Strategi Huawei Melawan Batas Chip: Mengejar Kecepatan Sinyal, Bukan Sekadar Transistor yang Makin Kecil

Jika hasilnya baik, chip itu dapat menunjukkan bahwa arsitektur, integrasi, dan optimasi sistem mampu mempersempit kesenjangan kinerja meski Huawei menghadapi keterbatasan dalam manufaktur leading-edge. Namun, hasil tersebut tidak serta-merta membuktikan bahwa Huawei telah menggantikan EUV atau membuat perlombaan miniaturisasi transistor tidak lagi relevan.

“Pagoda 18 lantai” versus “kue lima lapis”

Perbedaan cara pandang Huawei terlihat jelas dalam metafora yang digunakan Liao Heng, kepala ilmuwan semikonduktor Huawei. Ia menggambarkan rantai nilai AI sebagai pagoda 18 lantai.

Sebagai perbandingan, CEO Nvidia Jensen Huang menggunakan model kue lima lapis yang terdiri atas:

1. energi;
2. chip;
3. infrastruktur komputasi;
4. komputasi awan dan model AI;
5. aplikasi.

Model Huang adalah peta industri tingkat tinggi. Model tersebut membantu menjelaskan bagaimana AI bergantung pada listrik, prosesor, pusat data, model, dan produk yang digunakan pelanggan.

Liao memecah lapisan-lapisan besar itu menjadi rangkaian ketergantungan teknis dan produksi yang lebih terperinci. Dari bawah ke atas, cakupannya meliputi teori, energi, pertambangan, bahan mentah, silikon, desain transistor, proses fabrikasi wafer, litografi dan peralatan, kemasan canggih, arsitektur chip, runtime, kompilator, kuantisasi, pelatihan AI, model fondasi, agen, produk, dan aplikasi.

Dengan kata lain, “kue lima lapis” menggambarkan struktur industri secara ringkas, sedangkan “pagoda 18 lantai” berusaha memperlihatkan komponen-komponen yang tersembunyi di balik istilah besar seperti “chip”, “infrastruktur”, dan “model”.

Mengapa lapisan terpendek menentukan batas sistem?

Argumen Liao tentang “lapisan terpendek” pada dasarnya adalah argumen rekayasa sistem dari ujung ke ujung. Model AI tercanggih sekalipun tidak dapat bekerja optimal jika pasokan listrik, bandwidth memori, kemasan, yield fabrikasi, perangkat lunak, interkoneksi, atau kemampuan penerapannya tidak memadai.

Kinerja, biaya, dan keandalan akhirnya dibatasi oleh ketergantungan yang paling lemah. Akselerator yang sangat cepat, misalnya, bisa kehilangan manfaat jika terlalu banyak waktu dihabiskan untuk menunggu data, berkomunikasi dengan chip lain, atau memindahkan informasi antara memori dan prosesor.

Karena itu, “pagoda” Liao bukan sekadar daftar komponen. Model ini merupakan seruan untuk memperkuat hubungan antarlevel—mulai dari bahan dan manufaktur hingga arsitektur, perangkat lunak, model, dan aplikasi—alih-alih menganggap satu chip cepat sebagai solusi bagi seluruh ekosistem.

Klaster chip sebagai cara mengompensasi keterbatasan perangkat keras

Implikasi strategisnya adalah menggunakan banyak akselerator domestik yang secara individual mungkin belum sekuat GPU terdepan, lalu menggabungkannya menjadi sistem yang lebih mampu. Agar pendekatan ini efektif, Huawei dan mitranya perlu mengoptimalkan chip, memori, jaringan, kompilator, runtime, kuantisasi model, serta perangkat lunak pelatihan terdistribusi secara bersamaan.

Tujuannya adalah mengurangi waktu ketika chip saling berkomunikasi atau menganggur. Strategi seperti ini dapat bekerja baik pada beban kerja yang mudah diparalelkan, tetapi juga membawa biaya tambahan: kebutuhan listrik dan jaringan yang lebih besar, kompleksitas perangkat lunak, serta beban operasional yang lebih tinggi dibandingkan penggunaan lebih sedikit GPU kelas terdepan.

Laporan yang tersedia mendukung pembacaan bahwa kolaborasi lintas lapisan dan klaster terkoordinasi merupakan bagian dari arah Huawei. Namun, bukti independen bahwa sistem tersebut telah menyamai klaster Nvidia terdepan masih belum memadai.

Membangun ekosistem chip domestik China

Pendekatan Huawei juga sejalan dengan dorongan China untuk membangun rantai teknologi yang lebih terintegrasi: desain chip, fabrikasi, memori, kemasan, kerangka kerja AI, perangkat lunak sistem, dan integrasi pusat data.

Logikanya sederhana: jika satu lapisan bergantung pada impor dan aksesnya terputus, seluruh sistem dapat ikut kehilangan kapasitas. Karena itu, keunggulan tidak hanya dicari melalui transistor yang lebih kecil, tetapi juga melalui kemampuan mengendalikan sebanyak mungkin lapisan dalam rantai pasok dan tumpukan teknologi.

Data IDC yang ditinjau Reuters menunjukkan pemasok GPU dan chip AI domestik China secara gabungan menguasai sekitar 41 persen pasar server akselerator AI China pada 2025. Nvidia masih menjadi pemimpin dengan pangsa sekitar 55 persen, tetapi tekanan ekspor Amerika Serikat dan kebijakan lokalisasi telah mempercepat pertumbuhan pemasok lokal, dengan Huawei sebagai pemain domestik utama.

Kesimpulan

Tau Scaling Law adalah upaya Huawei untuk memindahkan fokus persaingan dari ruang ke waktu: bukan hanya seberapa kecil transistor dibuat, melainkan seberapa cepat informasi bergerak dan seberapa efisien seluruh sistem berkoordinasi.

LogicFolding akan menjadi salah satu demonstrasi awalnya melalui chip Kirin untuk ponsel. Namun, penilaian yang serius tetap harus menunggu pengukuran independen atas kinerja, efisiensi, suhu, yield, dan kemampuan produksi massal.

Jadi, Huawei belum “keluar” dari batas fisika semikonduktor. Perusahaan itu sedang mengandalkan arsitektur, kemasan, perangkat lunak, klaster chip, dan integrasi nasional untuk sebagian mengimbangi kekurangan akses terhadap teknologi litografi terdepan.