Ketergantungan Nvidia pada komputasi AI telah lama didasarkan pada dua pilar: perangkat keras dan perangkat lunaknya. GPU mendapatkan semua perhatian, tetapi keterikatan sebenarnya datang dari CUDA, platform pemrograman propietari yang menjadi dasar alur kerja jutaan pengembang. OpenAI kini langsung menyerang pilar kedua tersebut.
Perusahaan sedang mempersiapkan peluncuran alat yang dirancang untuk memungkinkan model AI berjalan pada perangkat keras selain Nvidia, memanfaatkan bahasa open-source Triton sebagai alternatif yang layak untuk CUDA.
Evolusi diam Triton
Triton bukanlah hal baru. OpenAI pertama kali merilisnya pada Juli 2021 sebagai bahasa open-source untuk menulis kernel GPU berkinerja tinggi dalam Python. Tujuannya sederhana. CUDA kuat tetapi terkenal sangat kompleks. Triton bertujuan untuk memberikan kinerja yang sebanding dengan kode yang jauh lebih mudah diakses oleh pengembang rata-rata.
Sejak itu, proyek ini terus mendapatkan perhatian. Kini ia berfungsi sebagai backend untuk kerangka kerja populer seperti PyTorch. Versi terbaru, Triton 3.7, dirilis pada 2026, menandakan bahwa OpenAI tidak memperlakukan ini sebagai proyek sampingan.
Permainan diversifikasi perangkat keras
Dorongan perangkat lunak OpenAI tidak ada dalam ruang hampa. Perusahaan telah secara aktif mengeksplorasi alternatif selain chip Nvidia sejak 2025, sebagian didorong oleh ketidakpuasan terhadap beberapa chip inferensi Nvidia. Inferensi adalah proses menjalankan model AI yang telah dilatih, bukan melatihnya dari awal.
Perusahaan mengumumkan kemitraan dengan AMD yang mencakup kapasitas komputasi berbasis AMD sebesar 6 GW. OpenAI menggambarkan ini sebagai tambahan terhadap keterlibatan existing mereka dengan Nvidia, bukan pengganti.
Di luar AMD, OpenAI telah berkomunikasi dengan startup seperti Cerebras dan Groq, yang keduanya telah merancang chip khusus yang dioptimalkan untuk beban inferensi. Perusahaan juga sedang mengembangkan chip inferensi AI khusus bersama Broadcom, dengan rencana produksi yang tercatat untuk tahun 2026.
Apa artinya ini bagi para investor
Ekosistem CUDA Nvidia memiliki jutaan pengembang, pengetahuan institusional bertahun-tahun, dan integrasi mendalam ke hampir setiap kerangka kerja AI utama.
AMD telah meningkatkan platform ROCm-nya untuk meningkatkan kompatibilitas dengan beban kerja AI. Proyek terbuka seperti ZLUDA telah muncul untuk menerjemahkan kode CUDA agar dapat berjalan di perangkat keras selain Nvidia. Dan sekarang, konsumen komputasi AI terbesar di dunia secara aktif sedang membangun alat-alat untuk membuat keunggulan perangkat lunak Nvidia menjadi kurang relevan.
Untuk AMD dan ekosistem chip alternatif yang lebih luas, langkah-langkah OpenAI mewakili titik balik potensial. Hambatan terbesar dalam adopsi perangkat keras selain Nvidia selalu merupakan kompatibilitas perangkat lunak. Jika Triton berkembang menjadi standar lintas platform yang nyata, hal ini menghilangkan keberatan terbesar yang dimiliki pengembang AI ketika mempertimbangkan AMD atau silikon khusus.