KOMPAS.com – Google saat ini tengah mengembangkan sebuah teknologi baru yang dinamakan TurboQuant. Teknologi ini merupakan algoritma kompresi memori yang didasarkan pada kecerdasan buatan (AI), yang dianggap mampu menjadi solusi untuk mengatasi krisis memori yang sedang melanda industri. Di tengah meningkatnya harga RAM akibat tingginya permintaan untuk komputasi AI, inovasi ini dianggap memiliki potensi untuk meredakan tekanan dengan cara yang tidak biasa: mengurangi kebutuhan memori yang diperlukan oleh AI.
TurboQuant dikembangkan oleh divisi riset Google, yaitu Google Research, dengan fokus utama pada efisiensi penggunaan memori saat proses inferensi, yaitu saat model AI dijalankan, bukan saat dilatih. Teknologi ini ditujukan untuk mengatasi salah satu kendala utama dalam sistem AI modern, yaitu keterbatasan "working memory", khususnya pada komponen yang dikenal sebagai KV cache, yang merupakan memori sementara yang digunakan oleh model untuk memproses dan menyimpan konteks data.
Cara Kerja TurboQuant
Cara kerja TurboQuant berlandaskan pada teknik yang disebut vector quantization, yang merupakan metode untuk menyederhanakan representasi data numerik dalam bentuk vektor agar lebih ringkas tanpa menghilangkan informasi penting. Dengan pendekatan ini, data yang sebelumnya memerlukan ruang yang besar dapat dikompresi secara signifikan, namun tetap mempertahankan akurasi model AI. Secara teknis, TurboQuant menggunakan dua metode utama, yaitu PolarQuant dan Quantization-aware Joint Learning (QJL).
PolarQuant berfungsi untuk mengubah cara data direpresentasikan sehingga menjadi lebih efisien saat disimpan dalam memori, tanpa mengorbankan kualitas hasil komputasi. Di sisi lain, QJL melatih model AI agar "sadar" bahwa data yang diproses akan dikompresi, sehingga model dapat beradaptasi dan tetap menghasilkan output yang akurat meskipun bekerja dengan data yang telah dipadatkan. Dengan kombinasi dari kedua teknik ini, peneliti mengklaim bahwa TurboQuant mampu menghemat penggunaan memori hingga enam kali lipat dibandingkan dengan metode konvensional.
Potensi Dampak pada Pasar RAM
Kemampuan ini menjadikan TurboQuant sebagai solusi yang menjanjikan untuk mengatasi krisis RAM yang sedang berlangsung. Dalam beberapa waktu terakhir, harga memori, khususnya DDR5, telah melonjak tajam akibat tingginya permintaan dari industri AI. Produsen memori lebih memprioritaskan pasokan untuk pusat data besar (hyperscaler), sehingga ketersediaan untuk pasar konsumen seperti PC dan laptop menjadi terbatas. Akibatnya, harga RAM di pasar global melonjak hingga empat hingga lima kali lipat dibandingkan dengan kondisi normal sebelumnya.
Meskipun terdapat penurunan harga di beberapa wilayah seperti China pada akhir April, harga tersebut masih tergolong tinggi dan fluktuatif. Dalam konteks ini, TurboQuant menawarkan pendekatan yang berbeda. Alih-alih meningkatkan pasokan memori, teknologi ini justru berupaya untuk mengurangi kebutuhan memori itu sendiri. Jika AI dapat beroperasi dengan RAM yang lebih kecil, maka tekanan permintaan terhadap memori berpotensi menurun, yang pada akhirnya dapat membantu menstabilkan harga di pasar.
Namun, perlu dicatat bahwa TurboQuant masih berada pada tahap penelitian dan belum digunakan secara luas dalam industri. Selain itu, teknologi ini hanya berfokus pada efisiensi saat inferensi, bukan saat pelatihan model AI yang merupakan fase paling boros sumber daya. Dengan demikian, meskipun menjanjikan, TurboQuant belum sepenuhnya dapat menyelesaikan masalah kelangkaan dan mahalnya RAM dalam ekosistem AI.
Meski belum dirilis secara komersial, dampak psikologis dari kehadiran teknologi ini sudah mulai dirasakan di pasar. Salah satu indikasinya terlihat dari perilaku distributor memori, terutama di China, yang sebelumnya menimbun stok dalam jumlah besar saat harga sedang tinggi. Setelah pengumuman TurboQuant, para penimbun ini dilaporkan mulai melakukan "cuci gudang" atau menjual kembali stok RAM mereka ke pasar. Kekhawatiran utama mereka adalah potensi penurunan permintaan dari hyperscaler jika teknologi kompresi seperti TurboQuant diadopsi secara luas, yang dapat menyebabkan harga memori anjlok.
Langkah tersebut turut berkontribusi pada penurunan harga RAM di beberapa wilayah, meskipun belum merata secara global. Fenomena ini menunjukkan bahwa bahkan pada tahap awal pengembangan, inovasi seperti TurboQuant sudah mampu mempengaruhi dinamika pasar komponen teknologi. Jika berhasil diimplementasikan secara luas di masa depan, TurboQuant tidak hanya berpotensi menekan biaya operasional AI, tetapi juga membuka jalan bagi pengembangan sistem yang lebih efisien dan hemat sumber daya. Dalam jangka panjang, teknologi ini dapat menjadi salah satu kunci untuk membuat AI lebih terjangkau dan berkelanjutan, sekaligus meredakan tekanan pada industri memori global.
