vera Rubin dan berpotensi men-deploy ratusan ribu chip dalam kluster besar.

Perusahaan cloud lain juga sedang menyiapkan infrastruktur skala serupa untuk memenuhi lonjakan kebutuhan komputasi AI.

Lingkungan seperti ini sering disebut AI factory, yaitu pusat data yang dioptimalkan untuk melatih dan menjalankan model AI dalam skala masif.

Momentum Finansial Nvidia

Ekspansi Nvidia ke CPU terjadi di tengah pertumbuhan bisnis yang sangat cepat.

Perusahaan melaporkan pendapatan kuartal pertama tahun fiskal 2027 sebesar $81,6 miliar, meningkat sekitar 85% dibanding tahun sebelumnya. Pendapatan dari segmen pusat data mencapai $75,2 miliar.

Nvidia juga memproyeksikan sekitar $91 miliar pendapatan pada kuartal berikutnya, menandakan permintaan yang terus meningkat terhadap infrastruktur AI.

Dalam jangka panjang, pimpinan perusahaan bahkan memperkirakan permintaan kumulatif untuk sistem Blackwell dan Vera Rubin dapat mencapai sekitar $1 triliun dalam beberapa tahun ke depan.

Mengapa Peluang CPU $200 Miliar Itu Penting

Makna terbesar dari Vera bukan sekadar CPU baru. Ini adalah upaya Nvidia untuk memperluas bisnisnya dari akselerator GPU menjadi pengendali seluruh stack komputasi AI.

Selama beberapa dekade, soket CPU server didominasi oleh Intel dan AMD. Dengan CPU yang dirancang khusus untuk sistem GPU mereka sendiri, Nvidia mencoba mengambil bagian dari komponen utama biaya infrastruktur pusat data.

Jika arsitektur ini diadopsi luas oleh hyperscaler, pusat data AI di masa depan bisa berubah menjadi sistem yang lebih terintegrasi—dengan lebih sedikit komponen umum dan lebih banyak arsitektur komputasi yang dirancang khusus untuk workload AI.

Meski demikian, angka $200 miliar tetap merupakan estimasi pasar dari Nvidia. Realisasi peluang ini akan bergantung pada beberapa faktor seperti penerimaan server berbasis Arm, kapasitas produksi, serta apakah penyedia cloud bersedia beralih dari infrastruktur x86 tradisional.

Yang jelas, di era agentic AI, CPU kembali menjadi komponen strategis dalam arsitektur pusat data AI modern.