Bagaimana Chip AI Seperti GPU Nvidia Dirancang dan Diproduksi

Saham Nvidia jatuh lebih dari 3% pada hari Rabu di Oktober 2026 dan slip lebih lanjut dalam perdagangan pra-pasar hari berikutnya, karena pembacaan inflasi AS yang lebih tinggi dari yang diharapkan mendorong imbal hasil obligasi naik dan memicu penjualan yang lebih luas di saham chip, menurut Yahoo Finance. Laporan yang sama mengatakan penyedia cloud CoreWeave jatuh lebih dari 16% karena kekhawatiran tentang beban utangnya, bahwa Marvell Technology dan SK Hynix juga jatuh di tengah kekhawatiran terpisah tentang persaingan Cina, dan bahwa investor menunggu hasil triwulanan TSMC, yang diharapkan menunjukkan kenaikan laba 60%.

Penjualan terkait dengan kekhawatiran tingkat suku bunga dan utang daripada perubahan dalam cara chip AI dibuat atau dijual. Namun, hal ini telah menarik perhatian baru terhadap industri di balik chip itu sendiri — proses yang terbagi antara dua bisnis yang sangat berbeda: merancang chip, dan membuatnya.

Desain: menggambar sirkuit sebelum apa pun dibangun

Perusahaan seperti Nvidia tidak mengoperasikan pabrik chip mereka sendiri. Dengan model 'fabless', Nvidia merancang arsitektur chip dan perangkat lunak — seperti platform CUDA-nya — dan bergantung pada foundry eksternal untuk produksi, menurut Institute for AI Policy and Strategy (IAPS). The Motley Fool menggambarkan GPU Nvidia sebagai perangkat keras yang melakukan pekerjaan pelatihan dan inferensi di balik model AI.

IAPS menjelaskan bahwa desain chip dimulai dengan persyaratan tingkat tinggi, yang diubah oleh arsitek menjadi logika sirkuit terperinci menggunakan perangkat lunak electronic design automation (EDA). Desainer baik membangun komponen dari awal atau melisensikan 'inti IP' yang sudah jadi, kemudian mensimulasikan dan secara formal memverifikasi desain sebelum diterjemahkan ke file manufaktur yang cocok dengan proses foundry tertentu. IAPS menyatakan bahwa 'desain chip adalah proses yang sulit dan lambat,' mencatat bahwa desainer seperti Nvidia dan AMD mempekerjakan puluhan ribu orang dan bahwa mendesain chip AI mutakhir dapat memakan waktu satu tahun atau lebih.

Manufaktur: ratusan langkah di wafer silikon

Setelah desain selesai, itu bergerak ke foundry — paling sering Taiwan TSMC untuk chip AI paling canggih. Manufaktur dimulai dengan wafer silikon 300mm yang sangat murni dan serangkaian photomask yang mengkodekan pola sirkuit, per IAPS. Membangun chip itu sendiri melibatkan ratusan langkah berulang: mengendapkan lapisan material, mencorak mereka dengan photoresist sensitif cahaya yang terbuka melalui mask (photolithography), doping bagian dengan implantasi ion untuk mengatur properti listrik mereka, memoles permukaan datar, dan menambahkan lapisan logam untuk mengkabel komponen bersama.

Langkah litografi bergantung pada mesin extreme ultraviolet (EUV) yang dibuat secara eksklusif oleh perusahaan Belanda ASML. Melaporkan hasil kuartal ketiga 2026 pada 14 Oktober, ASML mengatakan penjualan mencapai €11,7 miliar, naik 55% year-on-year, dengan laba bersih lebih dari dua kali lipat menjadi €5 miliar, menurut Euronews. Terlepas dari penjualan rekor dan outlook 2026 yang ditingkatkan, ASML mengatakan peningkatan kapasitas 30%-per-tahun yang direncanakan untuk 2027 dan 2028 masih belum akan cukup untuk memenuhi pesanan pelanggan. CEO ASML Christophe Fouquet mengatakan pelanggan sekarang memesan mesin bertahun-tahun sebelumnya.

Pengemasan telah menjadi hambatan baru

Setelah wafer difabrikasi, dipotong menjadi dies individual, diuji, dan dirakit menjadi paket yang sudah jadi — tahap yang IAPS sebut Assembly, Test dan Packaging (ATP). Untuk chip AI, langkah ini sekarang sama pentingnya dengan fabrikasi itu sendiri. TSMC menggunakan teknik yang disebut Chip-on-Wafer-on-Substrate (CoWoS) untuk menumpuk die processor bersama dengan beberapa tumpukan memori bandwidth tinggi pada satu interposer, yang IAPS katakan TSMC terapkan pada chip H100 Nvidia. Pengumuman roadmap Oktober 2026 TSMC sendiri, mencakup node produksi A13 generasi berikutnya dan pengemasan CoWoS yang diperluas, mengatakan format CoWoS 'ukuran 14-reticle' di masa depan akan mengintegrasikan kira-kira sepuluh dies komputasi besar dengan sekitar 20 tumpukan memori HBM pada 2028.

Pengumuman roadmap TSMC sendiri menggambarkan pengemasan advanced CoWoS sebagai berkembang untuk memenuhi permintaan yang didorong AI, bergerak menuju format 14-reticle pada 2028 dan ekspansi lebih lanjut pada 2029. Lintasan itu menunjukkan perubahan yang lebih luas di seluruh rantai pasokan chip AI — dari fabrikasi silikon menuju pengemasan sebagai hambatan yang berkembang — bahkan ketika ASML, pembuat alat litografi daripada peralatan pengemasan, terus melaporkan permintaan rekor untuk mesinnya.

AI juga digunakan untuk membangun chip

Nvidia dan TSMC telah mulai menerapkan alat AI di dalam proses manufaktur itu sendiri. Menurut pengumuman Nvidia sendiri, TSMC menggunakan perangkat lunak cuLitho Nvidia untuk mempercepat litografi komputasional — perhitungan yang diperlukan untuk merancang photomask — memberikan apa yang Nvidia jelaskan sebagai peningkatan 20–50% dalam cost-effectiveness atau cycle time dibandingkan dengan metode berbasis CPU. Perusahaan juga menjelaskan menggunakan perpustakaan cuEST Nvidia untuk simulasi kimia, alat vision-AI untuk deteksi cacat di lini produksi, dan proyek pabrik virtual tahap awal yang disebut 'FabTwin,' dibangun di platform Omniverse Nvidia, untuk menguji tata letak fab sebelum dibangun.

Desain alternatif untuk GPU standar

Tidak setiap perusahaan mengikuti arsitektur Nvidia. The Motley Fool melaporkan bahwa Cerebras Systems membangun satu chip raksasa — Wafer-Scale Engine-nya — yang digambarkan sebagai 58 kali lebih besar dari GPU B200 Nvidia, menggabungkan jumlah besar komputasi dan memori pada satu sepotong silikon daripada menghubungkan banyak chip yang lebih kecil bersama-sama. Cerebras mengatakan desain ini menghasilkan kecepatan inferensi hingga 15 kali lebih cepat dari sistem berbasis GPU untuk beberapa beban kerja, pendekatan yang Fool bingkai sebagai tantangan desain langsung terhadap posisi dominan Nvidia dalam perangkat keras AI.