Kenapa Nvidia rela keluar miliaran dolar agar semua orang bisa bikin model sendiri

Nathan Lambert menyusun argumen yang rapi soal alasan Nvidia terus menggelontorkan uang ke open model: setiap perusahaan yang melatih dan menjalankan modelnya sendiri membeli lebih banyak chip, jadi kepentingan Nvidia adalah mengajari semua orang memancing token, bukan menjual ikannya. Ia menunjuk angka yang dilaporkan sebesar 26 miliar dolar yang dialokasikan Nvidia untuk pekerjaan open-source model. Perusahaan ini tidak butuh model tersebut menghasilkan pendapatan API seperti OpenAI atau Anthropic. Yang ia butuhkan adalah permintaan compute yang tercipta dari banyaknya pembangun model independen.

Lambert membedakannya dari Meta, yang menurutnya membanjiri pasar dengan token lewat rilis seperti Muse Spark 1.2, langkah yang lebih ditujukan ke peta persaingan ketimbang menumbuhkan basis developer model yang sehat. Cara Nvidia lebih mirip menyemai ekosistem yang keuntungannya ia panen di lapisan perangkat keras. Masalahnya, membangun base model dari nol makin sulit dan makin tidak transparan. Lambert mencatat istilahnya mulai bergeser dari "pretraining, midtraining, post-training" menjadi "pretraining, reasoning training, post-training", dan tahap reasoning itulah tempat teknik rahasia yang mahal kini bersembunyi. Seiring kompleksitas itu naik, makin sedikit kelompok yang mampu menghasilkan base model kompetitif, dan open weight berisiko terpusat di segelintir lab berdana besar. Ia mengingatkan banyak perusahaan masih menjalankan workflow di atas Llama 3, bukti bahwa open weight lama tetap bermanfaat lama setelah dirilis.

Kenapa ini penting

Kalau kamu bergantung pada open model, perhatikan siapa yang mendanainya dan untuk apa. Dunia saat open weight terutama lahir dari insentif Nvidia atau segelintir hyperscaler lebih rapuh ketimbang dunia dengan banyak pelatih independen, dan itu menentukan model mana yang benar-benar bisa kamu pakai sebagai fondasi satu-dua tahun ke depan.