Setelah Pat Gelsinger almarhum Intel sebagai CEO pada akhir tahun 2024, ia mengadakan 100 pertemuan dalam 100 hari. Idenya, katanya kepada WIRED baru-baru ini, adalah untuk mengurangi pilihannya sampai dia menemukan apa yang harus dilakukan selanjutnya.
Bulan Maret berikutnya, Gelsinger diumumkan bahwa beliau telah mengambil posisi sebagai general partner di Playground Capital, a modal usaha perusahaan yang berspesialisasi dalam teknologi mendalam, bertaruh pada teknologi pemula yang dibangun berdasarkan ilmu pengetahuan baru.
Gelsinger mengambil peran tersebut dengan tujuan membantu generasi baru startup semikonduktor bangkit kembali hukum Moore. Beberapa dekade yang lalu, salah satu pendiri Intel, Gordon Moore, meramalkan bahwa jumlah transistor pada sebuah chip akan berlipat ganda setiap dua tahun, dan hal ini juga akan diikuti dengan peningkatan kinerja. Hal ini berlaku untuk waktu yang lama, tetapi sebagai perusahaan semikonduktor tekan batas fisikapenyusutan transistor skala atom menjadi sangat sulit dan mahal.
Gelsinger percaya bahwa cara terbaik untuk memecahkan kebuntuan ini adalah melalui kemajuan litografi—pengetsaan chip menggunakan berkas cahaya berskala nanometer. Itu teknologi litografi terkemukayang dikembangkan oleh perusahaan Belanda ASML, memungkinkan produsen chip mencetak menggunakan panjang gelombang cahaya 13,5 nanometer. Logikanya, kemampuan untuk menjejalkan lebih banyak, bahkan fitur yang lebih kecil, akan membuka prosesor yang lebih bertenaga.
Ketika dia bergabung dengan Playground, Gelsinger mengambil kursi dewan di xLight, sebuah perusahaan portofolio yang mengembangkan teknik litografi baru yang juga baru-baru ini menerima investasi dari pemerintah AS. (Saat kami berbicara, Gelsinger berulang kali mengucapkan kalimat, “Tuhan bersabda, ‘Jadilah terang!’”)
Sebagai kecerdasan buatan menjungkirbalikkan industri perangkat lunaksemakin banyak perusahaan VC yang melakukannya beralih ke teknologi mendalam. Namun hanya sedikit orang, menurut Gelsinger, yang memiliki kemampuan lebih baik daripada dirinya untuk menentukan pemenang.
WIRED bertemu Gelsinger pada awal Juli di konferensi RAISE Summit di Paris. Kami membahas prosesnya dalam memeriksa para pendiri teknologi mendalam, perubahan sikap pemerintah AS terhadap AI dan semikonduktor, dan mengapa terobosan di bidang tersebut harus dilakukan secara bersamaan.
Percakapan ini telah diedit agar panjang dan jelasnya.
KABEL: Kira-kira empat bulan memisahkan keberangkatan Anda dari Intel dan kedatangan Anda di Playground. Apa yang ada di kepala Anda selama periode itu?
PAT GELsinger: Istri saya berkata, “Kamu belum selesai.”
Saya melihat peran pemerintah, peran universitas, peran CEO, ekuitas swasta, usaha. Itu benar-benar sebuah proses deduktif. Aku memutuskan untuk tidak melakukannya [any more] panggilan pendapatan publik. Saya tidak melihat diri saya sebagai seorang politisi. Itu tergantung pada ekuitas atau usaha swasta.
Saya ingin melakukan hal-hal yang berarti—yang jika berhasil, akan membuat perbedaan—dengan orang-orang yang saya sukai.
Mengapa Anda memutuskan untuk tidak menggunakan ekuitas swasta?
Ekuitas swasta memberikan cek yang lebih besar, tetapi tidak terlalu fokus pada teknologi. Pada fase karir saya ini, apakah saya ingin menulis cek dalam jumlah besar dan mengkhawatirkan keuntungan finansial, atau apakah saya ingin bekerja di bidang teknologi yang keren?
Kita berada di ujung tombak ilmu pengetahuan dan sedang membuktikan segalanya. Saya selalu menjadi orang yang seperti itu. Saya suka teknologi.
Sejumlah VC beralih ke teknologi mendalam sebagai respons terhadap disrupsi industri perangkat lunak oleh AI. Apa pendapat Anda tentang perubahan AI di tempat munculnya peluang investasi berikutnya?
Pintunya terbuka lebar.
Pada tahun 2024, industri semikonduktor bertujuan untuk mencapai satu triliun dolar pada tahun 2030. Sekarang, kita akan mencapai satu triliun dolar pada tahun depan. Saya tidak membutuhkan perusahaan saya untuk memenangkan pasar untuk mendapatkan keuntungan yang luar biasa. Saya hanya membutuhkan mereka untuk memenangkan persentase yang layak. Hal itulah yang telah dilakukan AI pada usaha teknologi mendalam.
Kabar baiknya adalah banyak perusahaan ventura yang bergerak ke arah tersebut. Kabar buruknya adalah, sebagian besar, mereka lupa bagaimana melakukan teknologi mendalam—cara memilih pemenang dan pecundang.
Bagaimana proses Anda menilai kredibilitas para pendiri teknologi mendalam, ketika terkadang faktor fisika di balik penemuan mereka belum terbukti?
Tim investasi kami sangat teknis—mereka adalah insinyur, PhD, profesor, dll. Kemudian kami menjalani proses uji teknologi yang ketat: banyak wawancara, dan pemeriksaan latar belakang. Apa masalahnya yang sulit? Bisakah mereka mengartikulasikannya secara mendalam?
Kami ingin mendanai tim terbaik—bukan A tim—pada topik tertentu.
Namun sejauh mana pemeriksaan tersebut mungkin dilakukan, ketika ide di balik startup ini terkadang melampaui batas pemahaman ilmiah?
Umumnya, ketika Anda melihat teknologi canggih muncul, biasanya ada dua atau tiga perusahaan yang tertarik pada gagasan tersebut. Jarang sekali anda menemukan burung dodo. Lalu Anda bertanya, ‘Apakah saya memilih yang terbaik?’
Ceritakan tentang taruhan yang Anda buat di Playground. Anda telah mengambil kursi dewan di xLight.
Salah satu alasan saya bergabung dengan Playground adalah karena xLight. Perusahaan-perusahaan itulah yang ingin saya kerjakan, karena saya sangat berinvestasi dalam menjadikan industri semikonduktor masa depan—membangunkan hukum Moore dari tidurnya.
Jika kita memecahkan masalah cahaya, itu benar itu masalah tersulit. Bisakah saya melewati cahaya 13,5 nanometer? Itulah terobosan selanjutnya. Dengan laser elektron bebas, kita bisa melakukannya [smaller]hingga panjang gelombang cahaya 5-, 4-, 3-, 2 nanometer.
xLight bukan versus ASML, melainkan dengan ASML. Hal pertama yang ingin kami lakukan adalah menghubungkan sumber cahaya dan membuat mesin ASML menjadi lebih baik. Tidak ada yang lebih baik dari itu.
Menurut Anda litografi adalah kunci untuk membangkitkan kembali hukum Moore, lebih dari sekadar desain prosesor?
Cahaya adalah hal yang paling penting. Tuhan berkata, “Jadilah terang.” Kami akan memanfaatkannya sejauh yang kami bisa.
Ada berbagai hal yang meresap ke dalam ruang—struktur material baru, superkonduktor, material feroelektrik—tetapi semuanya memerlukan litografi. Itu selalu menjadi pusat semikonduktor. Jika saya bangun litografi, itu mendebarkan.
Ini adalah periode yang cukup menggembirakan dalam sejarah manusia. Bagi seorang teknolog, tidak ada yang lebih baik dari ini.
Apa pendapat Anda tentang gelombang startup semikonduktor yang mencoba menantang Nvidia dalam inferensi AI—dan visi masa depan di mana prosesor dari banyak vendor selaras dalam satu sistem?
Kami melatih model sekali, kami sering menggunakannya [times]. Akan ada kecenderungan menuju inferensi. Dan sangat jelas kami bisa melakukan jauh lebih baik.
Tentu saja, pelatihan telah menjadi inti dari GPU. Namun bahkan Nvidia menyadari bahwa GPU-nya tidak cocok untuk semua inferensi.[Misalnya[EgtheGrok kesepakatan.]
Tugas saya di Playground adalah membuat AI 10.000 kali lebih baik, bukan 10 kali lipat. Hal ini akan terjadi pada chip yang tidak terlihat seperti GPU masa kini.
Saya pikir vendor model juga mencoba mengabstraksikan diri dari perangkat keras yang mendasarinya. Mereka mencoba mempermudah untuk memiliki struktur perangkat keras yang heterogen di bawahnya.
Bagaimana dengan ingatan?
Memori bandwidth tinggi adalah teknologi yang bermasalah. Itu yang terbaik yang kita miliki saat ini. Namun pada akhir dekade ini Anda akan mulai melihat arsitektur memori bertumpuk akan menjadi jauh lebih dominan. d-Matrix, Fractile, dan Cerebras mendobrak batas-batas arsitektur memori nantinya.
Saya yakin beberapa inovasi perangkat keras ini akan menjadi 10 hingga 100X lebih baik. Itu berarti satu gigawatt menghasilkan token senilai 10 gigawatt. Saya akan menerima kesepakatan itu kapan saja.
Anda sebelumnya telah menggambarkan energi sebagai salah satu hambatan utama dalam kemajuan AI. Di manakah investasi perlu dilakukan untuk mengatasi masalah tersebut?
Di AS, kami mengalami ekspansi kapasitas energi yang rendah satu digit dalam dekade terakhir. Itu tercela. Di era AI digital, kapasitas energi adalah kapasitas ekonomi. Saya tidak ingin anti iklim, tapi kita terlalu termakan oleh iklim sehingga lupa akan kapasitas.
Kita harus mulai mencari cara untuk mengaktifkan ekspansi energi. Tapi ini benar-benar sebuah teka-teki: Turbin gas baru memiliki rantai pasokan selama delapan tahun; pembangunan nuklir membutuhkan waktu satu dekade; tenaga surya [depends on] rantai pasokan Tiongkok.
Salah satu perusahaan saya, Alva Energy, sedang melakukan peningkatan nuklir. Mari kita mengambil jalan cepat—memanfaatkan lebih banyak manfaat dari jejak nuklir saat ini—dan juga menghidupkan kembali pembangunan nuklir.
Ini adalah bidang yang membutuhkan inovasi, karena pada dasarnya pihak yang menang dan kalah di era AI adalah mereka yang memiliki kapasitas energi untuk membangun sistemnya.
Bagian terakhir adalah membuat AI jauh lebih efisien—chip, distribusi daya. Kami memiliki sejumlah perusahaan yang bergerak di bidang regulasi dan konversi tegangan. Ini tentang melihat keseluruhan tumpukan.
Saat Anda bergabung dengan Playground, Anda mengatakan ingin memperluas kepemimpinan AS dan memastikan manfaat AI didistribusikan secara merata. Baru-baru ini, terdapat tanda-tanda—dalam bentuk kontrol ekspor chip dan intervensi dalam peluncuran model AI—bahwa pemerintah AS bersedia menggunakan kepemimpinannya sebagai pengaruh. Dengan latar belakang tersebut, saya bertanya-tanya apakah kedua ambisi tersebut bisa saling eksklusif?
Ada yin dan yang dalam topik seperti ini. Namun pada dasarnya, saya tidak memandang hal-hal tersebut sebagai disonansi.
Jika saya mempunyai pilihan antara AS atau Tiongkok yang memiliki kepemimpinan dalam model dasar, manakah yang akan saya pilih? Tentu saja Amerika. Saya ingin model-model tersebut didasarkan pada nilai-nilai kita, untuk meningkatkan pengalaman manusia, untuk memecahkan banyak masalah tersulit di dunia. Ini adalah perlombaan yang kami ingin negara-negara Barat menangkan.
Sepertinya pemerintah AS tidak bisa memutuskan apakah akan lepas tangan secara maksimal dalam mengatur AI atau langsung secara maksimal, mendikte model mana yang bisa dirilis secara luas.
Ini bergerak sangat cepat. Model dasar utama dirilis setiap empat minggu. Dengan latar belakang tersebut, apakah saya perlu mengaturnya? Apa yang perlu saya atur? Apa persyaratan kualitas dan keamanan untuk model ini? Ini adalah pertanyaan yang valid.
Kami mencari tahu secara real time, karena segala sesuatunya bergerak begitu cepat. Salah satu hal yang membuatku terhibur adalah kami memperdebatkannya.
Tapi apa pendirianmu? Haruskah model ditinjau oleh badan pemerintah Amerika sebelum dirilis?
Model harus memiliki integritas proses dan visibilitas pengujian yang telah dilakukan pada model tersebut. Saya ingin tahu model dasar kepemilikan apa yang dilatih. Saya ingin benchmarking yang kuat. Saya ingin tahu bahwa mereka bukan hanya orang pertama yang melakukan sesuatu, namun mereka melakukannya dengan persyaratan keamanan dan penyelarasan nilai yang sesuai.
Salah satu dari dua hal yang perlu dilakukan: Industrilah yang melakukan peninjauan tersebut, atau pemerintah harus turun tangan untuk memastikan hal tersebut terlaksana.
