Perbincangan mengenai perangkat keras Kecerdasan Buatan (AI) selama ini hampir selalu didominasi oleh unit pemrosesan grafis (GPU), sehingga peran CPU kerap kali dikesampingkan. Kini, dua raksasa semikonduktor, Intel dan AMD, bersatu untuk mengembalikan pamor CPU di ranah AI melalui peluncuran spesifikasi baru.
Spesifikasi yang dinamakan Advanced Compute Extensions (ACE) ini menetapkan cara baru agar operasi AI dapat ditangani secara jauh lebih efisien pada prosesor arsitektur x86.
Langkah ini bukanlah upaya untuk menggantikan GPU dalam ekosistem pelatihan AI skala besar (large-scale training). Sebaliknya, ACE difokuskan pada model AI yang lebih kecil, tugas-tugas yang sensitif terhadap latensi, serta sistem di mana GPU tidak tersedia atau penggunaannya dianggap terlalu berlebihan (overhead).
Mengatasi Masalah ‘Bottleneck’ Data
Mengirim data bolak-balik antara CPU dan GPU nyatanya tidak gratis; ada harga kinerja yang harus dibayar. Untuk beberapa beban kerja, terutama yang membutuhkan respons cepat atau berjalan pada perangkat keras terbatas, proses transfer data tersebut dapat menjadi “leher botol” (bottleneck).
Dengan mempertahankan beban kerja komputasi tetap berada di dalam CPU, spesifikasi ACE menghindari masalah bottleneck tersebut sepenuhnya.
Peningkatan Teknis Lewat Perkalian Matriks
Di tingkat teknis, ACE dibangun dengan fokus pada perkalian matriks, yang merupakan jantung dari sebagian besar operasi AI. CPU sebenarnya sudah lama bisa menangani matematika jenis ini menggunakan instruksi AVX, namun tidak terlalu efisien karena instruksi tersebut awalnya tidak dirancang untuk beban kerja matriks yang berat.
Berikut adalah keunggulan teknis yang ditawarkan ACE:
– Struktur Familiar, Hardware Baru: ACE mempertahankan struktur register AVX10 yang sudah ada dengan input 512-bit, namun menambahkan hardware khusus untuk operasi matriks. Pengembang tidak perlu repot mengubah format data secara keseluruhan.
– Kinerja 16x Lipat: Untuk serangkaian vektor input tertentu, ACE dapat menjalankan operasi hingga 16 kali lebih banyak dibandingkan AVX10. Meskipun ini tidak berarti aplikasi akan langsung berjalan 16 kali lebih cepat, ini menunjukkan penggunaan instruksi yang jauh lebih efisien.
– Hemat Daya: Efisiensi instruksi tersebut berujung pada konsumsi daya yang lebih rendah dan pengurangan beban pada bandwidth memori, menjadikannya sangat ideal untuk komputasi edge atau aplikasi pengguna tunggal.
Kabar Baik bagi Pengembang dan Dilema NPU
Bagi para pengembang (developer), ACE menawarkan konsistensi. Karena spesifikasi ini dirancang agar tidak terikat pada satu implementasi tertentu (implementation-agnostic), hal ini akan sangat memudahkan pengembang yang bekerja dengan framework populer seperti PyTorch dan TensorFlow. Mereka tidak perlu lagi pusing mencocokkan kode dengan berbagai dukungan AVX yang berbeda-beda.
Di sisi lain, ACE juga menyoroti kelemahan NPU (Neural Processing Unit). Meski NPU kini makin menjamur, standarisasinya masih berantakan. Memindahkan beban kerja ke NPU kadang justru mendatangkan komplikasi baru tergantung pada perangkat kerasnya. ACE hadir menawarkan jalan pintas untuk menjaga tugas-tugas tertentu tetap di CPU demi kecepatan dan kemudahan.
Meski spesifikasi ACE tidak akan mengubah status quo GPU sebagai raja pelatihan AI skala masif, inovasi ini membuktikan bahwa evolusi CPU belum berakhir. Dengan arsitektur yang tepat, prosesor x86 kini bisa menangani irisan beban kerja AI yang lebih luas dan efisien dari sebelumnya, demikian dikutip dari detikINET, Rabu (23/6/2026).
Sumber: detik.com
