Google dan AWS menggunakan PyTorch untuk menantang Nvidia
Google dan Amazon Web Services mempermudah pengembang menjalankan beban kerja PyTorch pada chip AI mereka sendiri, sekaligus menantang keunggulan perangkat lunak Nvidia. Google telah merilis TorchTPU untuk Tensor Processing Unit-nya sebagai sumber terbuka, sementara AWS meluncurkan beta publik TorchNeuron untuk akselerator Trainium. Kedua alat ini bertujuan mengurangi perubahan kode dan pekerjaan rekayasa yang diperlukan untuk memindahkan beban kerja AI dari GPU Nvidia ke perangkat keras alternatif.
Langkah ini menyoroti bagaimana kompatibilitas perangkat lunak menjadi bagian penting dalam persaingan chip AI. Nvidia masih unggul berkat GPU dan ekosistem CUDA-nya, tetapi Google dan AWS berharap alat PyTorch yang sudah familier akan membuat chip mereka lebih menarik dari segi biaya, ketersediaan, dan kinerja untuk beban kerja tertentu. Migrasi yang lebih mudah juga dapat memberi pelanggan cloud lebih banyak fleksibilitas serta meningkatkan persaingan dalam pelatihan dan inferensi AI.
Neutral
Pengumuman ini tidak memiliki kaitan langsung dengan aset kripto, jaringan blockchain, atau regulasi pasar kripto, sehingga dampak langsungnya terhadap perdagangan kemungkinan netral. Pengumuman tersebut tidak memberikan katalis yang jelas bagi perubahan fundamental Bitcoin atau token lainnya, dan harga kripto kemungkinan lebih dipengaruhi oleh faktor yang lebih luas seperti likuiditas, ekspektasi suku bunga, dan selera risiko.
Dalam jangka pendek, berita ini dapat menarik perhatian pada persaingan di bidang infrastruktur AI dan memengaruhi sentimen terhadap perusahaan teknologi atau saham terkait AI. Trader kripto terkadang menganggap kuatnya permintaan di sektor AI sebagai bagian dari narasi risk-on yang lebih luas, tetapi artikel ini saja kemungkinan tidak akan memicu pergerakan aset digital yang bertahan lama. Pengumuman serupa tentang chip AI khusus atau investasi cloud umumnya lebih berdampak pada valuasi perusahaan semikonduktor dan penyedia cloud daripada pada harga kripto secara langsung.
Dalam jangka panjang, komputasi AI yang lebih efisien dan mudah diakses dapat mendukung perluasan aplikasi AI, termasuk beberapa aplikasi yang bersinggungan dengan blockchain. Hal ini berpotensi menjadi dorongan tidak langsung bagi proyek kripto terkait AI, tetapi artikel tersebut tidak memberikan bukti adanya adopsi, pendapatan, atau permintaan token dalam waktu dekat. Karena itu, trader sebaiknya tidak menafsirkan perkembangan ini sebagai sesuatu yang otomatis positif atau negatif bagi kripto, dan sebaiknya memantau indikator pasar yang lebih luas serta hubungan terukur apa pun antara pertumbuhan infrastruktur AI dan aktivitas aset digital.