Di Luar GPU: Masa Emas Memori Semikonduktor Korea Selatan Mulai Berlangsung

Table of Contents

Ini adalah sesuatu yang kita semua alami. Kita mempelajari sesuatu, tetapi kemudian melupakannya segera setelah kita berpaling. Pada akhir abad ke-19, psikolog Jerman Hermann Ebbinghaus meneliti lupa manusia melalui eksperimen. Ia mengamati tingkat kehilangan ingatan di otak manusia seiring waktu ketika tidak ada pembelajaran ulang secara sadar untuk mempertahankan ingatan, dan menyebut grafik dari fenomena ini sebagai "kurva lupa". Lupa terjadi pada 41,8% dalam 20 menit setelah belajar. Kemudian, sekitar 50% dilupakan setelah satu jam, lebih dari 70% setelah satu hari, dan sekitar 80% setelah satu bulan. Dengan kata lain, tanpa pembelajaran ulang, otak manusia dengan cepat melupakan sebagian besar hal. Ia berargumen bahwa pembelajaran berulang diperlukan untuk mempertahankan ingatan dalam jangka panjang, dan bahwa pembelajaran terdistribusi—mengulangnya beberapa kali pada interval teratur—paling efektif. Ini disebut efek "spacing". Inilah sebabnya, selama masa sekolah, ulangan berkala lebih penting daripada belajar intensif.

Peradaban manusia telah menciptakan berbagai metode untuk mengatasi keterbatasan kurva lupa. Dari mural yang diukir pada batu hingga surat, ukiran, arsitektur, buku, foto, video, dan aplikasi catatan ponsel pintar modern. Mereka telah bertahan terhadap angin dan hujan, menjaga kenangan dan pikiran manusia selama ribuan tahun dan meneruskannya kepada generasi berikutnya. Akhirnya, dengan munculnya era kecerdasan buatan (AI), "memori semikonduktor" mulai menggantikan kurva lupa manusia. Semikonduktor merekam setiap momen, dan data dalam memori semikonduktor dapat disimpan selamanya tanpa masa kedaluwarsa. Seperti penyimpanan ingatan abadi bagi peradaban manusia. Jika seseorang ingin melihat pikiran manusia dan sejarah kehidupan ribuan tahun kemudian, mereka hanya perlu mengambil catatan yang tersimpan dalam memori semikonduktor. Dengan cara ini, memori semikonduktor secara inheren memiliki "ketakterbatasan," "keabadian," dan "kedekatan." Itulah sebabnya semakin menjadi pusat dalam pembelajaran dan penghasilan AI.

Baru-baru ini, AI telah berkembang pesat melebihi model AI bahasa ultra besar (LLM) yang hanya menangani teks, menjadi model AI "multimodal ultra besar" yang mampu memahami dan menghasilkan gambar, video, musik, dan suara secara bersamaan. AI ini dengan mudah membuat video komersial selama 3 menit, segmen berita selama 10 menit, dan film selama 1 jam. Pelatihan AI multimodal ini memerlukan jumlah data teks, gambar, dan video yang sangat besar. Data-data ini harus disimpan dalam jumlah besar di memori semikonduktor yang terletak dekat. Mereka juga harus ditempatkan pada jarak terpendek yang mungkin. Kecepatan harus cepat. Karena alasan ini, permintaan terhadap memori semikonduktor telah meledak. Dengan pasokan yang terbatas dan permintaan yang meningkat, harga pasti naik. Memori semikonduktor kini menjadi pasar penjual di mana "harga tawar menentukan nilai."

Selain itu, AI ingin memiliki kemampuan penalaran logis otak manusia. AI berlatih latihan "rantai pemikiran" untuk berpikir dan menilai seperti manusia. Secara sederhana, AI sering kali menyelesaikan ujian esai sendiri dan berlatih alur pemikiran. Untuk mengurangi kesalahan, beberapa AI melakukan debat, dan jawaban akhir disajikan berdasarkan hasil debat tersebut. Ini disebut teknologi "rantai debat". Untuk memperoleh kemampuan logis dan debat seperti ini, AI harus menyelesaikan banyak masalah matematika dan membaca secara luas. Untuk ini, AI harus menyimpan bahan-bahan tersebut di memori semikonduktor yang dekat dan merevisinya secara rutin. Penggunaan memori semikonduktor pasti akan meningkat secara eksponensial.

AI juga ingin memiliki lebih banyak kejujuran dan keandalan dalam hasil yang dihasilkannya. Hanya dengan demikian orang-orang akan membayar dan mempercayai penggunaannya. Ini adalah syarat inti dari ekosistem AI. Untuk mencapainya, selama proses generasi, ia melakukan pencarian di internet secara real-time untuk materi otoritatif terbaru dan merujukkannya untuk output. Oleh karena itu, bahan pencarian yang sering diakses harus disimpan di memori semikonduktor yang dekat.

Untuk mengurangi pembuatan ulang yang tidak perlu, bahan yang dihasilkan oleh AI sebelumnya harus dicatat dalam memori terdekat untuk digunakan kembali. Kepribadian dan preferensi juga diingat. Ini diperlukan untuk mempersonalisasi AI—menciptakan AI yang disesuaikan dengan individu. AI ingin mengingat seluruh riwayat seseorang. Dengan memahami preferensi dan niat pribadi, ia memberikan hasil optimal. Bahkan untuk "layanan kustomisasi personalisasi" AI, diperlukan jumlah besar memori semikonduktor. Pada akhirnya, fungsi, kinerja, kualitas layanan, dan keandalan AI masa depan bergantung pada kinerja dan kapasitas memori semikonduktor. Era "keunggulan memori semikonduktor" telah tiba.

Sejalan dengan kemajuan AI, hierarki memori komputer AI juga sedang berubah. Hal ini dilakukan untuk menyediakan data pembelajaran dan generasi ke GPU (unit pemrosesan grafis) secepat mungkin dan dalam jumlah besar. Dalam hierarki memori, semakin dekat memori semikonduktor dengan GPU, semakin cepat kecepatannya, tetapi terdapat keterbatasan kapasitas yang tidak memadai. Inovasi diperlukan. Untuk menggantinya, hierarki memori beralih ke high-bandwidth memory (HBM) dan high-bandwidth flash memory (HBF). Dengan cara ini, fokus teknologi yang meningkatkan kinerja layanan dalam pembelajaran dan generasi AI berpindah dari GPU ke memori. Ini disebut "memory-centric computing".

Sebagai hasilnya, Korea Selatan memiliki kesempatan emas untuk memimpin transformasi AI. Tahun 2026 adalah saat keberuntungan nasional meningkat. Kesempatan ini harus dimanfaatkan dan dipertahankan.