Selama dua tahun terakhir, diskusi seputar daya komputasi AI hampir sepenuhnya berfokus pada GPU: kekurangan pasokan H100, spesifikasi kinerja B200, dan roadmap arsitektur GPU generasi berikutnya mendominasi narasi industri. Namun, seiring klaster pelatihan AI berkembang dari ribuan menjadi puluhan ribu, bahkan ratusan ribu GPU, muncul kendala struktural yang lebih mendalam—efisiensi perpindahan data antar GPU kini menjadi batas tertinggi bagi performa klaster secara keseluruhan.
Pada awal tahun 2026, arsitek jaringan optik Tencent, Si Dong Fu, menyoroti bahwa dari arsitektur Pascal tahun 2016 hingga arsitektur Blackwell tahun 2024, daya komputasi AI telah meningkat sekitar 1.000 kali dalam delapan tahun. Performa inferensi tumbuh 32 kali dalam empat tahun terakhir, sementara daya pelatihan berkembang 16 kali. Di sisi lain, bandwidth jaringan hanya naik dari 200G menjadi 800G—peningkatan empat kali lipat. Ketidakseimbangan ini, di mana "daya komputasi melesat sementara jaringan berjalan lambat," menjadikan kecepatan transfer data antar node sebagai penghambat utama bagi klaster berskala besar, sehingga berdampak signifikan pada efisiensi dan pemanfaatan sumber daya secara keseluruhan.
Kenyataan ini tengah mengubah logika investasi dan pilihan teknologi untuk infrastruktur AI. Seiring teknologi interkoneksi optik berkembang dari peningkatan performa lokal menjadi kapabilitas fundamental yang menopang operasi klaster AI berskala besar, pemahaman terhadap rasional teknis, lanskap pasar, dan nilai industri menjadi hal yang esensial dalam menilai sektor komputasi AI. Di saat yang sama, sisi investasi juga mengalami pergeseran struktural serupa—dari alokasi aset tunggal menuju sinergi multi-pasar, membentuk rantai nilai yang menghubungkan infrastruktur komputasi dengan infrastruktur keuangan.
Tantangan Komunikasi Klaster 100.000-GPU: Kesenjangan yang Melebar antara Komputasi dan Jaringan
Efisiensi klaster GPU tidak ditentukan oleh performa puncak satu GPU, melainkan oleh waktu yang dibutuhkan seluruh GPU untuk menyelesaikan komputasi kolaboratif. Dalam pelatihan model terdistribusi berskala besar, sinkronisasi parameter dan pertukaran gradien yang sering membuat komunikasi antar node menjadi penentu langsung efisiensi pelatihan secara keseluruhan. Berdasarkan white paper teknologi CPO dari H3C, dalam beberapa tahun terakhir performa satu GPU meningkat jauh lebih cepat dibanding bandwidth interkoneksi jaringan. Sebagian besar klaster terus menambah GPU di sisi komputasi, namun ekspansi bandwidth komunikasi tertinggal. Akibatnya, waktu komunikasi mengambil porsi semakin besar dalam total waktu pelatihan, GPU menunggu data tiba, dan daya komputasi efektif secara keseluruhan gagal meningkat sebanding dengan jumlah GPU.
Fenomena ini didukung oleh bukti kuantitatif yang jelas. Presentasi Tencent menunjukkan bahwa dalam empat tahun terakhir, daya pelatihan tumbuh 16 kali, daya inferensi 32 kali, sementara bandwidth jaringan hanya naik dari 200G menjadi 800G—peningkatan empat kali lipat. Ketika klaster berkembang melampaui sepuluh ribu GPU dan menuju seratus ribu, komunikasi antar GPU berubah dari transfer titik-ke-titik sederhana menjadi sistem kompleks dengan ribuan atau puluhan ribu tautan simultan. Kemacetan atau latensi pada satu link saja dapat memperlambat seluruh siklus pelatihan.
Makalah yang diterbitkan IEEE pada Februari 2026 semakin menguatkan penilaian ini: seiring model AI tumbuh, interkoneksi menjadi hambatan utama dalam klaster GPU besar, dengan jaringan packet-switched tradisional menghadapi tantangan konsumsi daya, biaya, dan skalabilitas yang semakin berat. Riset menunjukkan arsitektur berbasis optical circuit switching dapat mengurangi konsumsi daya lapisan backbone hampir 99% dan menurunkan biaya siklus hidup delapan tahun hingga 76%.
Data industri menunjukkan ketidakseimbangan struktural ini mempercepat ekspansi infrastruktur komunikasi optik. UBS memperkirakan permintaan serat global tumbuh rata-rata hanya 2% per tahun dalam lima tahun terakhir, namun dengan pembangunan pusat data AI yang pesat, permintaan industri diproyeksikan tumbuh lebih dari 30% per tahun dalam beberapa tahun ke depan, dengan permintaan serat terkait pusat data berpotensi mencapai tingkat pertumbuhan compound lebih dari 75%. Sebelumnya, 70% hingga 80% permintaan serat berasal dari operator telekomunikasi; UBS memproyeksikan bahwa pada tahun 2030, permintaan dari perusahaan dan pusat data akan menyumbang lebih dari 80%. Industri serat kini beralih dari komunikasi tradisional menjadi komponen inti infrastruktur AI.
Interkoneksi Optik: Solusi Definitif untuk Bottleneck Komputasi
Menghadapi kesenjangan yang semakin lebar antara komputasi dan jaringan, teknologi interkoneksi optik kini beralih dari pilihan tambahan menjadi keputusan arsitektural yang fundamental. Ekspansi klaster AI biasanya berlangsung dalam tiga dimensi: Scale-up (ekspansi vertikal, interkoneksi berkecepatan tinggi dalam satu kabinet), Scale-out (ekspansi horizontal, interkoneksi antar kabinet dan node), dan Scale-across (interkoneksi lintas domain, menghubungkan pusat data yang tersebar secara geografis). Setiap dimensi memiliki kebutuhan berbeda terkait bandwidth, latensi, konsumsi daya, dan jarak transmisi, namun semuanya menegaskan peran tak tergantikan interkoneksi optik.
Pada skenario Scale-up, interkoneksi optik utamanya menggantikan kabel tembaga atau switch elektrik, memungkinkan bandwidth lebih tinggi dan latensi lebih rendah untuk komunikasi intra-node. Contohnya, NVL576 dari NVIDIA menggunakan switch Ethernet Spectrum-X berbasis teknologi CPO, menghadirkan kapasitas switching untuk 512×200Gbps port serta mengintegrasikan 32 engine fotonik silikon 1,6T untuk skenario Scale-out dan Scale-across. CloudMatrix 384 supernode dari Huawei mengadopsi arsitektur interkoneksi peer-to-peer penuh, membangun bus berkecepatan tinggi dengan 3.168 serat optik dan 6.912 modul LPO 400G untuk mengelola dan menghubungkan 384 NPU, 192 CPU, serta sumber daya penyimpanan dan memori.
Dari sisi teknis, keluarga teknologi "x"PO—yang diwakili LPO, LRO, dan CPO—berkembang pesat. LightCounting melaporkan pasar modul optik Ethernet global akan tumbuh 35% year-on-year menjadi USD 18,9 miliar pada tahun 2026, dan bisa melampaui USD 35 miliar pada tahun 2030, dengan permintaan modul berkecepatan tinggi seperti 800G dan 1,6T mendominasi. TrendForce memproyeksikan pangsa pengiriman global untuk modul transceiver optik di atas 800G akan naik dari 19,5% pada 2024 menjadi lebih dari 60% pada 2026. Berdasarkan proyeksi Google untuk pengiriman hampir 4 juta TPU pada 2026, permintaan modul optik di atas 800G akan melebihi 6 juta unit.
Konsumsi daya menjadi tantangan utama bagi modul optik pluggable. Teknologi Apollo OCS dari Google menggunakan mikro-reflektor untuk menghubungkan serat data secara langsung, menghindari konversi berulang antara sinyal optik dan elektrik yang menyebabkan kehilangan energi dan latensi; satu switch OCS mengonsumsi sekitar 95% lebih sedikit daya dibanding switch tradisional. Dari sisi latensi, chipset DSP-free dari THine yang dirancang untuk interkoneksi optik LPO atau CPO jarak pendek dapat mengurangi latensi hingga 90% dan menghemat 73% konsumsi daya.
Li Junjie, Wakil Direktur China Telecom Research Institute, mencatat pada awal 2026 bahwa teknologi interkoneksi optik berkembang dari peningkatan performa lokal menjadi kapabilitas kunci yang mendukung supernode AI yang scalable, fleksibel, dan sangat andal. Baik dalam mengatasi bottleneck bandwidth, kendala daya, maupun batas kapasitas, interkoneksi optik telah menjadi prasyarat bagi evolusi infrastruktur AI dari ribuan menuju ratusan ribu GPU.
Perubahan Strategis Ciena: Dari Broadband Telekomunikasi ke Jaringan Optik AI
Seiring interkoneksi optik menjadi pusat infrastruktur AI, pilihan strategis vendor peralatan terkemuka memberikan wawasan berharga tentang evolusi industri. Ciena, pemimpin global dalam sistem jaringan berkecepatan tinggi, tengah mengalami transformasi strategis yang mendasar.
Pada kuartal ketiga tahun fiskal 2025, Ciena melaporkan pendapatan USD 1,22 miliar, didorong terutama oleh penjualan platform optik dan routing. Di saat yang sama, perusahaan mengumumkan akan menghentikan pengembangan lebih lanjut bisnis broadband PON-nya, mengalihkan investasi R&D ke solusi inti optik dan pusat data, termasuk teknologi manajemen out-of-band, serta memangkas 4% hingga 5% tenaga kerja, dengan write-off R&D non-tunai sekitar USD 90 juta. Ciena memperkirakan pertumbuhan masa depan akan berasal terutama dari pasar AI dan cloud hyperscale.
CEO Gary Smith menyatakan dalam panggilan pendapatan bahwa pelanggan penyedia layanan kini memfokuskan investasi jaringan pada area yang memungkinkan skala untuk mendukung pertumbuhan trafik AI, menciptakan kebutuhan sistem baru dan peluang interkoneksi yang pada akhirnya menjangkau pusat data. Ciena menyebut pelanggan cloud hyperscale menyumbang sekitar 50% bisnisnya, dan memperkirakan komposisi pelanggan serupa pada tahun 2026.
Ciena telah membuat kemajuan nyata dalam infrastruktur AI. Perusahaan menyoroti proyek infrastruktur AI di Amerika Utara yang melibatkan interkoneksi klaster GPU regional untuk pelatihan dan distribusi geografis, dengan platform RLS dan plug-in WaveLogic 6 Nano 800-gig ZR. Solusi manajemen out-of-band DCOM menargetkan operasi pusat data, membantu operator hyperscale menyederhanakan instalasi dan manajemen pusat data berskala besar, meningkatkan skalabilitas, serta mengurangi kebutuhan daya dan ruang.
Dari perspektif industri yang lebih luas, pivot strategis Ciena mencerminkan lonjakan permintaan jaringan optik pusat data AI. Jürgen Hatheier, Chief Technology Officer Ciena untuk Pengembangan Bisnis dan Kemitraan Global, mencatat pergeseran pasar yang jelas menuju koneksi optik berkapasitas tinggi, dengan permintaan kuat untuk wavelength 1,6T yang diperkirakan berlanjut hingga 2026. Rob Shore, Optical Networks Portfolio Marketing Lead Nokia, memprediksi modul pluggable coherent 800G akan menjadi standar koneksi optik untuk jaringan AI pada 2026.
Pasar jaringan pusat data AI tumbuh secara eksponensial. Data industri menunjukkan pasar ini akan berkembang dari USD 10,31 miliar pada 2025 menjadi USD 12,8 miliar pada 2026, dengan tingkat pertumbuhan tahunan gabungan 24,2%, dan diproyeksikan mencapai USD 30,17 miliar pada 2030. Permintaan kabel optik untuk aplikasi AI diperkirakan tumbuh 77% pada 2025, dengan tingkat pertumbuhan tahunan gabungan lima tahun sebesar 26% hingga 2029—jauh melampaui aplikasi non-AI. Ciena berada di pusat kurva pertumbuhan struktural ini.
Dari Infrastruktur Komputasi ke Infrastruktur Keuangan: Lanskap Perdagangan Saham Gate
Evolusi infrastruktur terjadi tidak hanya di tingkat komputasi, tetapi juga pada alokasi aset. Seiring interkoneksi optik di pusat data AI menjadi infrastruktur kritis penentu efisiensi klaster GPU, kapabilitas alokasi multi-aset di sisi investasi membutuhkan infrastruktur pendukung yang sama efisiennya.
Ekspansi Gate ke keuangan tradisional berjalan mantap. Pada Januari 2026, platform meluncurkan fitur CFD TradFi, mencakup emas, forex, indeks saham, komoditas, dan saham populer. Pada Maret, cakupan diperluas ke token saham dan ETF leverage. Pada Juni, Gate melalui kemitraan strategis dengan Alpaca, secara resmi menghadirkan layanan perdagangan saham riil.
Gate kini mendukung lebih dari 10.000 saham dan ETF AS, mencakup perusahaan yang terdaftar di bursa utama seperti NYSE dan Nasdaq, jauh melampaui sebagian besar platform tokenisasi saham yang biasanya hanya mendukung beberapa ratus aset. Pengguna dapat berinvestasi langsung di pasar sekuritas AS menggunakan USDT, dengan perdagangan saham fraksional mulai dari hanya 0,01 saham, memungkinkan partisipasi di saham unggulan AS dengan modal mulai USD 1 saja.
Dari sisi teknis dan kemitraan, Gate terhubung dengan broker yang memegang lisensi US Broker-Dealer serta kualifikasi clearing, terintegrasi dengan bursa utama seperti NYSE dan Nasdaq. Setiap saham didukung oleh aset riil yang dikustodi secara independen melalui sistem DTC, bukan derivatif on-chain atau produk RWA-mapped. Pemegang saham otomatis memperoleh hak penuh, termasuk dividen, pemecahan saham, dan rights issue.
Tren industri menunjukkan integrasi perdagangan saham oleh platform kripto terkemuka menjadi arah yang jelas. Data mengungkapkan 73% trader kripto juga memegang aset tradisional. Pendekatan Gate memungkinkan perdagangan saham riil melalui infrastruktur yang teregulasi, bukan representasi sintetis atau tokenisasi, memastikan pengguna memperoleh penemuan harga dan penyelesaian yang otentik. Dipadukan dengan produk CFD-nya, Gate berkembang dari exchange aset kripto tunggal menjadi hub multi-aset yang mencakup kripto, keuangan tradisional, dan derivatif.
Evolusi ini selaras dengan tren tokenisasi aset RWA yang lebih luas. Pada September 2025, Gate meluncurkan zona Ondo, memperkenalkan saham dan ETF tokenisasi dari perusahaan ternama seperti Apple, Tesla, dan Microsoft. Total value locked sektor RWA telah melampaui USD 15,7 miliar, dengan Ondo Finance menempati peringkat ketiga global sekitar USD 1,66 miliar. Dari saham riil ke saham tokenisasi hingga CFD ekuitas, Gate membangun kanal alokasi multi-layer yang mencakup berbagai bentuk aset.
Kesimpulan
Jalur pengembangan teknologi interkoneksi optik dengan jelas mengarah pada satu kebenaran mendasar: daya saing pusat data AI kini bergeser dari metrik performa GPU tunggal ke indikator efisiensi sistem. Jaringan tidak lagi sekadar lapisan pendukung bagi klaster komputasi—melainkan prasyarat untuk mewujudkan daya komputasi teoretis klaster 100.000-GPU. Dalam konteks ini, nilai strategis perusahaan infrastruktur jaringan optik kini dinilai ulang oleh pasar—pivot Ciena ke jaringan optik AI adalah ilustrasi paling langsung dari tren ini.
Sementara itu, evolusi infrastruktur di sisi investasi sama pentingnya. Seiring daya komputasi AI menjadi kekuatan produktif utama era digital, platform yang mampu menghubungkan produktivitas ini dengan modal global secara efektif kini mengalami pergeseran nilai yang sistemik. Dari komputasi ke jaringan, dari hardware ke aset, persimpangan antara kemajuan teknologi dan inovasi keuangan sering kali menjadi tempat lahirnya peluang struktural.
