Baik penulis, Tim Fries, maupun situs web ini, The Tokenist, tidak memberikan nasihat keuangan. Harap periksa kebijakan situs web kami sebelum mengambil keputusan keuangan.
Di Pameran Elektronik Konsumen (CES) di Las Vegas, Nvidia menampilkan kemajuan di tiga kategori utama: gaming & grafis, kendaraan otonom, dan kecerdasan buatan & pusat data. Sebelumnya, kami membahas bagaimana Nvidia naik ke puncak dengan kunci AI yang tak terhindarkan, karena posisi perusahaan kini tampak semakin kokoh dengan platform Vera Rubin terbaru. Kali ini, kami mengkaji upaya Nvidia untuk mewujudkan mobil otonom. Bagaimana perbandingannya dengan kemajuan kendaraan otonom di Tiongkok?
Pengendalian End-to-End Nvidia atas Tumpukan AV
Persis seperti Nvidia menyediakan tumpukan AI lengkap untuk penerapan pusat data, hal yang sama berlaku untuk perlombaan mengemudi otonom. Dan dengan cara yang sama Nvidia bergantung pada pabrik TSMC untuk memproduksi chip yang dirancangnya, perusahaan lain, seperti Waymo dari Alphabet dan Tesla, semakin bergantung pada Nvidia sebagai pemasok kunci komponen mengemudi sendiri.
Hingga CES 2026 terbaru yang berakhir pada hari Jumat, Nvidia mengembangkan pilar-pilar mengemudi otonom berikut:
Platform Nvidia DRIVE AGX Hyperion – Menyediakan produsen mobil dengan arsitektur sensor dan komputasi yang siap produksi dan bersertifikat keselamatan. Dari kamera hingga lidar, komponen yang telah memenuhi syarat ini menurunkan biaya produsen mobil.
Nvidia DRIVE AGX Thor Compute – Sebagai peningkatan dari Orin, Thor menggunakan arsitektur GPU Blackwell dengan mesin AI generatif, yang 4-8x lebih efisien dalam komputasi. Thor menyatukan infotainment, fungsi kokpit dan mengemudi otonom menjadi satu model Visi-Bahasa-Tindakan (VLA) untuk otonomi L4.
Sistem Keamanan Nvidia Halos – Berkolaborasi dengan mitra seperti Bosch, Wayve, Omnivision, Continental, ANAB dan lainnya, Halos adalah kerangka kerja keamanan lengkap Nvidia yang mencakup desain chip hingga penerapan, termasuk laboratorium inspeksi yang terakreditasi dan program evaluasi bersertifikat.
Nvidia Omniverse – Sekumpulan pustaka yang memungkinkan untuk mensimulasikan kondisi sebagai kembaran digital dari dunia fisik, efektif memvalidasi pendekatan mengemudi sendiri untuk pelatihan. Mengingat miliaran kasus pinggiran yang mungkin ada, omniverse memungkinkan produsen mobil untuk memperhitungkannya dalam kota virtual yang akurat secara fisika yang menjalankan kendaraan, sensor, pejalan kaki, cuaca, lalu lintas, dan faktor lainnya.
Singkatnya, Nvidia mengejar pendekatan Google yang sangat berhasil untuk menyebarluaskan Android, tetapi di lapisan infrastruktur yang lebih dalam. Seperti Google menstandarisasi API dan alat untuk OEM seperti Samsung untuk membedakan diri mereka, Android memenangkan perlombaan OS mobile, saat ini berada di sekitar 71% pangsa pasar.
Dengan cara yang sama, Nvidia sudah menjadi substrat AI default yang menstandarisasi simulasi, pelatihan, dan penerapan untuk kendaraan otonom (AV). Dan tidak hanya ada tumpukan perangkat lunak penuh dengan Omniverse/DRIVE/CUDA, tetapi juga tumpukan perangkat keras yang dengan sempurna melengkapi perangkat lunak dan sertifikasi.
Penetrasi Nvidia lebih dalam, karena memvalidasi otonomi dari awal akan sangat mahal. Begitu berada dalam ekosistem ini, keluar dari situ akan tidak rasional. Selain itu, tidak ada perusahaan lain yang menyediakan suite layanan yang begitu komprehensif. Pengumuman AV terbaru dari CES 2026 hanya mengonfirmasi trajektori ini.
Bergabunglah dengan grup Telegram kami dan jangan lewatkan cerita aset digital terbaru.
Nvidia Mengatasi Masalah Kotak Hitam AI
Sejauh ini, Nvidia telah menyediakan GPU untuk pelatihan, Omniverse untuk simulasi, DRIVE untuk inferensi dan alat keselamatan untuk validasi. Meskipun sudah mengesankan, tumpukan ini masih kurang satu aspek. Di CES 2026, Nvidia mengumumkan model Alpamayo sumber terbuka untuk mengatasinya.
Pertama, apa masalah mendasar untuk mengemudi otonom?
Ketika orang-orang menggunakan model bahasa besar (LLM), mereka mungkin merasa seolah-olah mereka berinteraksi dengan entitas yang berpikir. Namun, di balik lapisan ilusi itu (yang dibahas oleh Apple) adalah model pembelajaran mesin probabilistik yang menghitung kemungkinan setiap kata berikutnya yang mungkin dalam kamus. Kata berikutnya dipilih berdasarkan pola selama pelatihan.
LLM hanya sebagian deterministik dalam arti mereka dapat membangun keluaran berdasarkan pencarian internet atau saat menjalankan masalah pengkodean. Dengan kata lain, jika AI menghadapi masalah yang tidak cukup terwakili dalam data pelatihan, seperti mengemudi dalam kondisi lingkungan baru, biasanya ia akan menciptakan jawaban secara confabulasi.
Bahkan jika merasakan objek yang terdegradasi, manusia dapat melihat petunjuk halus untuk mengidentifikasinya dengan benar. Sebaliknya, AI mungkin mendeteksi pola piksel yang tidak selaras untuk apa yang seharusnya menjadi tanda "berhenti" dan sepenuhnya salah mengartikan.
Dengan kata lain, tidak mengetahui apa itu tanda berhenti sebenarnya, seperti yang dilakukan manusia, merupakan masalah "Kotak Hitam" bagi AI. Sejauh ini, pendekatan kekuatan kasar telah digunakan terutama untuk mengatasinya, menuntut biaya komputasi yang semakin tinggi dan pembangunan pusat data.
Langkah selanjutnya dalam menyelesaikan masalah Kotak Hitam AI, untuk tujuan mengemudi otonom, adalah keluarga model AI baru Alpamayo dari Nvidia, alat, dan dataset. Sebagai model visi-bahasa-tindakan (VLA) besar, Alpamayo 1 tidak hanya bereaksi terhadap pola tetapi juga memberikan penalaran rantai penyebab untuk setiap tindakan yang diambil.
Bersama dengan AlpaSim sumber terbuka dan Dataset AI Fisik Terbuka, produsen mobil memiliki lebih banyak alat daripada sebelumnya untuk membuat mengemudi sendiri semenarik dan seaman mungkin.
“Alpamayo menciptakan peluang baru yang menarik bagi industri untuk mempercepat AI fisik, meningkatkan transparansi dan meningkatkan penerapan level 4 yang aman.”
Sarfraz Maredia, kepala mobilitas otonom dan pengiriman di Uber
CEO Nvidia Jensen Huang menyebut peluncuran Alpamayo sebagai "momen ChatGPT untuk AI fisik". Namun, tidak seperti OpenAI yang menghadapi banyak pesaing, dapat dikatakan bahwa Nvidia berada dalam posisi yang lebih unggul di masa depan sebagai tumpukan infrastruktur perangkat lunak/perangkat keras.
Dapatkah China Mengancam Tumpukan AI Nvidia?
Menurut data Counterpoint bulan Desember untuk Q3 2025, Grup Geely Holding China adalah pemasok EV dominan di dunia, dengan pangsa pasar 61%. BYD Auto China berada di angka 16%, meninggalkan Tesla dengan pangsa pasar EV global 13%.
Menariknya, Waymo dari Alphabet menggunakan platform EV Zeekr, sebagai salah satu anak perusahaan di dalam Geely Holding Group. Sebelumnya, kami sampai pada kesimpulan bahwa Tesla lebih mungkin memenangkan perlombaan robotaxi karena pendekatan yang lebih terintegrasi dan pengendalian platform.
Namun, jelas bahwa China telah menguasai ekonomi skala, yang semakin didorong dengan tidak menghabiskan energi pada konflik rasial yang menghantui Barat. Contoh yang jelas, investor harus mempertimbangkan tingkat kejahatan perkotaan saat mempertimbangkan eksposur terhadap perusahaan seperti Serve Robotics (SERV).
Tanpa fragmentasi sosial seperti itu, boleh dikatakan bahwa China lebih fokus dan teratur. Pada tahun 2024, lebih dari 60% mobil baru yang dijual di daratan China sudah memiliki beberapa tingkat kemampuan mengemudi sendiri.
Meskipun ada kontrol ekspor pada chip AI, China juga membangun industri otonomnya berdasarkan Nvidia. Namun, permusuhan geopolitik yang dikatakan membuat sektor otonom China semakin terdiversifikasi, sementara solusi rumit harus diambil untuk memperoleh chip AI yang lebih kuat seperti Blackwell.
Secara keseluruhan, penyedia AI tumpukan penuh China berasal dari perusahaan-perusahaan berikut:
Baidu menyediakan peta definisi tinggi, algoritma, dan sistem operasi dalam mobil DuerOS, yang memiliki kemampuan percakapan AI dan unifikasi mengemudi sendiri yang lebih luas. Baidu berkolaborasi erat dengan Geely, Chery, dan GAC untuk membangun armada robotaxi Apollo Go. Pada pertengahan 2025, Baidu telah mengerahkan lebih dari 1.000 robotaxi, membuatnya sedikit lebih unggul dari Waymo dan Tesla.
Di sisi perangkat keras, Huawei bekerja untuk mengeluarkan China dari ekosistem Nvidia dengan prosesor AI Ascend dan Sistem Mengemudi Otonom (ADS), yang merupakan pengganti untuk FSD Tesla. Di atas ini, Huawei mengembangkan chipset 5G Balong 5000 untuk komunikasi V2X dan sistem LiDAR. Jawaban Huawei untuk kerangka kerja Nvidia adalah MindSpore sumber terbuka, tetapi kemungkinan besar akan terikat di China.
Di antara perusahaan-perusahaan notable lainnya, Pony.AI dan WeRide fokus pada tumpukan perangkat lunak penuh untuk peluncuran otonom level 4 untuk transportasi penumpang dan kargo. Melengkapi mereka adalah Horizon Robotics dengan NPU (Pengolah Jaringan Saraf) miliknya, serta Teknologi Hesai dan RoboSense untuk sensor LiDAR.
Meskipun lebih terdiversifikasi, ekosistem otonom China berkolaborasi dengan erat di semua tingkatan. Ini kemungkinan merupakan artefak dari kelas politik negara yang berada di atas kelas pedagangnya, seperti yang dibuktikan oleh ketidakhadiran pendiri Alibaba Jack Ma dari sorotan publik.
Ketika berbicara tentang skala jangka panjang, ADS China mirip dengan Waymo dalam hal bergantung pada lidar dan pemetaan pra. Dengan demikian, sebagian besar laporan menunjukkan pendekatan FSD Tesla (hanya visi) lebih baik dalam menangani berbagai skenario, sementara ADS Huawei lebih cocok untuk lingkungan perkotaan yang dilokalisasi yang ditutupi oleh pemetaan presisi tinggi dan bandwidth lokal yang lebih padat.
Akibatnya, ini membuat Tesla lebih cocok secara global, seperti yang kami simpulkan sebelumnya.
Garis Bawah
Sebagai kesimpulan, meskipun chip Ascend Huawei sebanding dengan chip H100 Nvidia yang lebih tua, China masih tertinggal dari Blackwell, sementara Nvidia sudah bergerak lebih jauh dengan Vera Rubin. Di atas kesenjangan perangkat keras ini, platform CUDA Nvidia memiliki lebih dari dua dekade loyalitas dan optimasi pengembang.
Dengan peluncuran Alpamayo sumber terbuka, MindSpore sumber terbuka dari Huawei kemungkinan tidak akan memberikan dampak besar bahkan di dalam perusahaan AI yang dimiliki China. Secara keseluruhan, ini membuat perangkat keras dan perangkat lunak Nvidia sangat substansial dan terjaga.
Mengingat bahwa ekonomi robotaxi dan mengemudi sendiri baru mulai meningkat, kemungkinan besar Nvidia akan melihat valuasi jauh melampaui $5 triliun pada tahun 2030.
Penyangkalan: Penulis tidak memiliki atau memiliki posisi dalam sekuritas yang dibahas dalam artikel ini. Semua harga saham dikutip pada saat penulisan.
Postingan Bagaimana Nvidia Mengencangkan Cengkeramannya pada Tumpukan Kendaraan Otonom muncul pertama kali di Tokenist.