Persaingan jalur CPU di era Agent: Nvidia bertaruh pada "inti tunggal lebih cepat", AMD bertaruh pada "lebih banyak concurrent"

Nvidia dan AMD tidak hanya bersaing tentang siapa yang memiliki CPU tercepat, tetapi juga siapa yang akan menentukan standar penilaian CPU di era AI.

Baru-baru ini, Nvidia mengungkapkan detail teknis paling rinci tentang arsitektur Vera CPU. Prosesor ini dilengkapi dengan 88 core Olympus ARM rancangan sendiri, bandwidth memori 1,2TB/detik, bandwidth interkoneksi on-chip 3,4TB/detik. Poin utama Nvidia adalah: Cara kerja AI Agent adalah interaksi berulang antara CPU dan GPU—pemanggilan alat, eksekusi kode, pencarian data, penataan tugas—setiap langkah bergantung pada penyelesaian langkah sebelumnya, sehingga kecepatan dan latensi inti tunggal CPU secara langsung menentukan efisiensi respons seluruh Agent.

Pada 23 Juli, menurut laporan Zui Feng Trading Desk, analis BofA Securities Vivek Arya dalam laporan terbaru menyatakan bahwa peluncuran Vera telah memperkenalkan kerangka evaluasi baru untuk industri: “Kinerja inti tunggal maksimal dalam skala besar”. Hal ini secara langsung berlawanan dengan jalur chiplet multi-core yang sudah lama diusung oleh AMD. Laporan tersebut menggambarkan perdebatan ini sebagai: “Apakah AI Agent dibatasi oleh waktu penyelesaian tugas tunggal, atau oleh berapa banyak tugas paralel yang dapat dijalankan satu rak server?” AMD akan mengadakan AI Technology Day 2026 pada Kamis ini, yang menjadi respons resmi pertama terhadap kerangka ini.

Latar belakang perdebatan ini adalah: Pasar CPU server sedang dibentuk ulang oleh kebutuhan AI, diperkirakan hingga tahun 2030 skala pasar akan meningkat sekitar 4 kali lipat dari level sekarang, mencapai $170 miliar. Ini bukan kompetisi pada pasar yang sudah ada, melainkan pasar baru yang sedang terbentuk. Siapa yang lebih dulu menetapkan standar penilaian kinerja yang diakui industri, dialah yang menguasai hak penentuan harga dan narasi.

Logika Nvidia: Kecepatan Agent lebih penting dari berapa banyak Agent yang dapat dijalankan sekaligus

Nvidia menggambarkan alur kerja Agent dengan sangat rinci: Dalam proses menjalankan tugasnya, Agent akan melakukan banyak interaksi serial antara CPU dan GPU, setiap pemanggilan harus menunggu penyelesaian langkah sebelumnya sebelum dapat melanjutkan. Ini berarti latensi pada setiap tahap akan menumpuk, akhirnya memperlambat efisiensi produksi seluruh pabrik AI.

Dengan logika ini, kinerja inti tunggal bukanlah sekadar angka di tabel spesifikasi, melainkan variabel kunci yang secara langsung memengaruhi tingkat pemanfaatan GPU—Semakin cepat CPU, semakin singkat waktu tunggu GPU, semakin tinggi efisiensi penggunaan sumber daya seluruh sistem. Artinya, semakin cepat inti tunggal, semakin cepat kecepatan respons di sepanjang rantai.

Vera juga memiliki pilihan desain yang patut diperhatikan: Nvidia memilih satu die monolitik daripada arsitektur chiplet terpisah, dengan alasan bahwa yang pertama dapat menawarkan “konsistensi skalabilitas” yang lebih baik. Ini bertentangan dengan jalur chiplet jangka panjang AMD, menandakan perbedaan filosofi arsitektur mendasar antara kedua perusahaan sudah sangat dalam.

Selain itu, Vera bukanlah produk yang berdiri sendiri, melainkan bagian dari desain kolaboratif ekosistem infrastruktur AI Nvidia yang bekerja bersama Rubin GPU, Groq LPX, Spectrum switch, serta BlueField storage/network card. Integrasi sistem ini adalah benteng utama Nvidia di luar sekadar perbandingan perangkat keras.

AMD membantah: Lingkungan produksi AI nyata bertarung dalam kapasitas beban paralel

Posisi AMD didasarkan pada definisi yang berbeda tentang “lingkungan produksi nyata”.

Menurut AMD, sistem AI produksi bukanlah seorang Agent yang mendorong tugas secara serial, melainkan lebih menyerupai platform perangkat lunak terdistribusi yang terdiri dari database, API, penyimpanan vektor, mesin orkestrasi, cache, dan middleware. Dalam skenario ini, bottleneck bukanlah kecepatan penyelesaian satu tugas, melainkan berapa banyak workflow yang dapat ditangani secara bersamaan dalam batasan daya tetap.

AMD memberikan serangkaian kalkulasi tertentu: Dalam simulasi penerapan rak server 100 kilowatt, EPYC 9965 (Turin) memiliki throughput tingkat rak sekitar 2,4 kali lipat dari Vera Nvidia; EPYC 6 (Venice) generasi berikutnya diperkirakan mencapai 3,3 kali lipat.

Logika AMD adalah: Tingkat kepadatan throughput yang lebih tinggi berarti konsumsi energi yang sama dapat melayani lebih banyak pengguna, memproses lebih banyak permintaan—itulah fungsi biaya nyata pada penerapan AI di cloud.

AMD x86 atau Nvidia ARM: Ekosistem perangkat lunak adalah medan tempur tersembunyi

Persaingan arsitektur CPU juga merambah lapisan instruction set.

Nvidia memilih arsitektur ARM, dengan posisi implisit: selama mikroarsitektur cukup baik, kompatibilitas instruction set bisa menjadi faktor sekunder. Namun, AMD dan Intel kemungkinan besar akan terus menekankan sisi lain setelah Kamis—AI sedang berkembang dari inferensi model ke workflow perangkat lunak enterprise, sementara ekosistem perangkat lunak enterprise selama puluhan tahun telah melakukan optimalisasi, verifikasi, dan kompatibilitas pada stack database, middleware, platform keamanan, dan aplikasi perusahaan berbasis x86.

Ini bukan hanya perdebatan teknis semata. Seiring tugas AI semakin banyak terintegrasi ke sistem IT perusahaan yang sudah ada, akumulasi ekosistem perangkat lunak kemungkinan lebih sulit diatasi daripada kinerja puncak perangkat keras. Apakah Nvidia dapat menembus skenario ini dengan Vera sangat bergantung pada kecepatan kematangan ekosistem perangkat lunak ARM.

Dua kerangka kerja, dua KPI, pada dasarnya adalah dua perusahaan yang berusaha menguasai narasi industri.

Kerangka kerja Nvidia dibangun di sekitar latensi, progres inti tunggal, pemanfaatan GPU. Kerangka kerja AMD berputar pada paralelisme, throughput, dan kepadatan layanan.

Intinya: indikator mana yang akhirnya akan digunakan pasar untuk membeli CPU server?

Menurut BofA, fokus acara AMD Kamis ini bukan pada menampilkan data benchmark untuk mengalahkan pesaing, melainkan pada meyakinkan industri untuk menerima sistem penilaian mereka sendiri. Kerangka kerja siapa pun yang diterima pembeli data center, dialah yang akan mendapatkan hak penentuan harga di pasar $170 miliar ini.

Nvidia tetap diberikan rating beli untuk NVDA, target harga $350 (harga sekarang $207,29).