Apa Itu Jaringan Optik AI? Mengapa Goldman Sachs Melihat Pasar Senilai $154 Miliar pada 2028
Selama sebagian besar boom AI, para investor telah fokus pada satu pertanyaan: berapa banyak GPU yang dapat dikerahkan oleh perusahaan teknologi? Namun, seiring dengan meningkatnya ukuran dan kekuatan klaster AI, bottleneck lainnya berpindah ke pusat perlombaan infrastruktur—seberapa cepat prosesor-prosesor tersebut dapat berkomunikasi satu sama lain.
Perubahan tersebut menempatkan jaringan optik di tengah sorotan. Goldman Sachs Research menggambarkan jaringan optik sebagai "tren mega berikutnya" dalam infrastruktur AI dan memperkirakan bahwa peningkatan daya komputasi per rak dan penyebaran infrastruktur AI yang lebih luas dapat membuka pasar yang dapat dituju sekitar sembilan kali lebih besar, membawa peluang menjadi sekitar $154 miliar.
Tesis ini mencerminkan perubahan yang lebih luas dalam infrastruktur AI. Akselerator yang lebih cepat menghasilkan lebih banyak data, klaster yang lebih besar memerlukan lebih banyak komunikasi antar prosesor, dan koneksi listrik tradisional menjadi semakin sulit untuk diskalakan secara efisien. Optik serat, fotonik silikon, dan optik co-packaged karena itu bisa menjadi sepenting GPU, memori, dan sistem daya pada tahap pertama infrastruktur AI.
Apa Itu Jaringan Optik AI?
Jaringan optik AI merujuk pada penggunaan teknologi komunikasi berbasis cahaya untuk transfer data antara prosesor, server, switch, rak, dan kluster pusat data. Alih-alih mengandalkan sepenuhnya sinyal listrik yang bergerak melalui tembaga, sistem optik mengonversi data menjadi cahaya dan mengirimkannya melalui serat.
Cara termudah untuk memahami perannya adalah dengan membayangkan pusat data AI sebagai pabrik. GPU dan akselerator lainnya adalah mesin-mesin yang melakukan pekerjaan, sementara jaringan adalah sistem transportasi yang menghubungkannya. Sebuah pabrik yang dipenuhi mesin-mesin sangat kuat akan tetap berkinerja buruk jika bahan-bahan tidak dapat bergerak di antara mesin-mesin tersebut dengan cukup cepat. Prinsip yang sama berlaku untuk AI: prosesor harus terus-menerus bertukar parameter model, aktivasi, gradien, dan data lainnya selama pelatihan atau pelayanan model besar.
Ini menjadikan jaringan sebagai bagian dari sistem komputasi yang efektif, bukan sebagai komponen periferal. Goldman Sachs berpendapat bahwa jaringan membuka kemampuan komputasi dari chip AI individu dengan memungkinkan banyak prosesor beroperasi bersama dengan latensi rendah. Seiring pertumbuhan kluster AI, jumlah yang dihabiskan untuk memindahkan data karenanya dapat meningkat seiring dengan jumlah yang dihabiskan untuk menghasilkan komputasi.
Mengapa AI Membutuhkan Jaringan yang Lebih Cepat
Komputasi perusahaan tradisional sering melibatkan beban kerja yang dapat beroperasi secara relatif independen di berbagai server. Model AI besar berbeda. Pelatihan sering memerlukan ribuan akselerator untuk mengoordinasikan perhitungan, bertukar sejumlah besar informasi, dan tetap tersinkronisasi. Jika komunikasi mengalami penundaan, prosesor mahal dapat menghabiskan sebagian waktu mereka menunggu alih-alih menghitung.
Tantangan itu menjadi lebih berat seiring dengan skala sistem AI. Sebuah kluster yang berisi ratusan GPU memerlukan satu tingkat kapasitas jaringan; sistem yang berisi puluhan ribu—atau pada akhirnya ratusan ribu—menciptakan masalah konektivitas yang secara fundamental berbeda. NVIDIA kini menggambarkan jaringan sebagai pengganda kritis dari daya komputasi di pabrik AI gigascale, dengan arsitektur Spectrum terbarunya yang dirancang untuk menghubungkan penyebaran GPU yang sangat besar.
Hasilnya adalah pergeseran dari pandangan berbasis chip terhadap AI menjadi pandangan berbasis sistem. GPU yang lebih cepat tetap penting, tetapi nilai ekonominya semakin bergantung pada kemampuan memori, daya, pendinginan, dan jaringan untuk menjaga produktivitasnya. Seiring meningkatnya kepadatan komputasi, biaya jaringan yang tidak memadai juga meningkat karena prosesor yang semakin mahal menjadi kurang dimanfaatkan.
Kuping vs Serat: Mengapa Optik Semakin Mendapat Tempat
Tembaga telah lama menjadi elemen penting di pusat data. Harganya murah, sudah sangat dipahami, dan sangat efektif pada jarak pendek. Untuk banyak koneksi, tembaga akan terus masuk akal secara ekonomi. Masalahnya adalah bahwa memindahkan sinyal listrik dengan kecepatan yang semakin tinggi menjadi semakin sulit seiring meningkatnya bandwidth dan jarak.
Pada laju data yang lebih tinggi, tautan listrik menghadapi kehilangan sinyal, batasan daya, dan panas. Insinyur dapat mengkompensasi dengan retimer, pemrosesan sinyal digital, dan desain kabel yang ditingkatkan, tetapi solusi-solusi tersebut juga mengonsumsi energi. Komunikasi optik dapat mentransmisikan bandwidth sangat tinggi jarak yang lebih jauh dengan penurunan sinyal yang lebih rendah, menjadikannya semakin menarik seiring jaringan AI menjadi lebih besar dan lebih cepat. Goldman Sachs Asset Management mencatat pada Juli bahwa pusat data diharapkan mengalihkan lebih banyak tautan transmisi dari tembaga ke optik serat seiring meningkatnya kebutuhan akan kecepatan dan interkoneksi.
Ini tidak berarti serat akan menghilangkan tembaga sepenuhnya di pusat data AI. Transisi yang lebih mungkin terjadi secara bertahap: tembaga tetap kompetitif untuk banyak koneksi jarak pendek, sementara optik semakin mendekati switch dan prosesor seiring kebutuhan bandwidth yang membuat transmisi listrik semakin sulit. Variabel utama oleh karena itu bukan apakah tembaga akan hilang, tetapi seberapa banyak dari setiap generasi baru infrastruktur AI yang memerlukan konten optik.
Skala-Atas vs Skala-Keluar: Dua Pasar Jaringan AI
Memahami peluang optik juga memerlukan pemahaman perbedaan antara jaringan scale-up dan scale-out. Scale-up menghubungkan akselerator sedemikian rupa sehingga mereka dapat berperilaku lebih seperti satu sistem komputasi. Tautan ini memprioritaskan bandwidth yang sangat tinggi dan latensi yang sangat rendah karena GPU mungkin perlu saling bertukar informasi secara terus-menerus selama beban kerja.
Jaringan scale-out menghubungkan kelompok server, rak, atau domain komputasi yang lebih besar sehingga klaster AI secara keseluruhan dapat berkembang. Komunikasi optik secara historis telah lebih mapan di sepanjang tautan-tautan yang lebih panjang. Perubahan utama adalah bahwa optik mulai bergerak ke dalam ke lingkungan scale-up seiring meningkatnya kepadatan prosesor dan kebutuhan bandwidth.
Perbedaan ini membantu menjelaskan mengapa pasar potensial dapat berkembang jauh lebih cepat daripada jumlah pusat data saja. Analisis Goldman Sachs memeriksa peluang scale-up dan scale-out, serta perubahan komposisi kabel tembaga, modul optik yang dapat dicabut, co-packaged optics, dan komponen interkoneksi lainnya. Dengan kata lain, AI tidak hanya membangun lebih banyak jaringan—tetapi juga meningkatkan jumlah dan kompleksitas jaringan yang dibutuhkan di dalam setiap sistem komputasi.
Apa Itu Co-Packaged Optics?
Optik co-packaged, biasanya disingkat menjadi CPO, adalah salah satu teknologi paling penting di balik diskusi jaringan AI saat ini. Dalam arsitektur konvensional, chip switching berkomunikasi secara elektris di sepanjang papan sirkuit sebelum sinyal mencapai transceiver optik yang dapat dicabut, di mana sinyal diubah menjadi cahaya dan dikirim melalui serat.
CPO memindahkan mesin optik jauh lebih dekat ke silikon switching, mengintegrasikan optik dengan paket chip daripada menempatkan seluruh konversi optik di tepi sistem. Jalur listrik yang lebih pendek dapat mengurangi kehilangan sinyal dan konsumsi daya sekaligus memungkinkan kepadatan bandwidth yang lebih tinggi. Hal ini menjadi sangat berharga saat kecepatan jaringan meningkat dan biaya energi untuk memindahkan data menjadi semakin penting.
CPO sudah mulai melangkah melewati laboratorium. Broadcom mengatakan pada Maret bahwa portofolio infrastruktur AI-nya mencakup switch Ethernet 102,4 terabit per detik dengan co-packaged optics, bersama teknologi optical DSP 400G per lane dan produk konektivitas kecepatan tinggi lainnya. NVIDIA juga membawa CPO ke dalam platform Spectrum-X Ethernet Photonics-nya, menjadikan teknologi ini bagian dari arsitektur AI komersial, bukan sekadar konsep penelitian jangka panjang.
Mengapa Goldman Sachs Melihat Pasar Senilai $154 Miliar
Angka utama dalam teori jaringan optik Goldman Sachs adalah potensi pasar yang dapat ditargetkan senilai $154 miliar. Bank tersebut memperkirakan bahwa pertumbuhan infrastruktur AI dan peningkatan daya komputasi per rak dapat menciptakan ekspansi sekitar sembilan kali lipat dalam peluang di berbagai konfigurasi jaringan. Analisisnya mencakup sistem scale-up dan scale-out serta kabel tembaga, modul optik dapat dicabut, CPO, dan PCB midplanes.
Poin pentingnya adalah bahwa perkiraan ini didorong oleh dua kekuatan secara bersamaan. Pertama, industri AI sedang menerapkan lebih banyak infrastruktur komputasi. Kedua, setiap generasi baru infrastruktur mungkin memerlukan lebih banyak konten jaringan per unit komputasi. Menambahkan lebih banyak GPU menciptakan tautan tambahan, sementara meningkatkan bandwidth setiap tautan meningkatkan nilai peralatan jaringan yang diperlukan untuk menghubungkannya.
Itu menciptakan efek multiplier potensial. Pendapatan jaringan AI tidak harus tumbuh hanya karena lebih banyak pusat data dibangun; ia juga dapat tumbuh karena setiap rak, supernode, atau cluster mengandung konektivitas yang lebih mahal. Angka $154 miliar karena itu harus dipahami sebagai perkiraan berdasarkan arsitektur sistem masa depan dan asumsi adopsi—bukan pendapatan yang dijamin—tetapi ia menggambarkan seberapa dramatis pengeluaran infrastruktur AI bisa meluas di luar akselerator itu sendiri.
Mengapa NVIDIA Vera Rubin Penting
Platform Vera Rubin dari NVIDIA menyediakan salah satu tanda paling jelas bahwa jaringan optik menjadi penting secara strategis. Pada Mei 2026, NVIDIA mengatakan Vera Rubin mulai memasuki produksi penuh dan memperkenalkan Spectrum-X Ethernet Photonics, sistem jaringan berbasis CPO yang dirancang untuk mendukung pabrik AI masa depan dengan jutaan GPU.
Menurut NVIDIA, Spectrum-X Ethernet Photonics dapat memberikan efisiensi daya lima kali lebih baik dibandingkan jaringan yang menggunakan transceiver tradisional, bersama dengan peningkatan dalam waktu aktif aplikasi dan kecepatan penerapan. Angka-angka tersebut adalah perbandingan produk milik NVIDIA sendiri, tetapi mereka menggambarkan mengapa daya jaringan telah menjadi perhatian desain utama. Setiap watt yang dikonsumsi untuk memindahkan data adalah watt yang tidak tersedia untuk prosesor yang melakukan perhitungan AI.
Signifikansinya lebih luas dari sekadar satu generasi produk. Ketika pemasok akselerator AI dominan mengintegrasikan jaringan fotonik ke dalam peta jalan platformnya, optik menjadi bagian dari arsitektur sistem yang mengelilingi komputasi masa depan. Hal ini memperkuat argumen bahwa konektivitas bisa menjadi bagian yang lebih besar dari pengeluaran infrastruktur AI, bahkan jika teknologi jaringan individu terus berkembang.
Akankah CPO Menggantikan Modul Optik yang Dapat Dicabut?
CPO memiliki keunggulan yang menarik, tetapi itu tidak berarti modul optik dapat dicabut tradisional akan hilang. Transceiver yang dapat dicabut memiliki keunggulan operasional utama: mereka bersifat modular. Operator pusat data dapat mengganti, meningkatkan, atau melakukan perawatan mereka secara independen dari switch, dan rantai pasok global yang matang sudah mendukung arsitektur ini.
CPO menukar sebagian modularitasnya untuk integrasi yang lebih erat. Memindahkan optik lebih dekat ke silikon switching dapat meningkatkan efisiensi daya dan kepadatan bandwidth, tetapi pengemasan, manajemen termal, hasil produksi, dan kemudahan perawatan menjadi lebih rumit. Perdagangan ini berarti solusi optimal dapat bervariasi tergantung pada jarak, kebutuhan bandwidth, arsitektur sistem, dan biaya waktu henti.
Masa depan yang mungkin oleh karena itu lebih nuansa daripada pertarungan sederhana antara CPO dan pluggable. Pasar jaringan AI yang berkembang pesat dapat mendukung kedua teknologi di bagian berbeda dari jaringan. Bahkan jika CPO menangkap pangsa yang terus meningkat di lingkungan dengan bandwidth tertinggi, permintaan keseluruhan untuk optik pluggable bisa terus meningkat jika jumlah total tautan optik tumbuh cukup cepat.
Perusahaan mana yang bisa mendapat manfaat dari ledakan AI Optics?
Peluang potensial ini melampaui para pembuat GPU karena jaringan optik adalah rantai pasokan multi-lapisan. Sistem komputasi menciptakan permintaan, chip jaringan mengarahkan lalu lintas, komponen optik mengonversi sinyal listrik menjadi cahaya, serat membawa sinyal-sinyal tersebut, dan peralatan jaringan menyatukan semua komponen tersebut.
| Segment | Peran dalam jaringan AI | Contoh |
| Sistem komputasi AI | Ciptakan permintaan untuk konektivitas berkecepatan tinggi | NVIDIA |
| Switching dan silicon jaringan | Arahkan lalu lintas di antara klaster AI | Broadcom, NVIDIA |
| Komponen optik | Laser, transceiver, dan komponen terkait | Coherent, Lumentum |
| Infrastruktur fiber | Membawa sinyal optik | Corning |
| Sistem jaringan | Membangun jaringan optik kecepatan tinggi | Ciena |
Tesis investasi yang lebih luas karenanya adalah bahwa pengeluaran modal AI mungkin menyebar ke luar. Gelombang pertama secara tidak proporsional memberi imbalan kepada perusahaan yang menjual komputasi. Gelombang selanjutnya meningkatkan perhatian pada memori, daya, dan pendinginan, serta jaringan bisa menjadi lapisan tambahan dari ekspansi tersebut. Portofolio produk Broadcom saat ini merupakan contoh yang berguna: kini mencakup XPUs, switch Ethernet, optik, SerDes, DSP, dan teknologi PCIe untuk cluster AI besar.
Namun, eksposur industri tidak secara otomatis menjadikan setiap perusahaan optik sebagai pemenang. Campuran produk, konsentrasi pelanggan, kapasitas produksi, penetapan harga, dan transisi teknologi dapat menciptakan hasil yang sangat berbeda di sepanjang rantai pasokan.
Apa yang Bisa Menghentikan Ledakan $154 Miliar?
Risiko terbesar adalah sederhana: pengeluaran modal AI bisa tumbuh lebih lambat dari yang diharapkan. Proyeksi jaringan optik pada akhirnya bergantung pada seberapa cepat hyperscaler, laboratorium AI, dan perusahaan terus membangun infrastruktur komputasi. Penurunan dalam penerapan accelerator juga akan mengurangi kebutuhan akan koneksi yang mengelilingi accelerator tersebut.
Teknologi juga bisa mengubah perkiraan. Kabel listrik aktif yang ditingkatkan, retimer, dan teknologi tembaga lainnya dapat memperpanjang konektivitas listrik lebih jauh daripada yang diasumsikan oleh proyeksi saat ini. CPO dapat menghadapi tantangan dalam manufaktur, pengemasan, atau kemudahan perawatan yang memperlambat adopsi. Arsitektur AI masa depan juga mungkin mengatur komputasi secara berbeda, mengubah berapa banyak tautan optik yang dibutuhkan per rak atau klaster.
Akhirnya, efisiensi adalah ketidakpastian yang nyata. Model, perangkat lunak, dan teknik inferensi yang lebih baik dapat memungkinkan penyedia AI untuk melakukan lebih banyak pekerjaan dengan perangkat keras yang sama. Angka $154 miliar dari Goldman Sachs karenanya sebaiknya diperlakukan sebagai skenario seberapa besar peluangnya bisa menjadi di bawah asumsi infrastruktur tertentu. Tesis yang lebih tahan lama bukanlah angka tepatnya—tetapi bahwa pergerakan data menjadi bagian yang semakin besar dan bernilai tinggi dalam komputasi AI.
Apakah Jaringan Optik Tren Infrastruktur AI Berikutnya?
Kasus teknis semakin kuat. Kluster GPU menjadi lebih besar, kebutuhan bandwidth meningkat, dan perhatian lebih besar diberikan pada jumlah energi yang dikonsumsi hanya untuk memindahkan data. Baik NVIDIA maupun Broadcom kini memiliki peta jalan produk komersial yang menempatkan teknologi optik canggih di dalam sistem jaringan AI berskala besar.
Pertanyaan pentingnya, bagaimanapun, bukanlah apakah pasar akan tepat berada di $154 miliar pada tanggal tertentu. Proyeksi akan berubah seiring perkembangan arsitektur AI. Metrik yang lebih berguna adalah jumlah kebutuhan jaringan dan konten optik untuk setiap unit komputasi AI. Jika rasio ini terus meningkat sementara penerapan komputasi AI secara keseluruhan juga berkembang, jaringan optik dapat tumbuh pesat bahkan jika teknologi individu atau asumsi pangsa pasar berubah.
Itu menjadikan konektivitas salah satu area paling penting untuk diawasi pada tahap berikutnya dari pengembangan AI. GPU mungkin menghasilkan kecerdasan, tetapi jaringan yang semakin canggih diperlukan untuk menggabungkan prosesor-prosesor tersebut menjadi sistem komputasi yang cukup besar untuk melatih dan mengoperasikan generasi berikutnya dari model.
Kesimpulan: AI Sedang Menjadi Cerita Konektivitas
Tahap pertama ledakan infrastruktur AI generatif didominasi oleh komputasi. GPU menjadi sumber daya yang langka, dan perusahaan-perusahaan berlomba-lomba untuk mengamankan akselerator, memori, daya, dan kapasitas pusat data. Seiring sistem-sistem tersebut berskala, tantangannya semakin bergeser ke arah menghubungkan semua komputasi tersebut secara efisien.
Jaringan optik menangani tantangan ini dengan menyediakan bandwidth, jangkauan, dan efisiensi daya yang diperlukan untuk memindahkan jumlah data yang sangat besar antara prosesor dan klaster. CPO dan fotonik silikon dapat membawa optik lebih dekat lagi ke silikon AI, sementara sistem generasi berikutnya seperti NVIDIA Vera Rubin menunjukkan bahwa transisi ini sudah memasuki infrastruktur komersial.
Perkiraan $154 miliar Goldman Sachs mungkin atau mungkin tidak terbukti akurat. Tren yang lebih besar lebih penting: fase berikutnya dari perlombaan infrastruktur AI mungkin semakin bergantung tidak hanya pada seberapa cepat prosesor dapat menghitung, tetapi pada seberapa cepat informasi dapat bergerak di antara mereka.
FAQ
Apakah silikon fotonik sama dengan serat optik?
Tidak. Serat optik terutama merujuk pada transmisi cahaya melalui serat optik, sementara fotonik silikon menggunakan teknik manufaktur semikonduktor untuk mengintegrasikan fungsi optik seperti modulator dan detektor fotonik ke dalam perangkat berbasis silikon. Kedua teknologi ini dapat bekerja bersama: komponen fotonik silikon menghasilkan, memanipulasi, atau menerima sinyal optik yang kemudian bergerak melalui serat.
Apa itu optical transceiver di pusat data AI?
Sebuah transceiver optik mengonversi data listrik dari server atau chip jaringan menjadi sinyal optik untuk transmisi melalui serat dan mengonversi cahaya yang masuk kembali menjadi sinyal listrik. Modul-modul ini merupakan titik koneksi penting dalam jaringan pusat data modern, terutama saat kecepatan tautan meningkat dan serat mencapai lebih dalam ke infrastruktur AI.
Apa yang dimaksud dengan 800G dan 1.6T dalam jaringan optik?
Mereka menjelaskan kapasitas data perkiraan dari koneksi jaringan. Tautan 800G dapat membawa hingga sekitar 800 gigabit per detik, sementara 1.6T merujuk pada sekitar 1,6 terabit per detik. Angka-angka ini menggambarkan bandwidth jaringan, bukan kinerja komputasi GPU.
Apakah inferensi AI memerlukan jaringan optik sebanyak pelatihan AI?
Pola jaringan dapat berbeda. Pelatihan model besar sering memerlukan sinkronisasi intensif di banyak akselerator, sehingga interkoneksi yang sangat cepat menjadi sangat penting. Inferensi terkadang dapat didistribusikan lebih independen, tetapi model penalaran skala besar, AI agen, dan layanan volume tinggi juga dapat memerlukan komunikasi signifikan antara prosesor dan sistem.
Mengapa konsumsi daya jaringan penting untuk pusat data AI?
Pusat data AI beroperasi dalam anggaran listrik dan pendinginan yang terbatas. Energi yang dikonsumsi oleh sakelar, transceiver, dan peralatan pemroses sinyal mengurangi jumlah yang tersedia untuk GPU dan perangkat komputasi lainnya. Seiring pertumbuhan klaster AI, mengurangi energi yang diperlukan untuk memindahkan setiap bit data dapat meningkatkan efisiensi sistem dan ekonomi keseluruhan pusat data.
🔥 KuCoin Menawarkan Pilihan Lebih Stabil di Pasar yang Volatil
Jika Anda khawatir tentang naik turunnya pasar yang sering terjadi, dan mencari opsi yang lebih stabil untuk menghasilkan uang secara pasif, KuCoin adalah tempat yang tepat untuk datang:
Simple Earn: Setor dan tarik token kapan saja, dapatkan imbal hasil stabil.
KuCoin Earn: Dapatkan keuntungan stabil dengan manajemen aset profesional.
Hold to Earn: Dapatkan imbalan dengan memegang aset di Akun Pendanaan, Perdagangan, Margin, Futures, Penambangan, dan Akun Terpadu.
Staking: Buka potensi penghasilan dari aset on-chain.
Investasi Lanjutan: Investasi Lanjutan menawarkan berbagai produk terstruktur untuk membantu uang Anda tumbuh di segala kondisi pasar.
Shark Fin: Perlindungan Pokok dan Keuntungan Terjamin
Investasi Ganda: Beli rendah dan jual tinggi dengan perhitungan pengembalian yang transparan.
Snowball: Imbal hasil tinggi, dengan perlindungan harga.
Belanja Diskon: Beli kripto dengan harga diskon.
KCS Loyalty: Naik level untuk menikmati manfaat eksklusif dengan staking ≥ 1 KCS.
KuCoin Wealth: Temukan nilai masa depan dan mulai perjalanan investasi cerdas Anda.
Manfaat KCS: Tahan dan staking KCS untuk mengakses manfaat di seluruh platform.
KCS Staking 2.0: Berpartisipasi dalam tata kelola on-chain KCS untuk mendapatkan imbal hasil.
Penafian: Konten ini hanya untuk tujuan informasi dan tidak merupakan saran investasi. Investasi mata uang kripto memiliki risiko. Silakan lakukan riset sendiri (DYOR).
Penafian: Halaman ini diterjemahkan menggunakan teknologi AI untuk kenyamanan Anda. Untuk informasi yang paling akurat, lihat versi bahasa Inggris aslinya.