KANAL TEKNOLOGI – Produk paling penting NVIDIA mungkin bukan GPU yang bentuknya bisa dilihat dan dipasang di server. Bukan pula chip Blackwell atau sistem komputer AI yang harganya bisa mencapai jutaan dolar.
Ada satu produk lain yang jauh lebih sulit dilihat, tetapi justru menjadi salah satu alasan mengapa dunia AI begitu bergantung pada NVIDIA. Namanya CUDA.
CUDA merupakan platform komputasi paralel NVIDIA yang memungkinkan pengembang memanfaatkan GPU untuk mengerjakan berbagai tugas komputasi, bukan hanya grafis. NVIDIA memperkenalkan CUDA pada 2006, ketika kecerdasan buatan generatif seperti sekarang bahkan belum menjadi industri besar.
Hampir 20 tahun kemudian, keputusan tersebut berubah menjadi salah satu moat teknologi atau benteng bisnis paling kuat di industri teknologi.
Menariknya, CUDA bukan produk yang dijual seperti GPU. Pengembang dapat menggunakan platform tersebut, sementara NVIDIA memperoleh nilai ekonomi terutama dari ekosistem hardware dan software yang dibangun di sekelilingnya. Di sinilah kecerdikan strategi NVIDIA terlihat.
Berawal dari Pertanyaan Sederhana
Pada awal berdirinya, NVIDIA merupakan perusahaan yang berfokus pada teknologi grafis. Pada 1999, perusahaan memperkenalkan istilah GPU atau graphics processing unit, yang kemudian menjadi fondasi bagi perkembangan komputasi paralel modern.
GPU memiliki karakteristik berbeda dengan CPU. CPU dirancang untuk menangani sejumlah kecil pekerjaan yang kompleks secara cepat. Sementara GPU memiliki sangat banyak unit pemrosesan yang dapat mengerjakan pekerjaan secara paralel.
Awalnya kemampuan tersebut digunakan terutama untuk membuat gambar dan menjalankan video game. Namun NVIDIA melihat potensi yang jauh lebih besar.
Jika GPU mampu mengerjakan ribuan operasi matematika secara paralel, mengapa kemampuan itu hanya digunakan untuk menghasilkan gambar? Dari pertanyaan tersebut lahirlah CUDA.
Pada November 2006, NVIDIA memperkenalkan CUDA sebagai platform yang memungkinkan GPU digunakan untuk general-purpose computing.
Keputusan itu pada awalnya terlihat seperti investasi jangka panjang. Tidak ada ChatGPT. Tidak ada ledakan model bahasa besar. Tidak ada pusat data AI bernilai puluhan miliar dolar.
Tetapi NVIDIA sedang membangun sesuatu yang kelak menjadi fondasi industri tersebut.
CUDA Bukan Sekadar Bahasa Pemrograman
Kesalahan paling umum adalah menganggap CUDA hanya sebagai bahasa pemrograman. Padahal CUDA sekarang merupakan bagian dari full-stack computing platform NVIDIA.
Dalam laporan tahunannya, NVIDIA menyebut teknologi stack tersebut mencakup CUDA sebagai fondasi, kemudian ratusan library khusus, framework, algoritma, software development kit atau SDK, serta application programming interface atau API.
Secara sederhana, ekosistem itu bekerja seperti sebuah piramida.
GPU NVIDIA > CUDA > CUDA-X dan berbagai library > Compiler, driver dan development tools > Framework AI dan berbagai software > Aplikasi > Perusahaan dan pusat data.
Semakin tinggi seseorang masuk ke dalam ekosistem tersebut, semakin besar pula biaya untuk berpindah ke platform kompetitor. Itulah inti kekuatan CUDA.
Mengapa Kompetitor Tidak Tinggal Membuat CUDA Baru?
Secara teori, kompetitor tentu bisa. AMD memiliki ROCm. Google mengembangkan TPU dan software stack sendiri.
Amazon mengembangkan chip AI seperti Trainium. Berbagai perusahaan lain juga membuat accelerator khusus. Jadi CUDA bukan satu-satunya platform komputasi AI. Persoalannya adalah waktu.
CUDA telah dikembangkan sejak 2006. Selama bertahun-tahun, jutaan developer belajar menggunakannya. Berbagai perusahaan membangun aplikasi di atasnya. Peneliti menggunakan CUDA untuk eksperimen. Universitas mengajarkannya. Library dioptimalkan untuk GPU NVIDIA.
NVIDIA mengatakan sekitar 6 juta developer di lebih dari 200 negara telah menggunakan CUDA, sementara ekosistem CUDA-X telah berkembang menjadi lebih dari 900 library dan model AI menurut materi perusahaan pada GTC 2025. Angka tersebut menciptakan sebuah efek yang sulit ditiru.
Semakin banyak developer menggunakan CUDA, semakin banyak software yang kompatibel dengan GPU NVIDIA.
Semakin banyak software yang tersedia, semakin menarik GPU NVIDIA bagi perusahaan. Semakin banyak perusahaan menggunakan GPU NVIDIA, semakin banyak developer yang memiliki alasan untuk mempelajari CUDA.
Terbentuklah sebuah lingkaran.
Developer → software → pengguna → permintaan GPU → developer.
Inilah ‘Pabrik’ CUDA
CUDA tidak mempunyai lini produksi seperti pabrik mobil atau chip. Lini produksinya justru berupa proses teknologi yang berlangsung terus-menerus. NVIDIA mengembangkan arsitektur GPU baru. Kemudian software stack disesuaikan dengan arsitektur tersebut. Compiler diperbarui. Driver diperbarui. Library dioptimalkan. Framework AI diintegrasikan. Developer menggunakan kemampuan tersebut.
Kemudian NVIDIA mengumpulkan pengalaman dari seluruh ekosistem untuk membangun generasi berikutnya. Karena itu, CUDA sebenarnya bukan sebuah produk tunggal.
Ia lebih mirip infrastruktur digital yang menghubungkan hardware dengan software. NVIDIA sendiri menggambarkan CUDA sebagai fondasi dari accelerated computing platform mereka, dengan CUDA-X dan berbagai library di atasnya.
Dari CUDA ke Ledakan AI
Keputusan NVIDIA pada 2006 baru benar-benar menunjukkan nilainya beberapa tahun kemudian. Pada 2012, sebuah neural network bernama AlexNet menggunakan GPU NVIDIA untuk memenangkan kompetisi ImageNet secara spektakuler.
Peristiwa tersebut menjadi salah satu tonggak penting kebangkitan deep learning modern. NVIDIA mencatat bahwa AlexNet dilatih menggunakan sekitar satu juta gambar dan menghasilkan lompatan besar dibanding pendekatan sebelumnya.
Saat itu, NVIDIA sudah memiliki sesuatu yang sangat berharga. GPU mereka sudah mampu melakukan komputasi paralel. CUDA sudah tersedia. Developer sudah mulai menggunakannya. Library mulai berkembang.
Ketika deep learning berkembang pesat, NVIDIA tidak perlu menciptakan ekosistem dari nol. Infrastruktur tersebut sudah dibangun selama bertahun-tahun. Kemudian datang era transformer, large language model, generative AI dan akhirnya ChatGPT.
Permintaan komputasi melonjak. Dan NVIDIA berada di posisi yang sangat siap.
Dominasi Pasar Tidak Hanya Berasal dari Chip
Keunggulan NVIDIA dalam AI kemudian tidak lagi sekadar mengenai siapa yang membuat GPU tercepat. Perusahaan mulai menjual platform lengkap. GPU, CPU, Networking, NVLink, Server, Software, CUDA, Library. AI framework. Dan berbagai sistem untuk data center.
Dalam laporan tahunannya, NVIDIA menyebut dirinya telah berubah menjadi perusahaan infrastruktur AI berskala data center, dengan CUDA sebagai salah satu fondasi utama technology stack tersebut. Hasilnya terlihat pada angka bisnis.
Pada tahun fiskal 2026, NVIDIA mencatat pendapatan US$215,9 miliar, naik 65 persen dibandingkan tahun sebelumnya. Gross margin perusahaan mencapai 71,1 persen. Yang paling besar adalah bisnis Data Center.
Pada kuartal pertama fiskal 2027, NVIDIA mencatat pendapatan Data Center sebesar US$75,2 miliar, naik 92 persen dibandingkan periode yang sama tahun sebelumnya. Tetapi ada satu hal yang harus digarisbawahi, angka tersebut bukan pendapatan CUDA. NVIDIA tidak melaporkan pendapatan CUDA secara terpisah.
CUDA adalah bagian dari ekosistem yang membantu membuat hardware dan platform NVIDIA lebih bernilai. Dengan kata lain, CUDA tidak perlu dijual seharga miliaran dolar agar menghasilkan nilai miliaran dolar.
Ia membuat produk utama NVIDIA menjadi jauh lebih sulit digantikan.
CUDA Menciptakan ‘Biaya Pindah’
Bayangkan sebuah perusahaan AI memiliki ribuan GPU NVIDIA dan sudah bertahun-tahun membangun sistem menggunakan CUDA. Kemudian datang kompetitor dengan GPU yang lebih murah. Secara teori perusahaan tersebut bisa pindah.
Namun kenyataannya tidak sesederhana mencabut GPU lama dan memasang GPU baru.
Perusahaan mungkin harus, menulis ulang sebagian kode, mengganti library, mengoptimalkan ulang model, melakukan pengujian, melatih engineer, mengubah sistem deployment, memastikan performa tetap sama dan mengatasi berbagai masalah kompatibilitas.
Semua itu membutuhkan waktu dan uang. Inilah yang disebut switching cost. NVIDIA tidak harus melarang pelanggan membeli produk kompetitor. Cukup membuat ekosistemnya sangat nyaman sehingga meninggalkannya menjadi mahal dan berisiko.
NVIDIA Tidak Membuat Semuanya Sendiri
Ada ironi menarik dalam model NVIDIA. Perusahaan tersebut memiliki teknologi yang sangat kuat, tetapi bukan berarti NVIDIA membuat seluruh komponen produknya sendiri. Justru kekuatannya terletak pada kemampuan menggabungkan berbagai teknologi menjadi sebuah sistem.
GPU, networking, software, library, sistem server dan berbagai komponen lainnya dirancang agar bekerja sebagai satu platform. Karena itu, kompetitor tidak cukup hanya membuat GPU yang lebih cepat. Mereka harus mengejar seluruh stack. Itulah yang jauh lebih sulit.
Berapa Nilai Ekonomi CUDA?
Tidak ada angka resmi yang mengatakan CUDA menghasilkan US$X miliar laba tahun ini. Karena NVIDIA tidak memisahkan pendapatan CUDA sebagai lini bisnis tersendiri. Namun nilai strategisnya dapat dilihat dari tempat CUDA berada dalam bisnis NVIDIA.
Pada tahun fiskal 2026, NVIDIA menghasilkan US$215,9 miliar pendapatan dan sekitar US$120,1 miliar laba bersih. Sementara pada kuartal pertama fiskal 2027, pendapatan Data Center sudah mencapai US$75,2 miliar dalam satu kuartal. Maka akan keliru jika seluruh angka tersebut disebut sebagai ‘uang dari CUDA’. Tetapi juga sulit mengabaikan hubungan antara keduanya.
CUDA membantu membuat GPU NVIDIA lebih bernilai. GPU membuat CUDA semakin banyak digunakan. CUDA membuat developer semakin terikat dengan GPU NVIDIA. Keduanya kemudian membentuk sebuah ekosistem.
Inilah Rahasia Bisnis NVIDIA
Kalau NVIDIA hanya menjual GPU, kompetitor mungkin cukup membuat GPU yang lebih murah atau lebih cepat. Tetapi NVIDIA menjual sesuatu yang lebih besar. Mereka menjual sebuah ekosistem. Dan ekosistem membutuhkan waktu sangat panjang untuk dibangun.
Itulah mengapa CUDA jauh lebih menarik daripada sekadar sebuah teknologi yang dilindungi paten. Paten bisa berakhir. Produk bisa ditiru. Chip bisa dikejar. Tetapi ekosistem yang telah dibangun selama hampir dua dekade jauh lebih sulit disalin.
Kompetitor bukan hanya harus membuat software yang setara dengan CUDA. Mereka harus mengejar jutaan developer, ribuan aplikasi, ratusan library, pengalaman engineering, dokumentasi, integrasi dengan framework, kompatibilitas, serta seluruh kebiasaan industri yang telah terbentuk selama bertahun-tahun.
NVIDIA Menang Bukan Karena CUDA Tidak Bisa Ditiru
Pada akhirnya, inilah pelajaran terbesar dari CUDA. NVIDIA tidak menciptakan teknologi yang secara matematis mustahil ditiru. Kompetitor bisa membuat platform alternatif. AMD sudah melakukannya. Google dan Amazon juga membangun platform mereka sendiri.
Yang dilakukan NVIDIA jauh lebih cerdik. Mereka membuat teknologi tersebut lebih dulu, menyebarkannya luas, membuat developer nyaman, membangun library, mengintegrasikan framework, kemudian menghubungkannya dengan hardware yang terus berkembang.
Hasil akhirnya adalah sebuah benteng. Bukan benteng yang dibangun dari tembok. Melainkan dari kode, developer, library, aplikasi, pengalaman, kompatibilitas dan biaya untuk pindah. Dan ketika dunia akhirnya membutuhkan komputasi AI dalam skala yang belum pernah terjadi sebelumnya, NVIDIA sudah berada di sana.
CUDA telah menunggu hampir 20 tahun. Itulah sebabnya kisah CUDA bukan sekadar cerita tentang software. Ini adalah cerita tentang bagaimana sebuah perusahaan menciptakan teknologi yang hampir tidak perlu dijual untuk menghasilkan nilai ekonomi luar biasa, karena teknologi tersebut membuat seluruh produk di sekelilingnya menjadi jauh lebih sulit ditinggalkan.
Penulis : Achmad Udin
Editor : MAD
