NVIDIA Meluncurkan Model AI Kuantum Sumber Terbuka, AI Mempercepat Desain Chip

Penulis: Claude, Deep潮 TechFlow

Ringkasan Shenchao: Pada 14 April, NVIDIA merilis keluarga model AI kuantum open-source pertama di dunia, Ising, yang meningkatkan kecepatan decoding koreksi kesalahan hingga 2,5 kali lipat dan akurasi hingga 3 kali lipat dibandingkan standar industri.

Saham kuantum naik secara kolektif hari ini, IonQ naik 18%, D-Wave naik 15%. Pada hari yang sama, ilmuwan utama William Dally mengungkapkan di GTC 2026 bahwa AI telah mempercepat proses pemindahan perpustakaan sel standar chip dari 8 orang selama 10 bulan menjadi hanya semalam dengan satu GPU, dengan hasil desain yang lebih unggul daripada buatan manusia.

NVIDIA sedang mempercepat dua masalah teknik paling sulit dengan AI: membuat komputer kuantum benar-benar dapat digunakan, serta membuat desain GPU sendiri lebih cepat dan lebih baik.

Pada 14 April, "Hari Kuantum Dunia", NVIDIA meluncurkan keluarga model AI open-source pertama di dunia untuk komputasi kuantum, NVIDIA Ising, menyebabkan saham-saham konsep kuantum naik secara kolektif. Pada periode yang sama, ilmuwan utama perusahaan, William Dally, mengungkapkan perkembangan terbaru penggunaan AI dalam proses desain chip internal NVIDIA di GTC 2026, di mana efisiensi salah satu tugas meningkat hingga ratusan kali lipat.

Dua petunjuk menunjuk pada kesimpulan yang sama: AI sedang berubah dari "alat lapisan aplikasi" menjadi "infrastruktur dari infrastruktur", yang mempercepat industri hilir (komputasi kuantum) sekaligus mempercepat iterasi perangkat keras AI itu sendiri.

Menurut rilis pers NVIDIA tanggal 14 April, keluarga model Ising pertama mencakup dua domain model: Ising Calibration dan Ising Decoding, yang masing-masing menangani dua hambatan utama dalam penerapan komputasi kuantum.

Qubit pada prosesor kuantum secara alami memiliki noise; prosesor kuantum terbaik saat ini menghasilkan satu kesalahan setiap sekitar seribu operasi. Untuk menjadikan komputer kuantum memiliki nilai praktis, tingkat kesalahan harus diturunkan di bawah satu per triliun.

Ising Calibration adalah model visual-language dengan 35 miliar parameter yang mampu secara otomatis menafsirkan data pengukuran prosesor kuantum dan membuat keputusan kalibrasi, mengurangi proses kalibrasi yang sebelumnya memakan waktu beberapa hari menjadi beberapa jam. Ising Decoding adalah sepasang model jaringan saraf konvolusi 3D (masing-masing dioptimalkan untuk kecepatan dan akurasi) yang digunakan untuk dekode real-time dalam koreksi kesalahan kuantum, 2,5 kali lebih cepat dan 3 kali lebih akurat dibandingkan standar industri open-source saat ini, pyMatching.

Direktur Produk Kuantum NVIDIA, Sam Stanwyck, menjelaskan logika strategi open-source di acara peluncuran: setiap produsen perangkat keras kuantum memiliki karakteristik noise yang berbeda, dan model open-source memungkinkan mereka untuk melakukan fine-tuning secara lokal dengan data mereka sendiri, sehingga meningkatkan kinerja sekaligus melindungi data propietaris.

CEO NVIDIA, Jensen Huang, menyatakan dengan lebih langsung. Dalam pernyataannya, ia mengatakan bahwa AI sedang menjadi lapisan kontrol untuk mesin kuantum, mengubah qubit yang rapuh menjadi sistem GPU kuantum yang dapat diskalakan dan andal.

Menurut pengungkapan NVIDIA, beberapa lembaga telah lebih dulu mengadopsi model Ising, termasuk Sekolah Teknik dan Ilmu Terapan Harvard, Laboratorium Akselerator Nasional Fermi, IQM Quantum Computers, Laboratorium Nasional Lawrence Berkeley, dan Laboratorium Fisika Nasional Inggris.

Pada hari peluncuran Ising, saham kuantum AS mengalami kenaikan kolektif. Menurut data Yahoo Finance, IonQ naik sekitar 18%, D-Wave Quantum naik sekitar 15%, dan Rigetti Computing naik sekitar 12%.

Laju kenaikan ini terjadi di tengah koreksi mendalam yang dialami saham kuantum sepanjang tahun ini. Hingga 14 April, IonQ turun sekitar 22%, D-Wave turun sekitar 35%, dan Rigetti turun sekitar 23%. Rebound dua digit pada hari tersebut tidak mengubah tren penurunan sepanjang tahun, tetapi tingkat pergerakan kolektifnya tetap menarik perhatian.

Perlu dicatat bahwa faktor pendorong gelombang pasar ini bukan hanya peluncuran Ising. Pada hari yang sama, IonQ mengumumkan kemajuan penting dalam jaringan kuantum dan kontrak dari DARPA, sementara Rigetti juga menerima pesanan senilai $8,4 juta dari Pusat Pengembangan Komputasi Tinggi India (C-DAC). Kombinasi beberapa katalis ini memperkuat efek sektor.

Analisis dari lembaga Resonance memprediksi bahwa pasar global komputasi kuantum akan melebihi $11 miliar pada tahun 2030. Laporan yang dirilis oleh Quantum Economic Development Consortium (QED-C) pada hari yang sama menyatakan bahwa pasar kuantum global pada tahun 2025 telah mencapai $1,9 miliar, dengan pertumbuhan karyawan perusahaan kuantum murni sebesar 14%.

Ising mengarah pada percepatan industri eksternal, sementara NVIDIA secara internal menggunakan AI untuk membentuk ulang proses desain chip-nya.

Dalam percakapan di GTC 2026 antara ilmuwan utama NVIDIA, William Dally, dan ilmuwan utama Google, Jeff Dean, beberapa kasus spesifik diungkapkan. Data paling mengejutkan berasal dari transplantasi perpustakaan sel standar: setiap kali NVIDIA beralih ke proses semikonduktor baru (misalnya, dari 7 nm ke 5 nm), diperlukan desain ulang dan penyesuaian sekitar 2.500 hingga 3.000 sel standar untuk proses baru, yang sebelumnya memerlukan 8 insinyur selama sekitar 10 bulan. NVIDIA mengembangkan alat pembelajaran penguatan bernama NVCell, yang kini dapat menyelesaikan tugas tersebut dalam semalam hanya dengan satu GPU, dengan hasil sel yang setara atau bahkan lebih unggul daripada desain manual dalam hal area, konsumsi daya, dan latensi.

Menurut Tom's Hardware, Dally menggambarkan proses ini seperti sebuah "game elektronik yang memperbaiki kesalahan aturan desain", yang merupakan jenis optimasi coba-coba yang menjadi kekuatan pembelajaran penguatan.

Pada tingkat abstraksi yang lebih tinggi, NVIDIA mengembangkan model bahasa besar khusus internal bernama Chip Nemo dan Bug Nemo. Model-model ini telah disesuaikan berdasarkan data propieter NVIDIA yang dikumpulkan selama 30 tahun, mencakup semua kode RTL, dokumen desain hardware, dan spesifikasi arsitektur GPU dalam sejarah perusahaan. Menurut Dally, insinyur tingkat pemula dapat langsung bertanya kepada Chip Nemo, menghemat waktu yang biasanya terbuang untuk mengganggu desainer senior. Ia menggambarkan Chip Nemo sebagai "seorang mentor yang sangat sabar".

Pada tingkat optimasi sirkuit, NVIDIA juga menerapkan pembelajaran penguatan pada masalah desain sirkuit klasik seperti rantai carry-lookahead. Dally menyatakan bahwa desain yang dihasilkan AI adalah "solusi aneh yang sama sekali tidak terpikirkan oleh manusia, tetapi kinerjanya 20% hingga 30% lebih baik daripada desain manusia."

Namun Dally juga secara jelas menetapkan batas harapan. Ia mengatakan bahwa ia sangat ingin mencapai status end-to-end, tetapi saat ini masih jauh dari tujuan tersebut.

Desain chip AI NVIDIA saat ini masih bersifat pendukung, bukan pengganti. AI memberikan kontribusi terpisah pada tahap-tahap seperti pemindahan sel standar, klasifikasi dan ringkasan bug, prediksi penempatan dan routing, serta eksplorasi ruang arsitektur, tetapi belum membentuk proses otomatisasi end-to-end yang lengkap. Arah jangka panjang yang dibayangkan Dally adalah model agen ganda, di mana sistem AI yang berbeda masing-masing bertanggung jawab atas berbagai tahap desain, mirip dengan pembagian tugas dalam tim teknik manusia.

Menurut Computer Weekly, Dally dan Dean juga membahas dampak agen AI terhadap alat perangkat lunak tradisional: ketika kecepatan operasi agen AI jauh lebih cepat daripada manusia, alat perangkat lunak tradisional yang dirancang untuk pengguna manusia akan menjadi bottleneck kinerja, sehingga memerlukan desain ulang mulai dari alat pemrograman hingga aplikasi bisnis.