Courtesy of SCMP

Startup AI China Ciptakan Algoritma Efisien Hadapi Krisis Chip Global

Mengembangkan arsitektur algoritma AI yang lebih efisien untuk mengatasi keterbatasan chip dan menjaga daya saing startup AI China terhadap kompetitor Barat.

12 Nov 2025, 21.00 WIB

75 dibaca

Ikhtisar 15 Detik

Start-up AI di China berupaya mengatasi keterbatasan perangkat keras dengan inovasi algoritma.
Teknik perhatian hibrida dapat meningkatkan efisiensi dalam model bahasa besar.
Moonshot AI memperkenalkan Kimi Linear sebagai solusi untuk tantangan dalam pengembangan AI.

Beijing, China - Saat dunia menghadapi kekurangan chip canggih, startup AI di China menemukan jalan baru demi mengembangkan teknologi yang tetap maju. Mereka tidak hanya mengandalkan hardware kuat, namun mulai berinovasi di sisi algoritma agar teknologi AI bisa berjalan lebih efisien dan hemat energi.

Fokus para pengembang ini adalah pada mekanisme 'attention', yang memungkinkan AI memproses dan mengingat informasi dalam model bahasa besar. Mekanisme ini menjadi sangat berat ketika data yang diolah semakin banyak, sehingga memerlukan daya komputasi yang besar.

Untuk mengatasi hal ini, beberapa startup mulai memakai metode hybrid yang disebut linear attention. Teknik ini hanya membandingkan sebagian token data, bukan seluruhnya, sehingga beban komputasi menjadi jauh lebih rendah dan lebih optimal.

Moonshot AI, salah satu startup terkemuka, baru-baru ini meluncurkan produk bernama Kimi Linear. Produk ini menggunakan teknik baru bernama Kimi Delta Attention (KDA) yang menggabungkan metode full attention dan linear attention untuk hasil terbaik.

Dengan inovasi seperti ini, startup AI di China bisa tetap bersaing secara global meskipun dalam keterbatasan akses hardware modern. Teknik tersebut juga membuka peluang baru bagi pengembangan AI yang lebih murah dan efisien di masa depan.

Referensi:
[1] https://www.scmp.com/tech/tech-trends/article/3332507/attention-deficit-reorder-how-chinas-ai-start-ups-are-rewiring-way-models-remember?module=top_story&pgtype=section

Analisis Ahli

Andrew Ng

"Memperbaiki efisiensi algoritma adalah langkah strategis penting di tengah kelangkaan chip. Ini membantu memperluas akses AI canggih ke lebih banyak pengembang dan perusahaan."

Yann LeCun

"Pendekatan hybrid attention dapat menjadi fondasi bagi generasi berikutnya dari model bahasa yang lebih scalable dan efisien, terutama saat hardware tidak selalu menjadi faktor pembatas utama."

Analisis Kami

"Fokus pada inovasi algoritma sebagai solusi atas keterbatasan hardware menunjukkan kecerdikan teknis yang sangat penting di industri AI saat ini. Meskipun ini mungkin menunda penggunaan chip terbaru, pendekatan ini justru bisa mempercepat adopsi AI yang lebih efisien dan ramah sumber daya di masa depan."

Prediksi Kami

Pendekatan pengoptimalan algoritma seperti hybrid attention akan menjadi tren utama bagi startup AI, terutama di negara-negara dengan keterbatasan akses chip, sehingga mendorong inovasi baru yang lebih hemat sumber daya dalam pengembangan LLM.