Selama lebih dari lima dekade, industri semikonduktor hidup dari satu janji sederhana: setiap dua tahun, jumlah transistor dalam luas chip yang sama akan berlipat. Tapi begitu node mendekati ukuran beberapa atom, janji itu makin sulit ditepati — biaya fabrikasi meroket, hasil produksi (yield) turun, dan panas jadi masalah fisika yang tidak bisa disiasati lagi hanya dengan menyusutkan transistor. Di tengah kebuntuan itu, IBM mengumumkan teknologi chip nanostack pada akhir Juni 2026 — chip sub-1 nanometer pertama di dunia yang diklaim mampu memuat hampir 100 miliar transistor di area seukuran kuku jari. Ini penting bukan cuma sebagai pencapaian teknik, tapi sebagai sinyal ke mana arah industri AI dan komputasi akan berjalan setelah era "sekadar mengecilkan transistor" mulai kehabisan ruang.
Apa Itu Arsitektur Nanostack?
Selama ini, node terdepan industri memakai arsitektur nanosheet — transistor disusun berdampingan dalam satu lapisan horizontal, lalu diperkecil terus-menerus. Masalahnya, pendekatan itu punya batas fisik yang jelas. Nanostack, yang dipakai pada chip di node 0,7 nanometer atau 7 angstrom ini, mengambil jalan berbeda: transistor ditumpuk secara vertikal dalam dua lapisan, dan posisinya sengaja digeser (staggered) agar jalur pengkabelan (wiring) antar-lapisan tidak saling bertabrakan. Menurut penjelasan resmi IBM Research, pendekatan ini adalah lompatan dari nanosheet — teknologi yang justru pertama kali ditemukan IBM sendiri — menuju integrasi 3D sekuensial yang memungkinkan kepadatan transistor nyaris dua kali lipat dibanding chip 2nm yang mereka rilis pada 2021.
Analoginya sederhana: kalau nanosheet itu memperluas satu lantai gedung sampai penuh, nanostack membangun lantai kedua di atasnya — bukan dengan menumpuk sembarangan, tapi dengan tata letak yang direncanakan supaya listrik dan sinyal tetap bisa mengalir efisien ke seluruh gedung.
Klaim Performa: Lebih Cepat atau Lebih Hemat Energi
IBM mengklaim chip berbasis nanostack ini bisa memberi peningkatan performa hingga 50% atau efisiensi energi hingga 70% dibanding node 2nm mereka, plus perbaikan sekitar 40% pada scaling SRAM — komponen memori cache yang krusial untuk kecepatan prosesor. Namun penting digarisbawahi: ini masih berstatus demonstrasi riset, bukan produk komersial. IBM sendiri memetakan jalur menuju produksi massal sekitar lima tahun dari sekarang, dengan 2031 disebut sebagai kemungkinan titik awal adopsi.
MIT Technology Review mencatat bahwa terobosan ini berpotensi memperpanjang umur hukum Moore setidaknya satu dekade lagi — bukan dengan menyusutkan transistor lebih jauh (karena secara fisik itu sudah mendekati batas ukuran atom), melainkan dengan mengubah cara transistor disusun dalam ruang tiga dimensi. Ini perbedaan filosofis yang cukup besar: selama ini "kemajuan chip" identik dengan angka nanometer yang makin kecil, tapi nanostack menunjukkan bahwa arsitektur dan cara susun bisa jadi sumber kemajuan baru yang setara pentingnya.
Kenapa Ini Penting bagi Industri AI
Kalau dilihat sepintas, lima tahun menuju produksi terasa jauh dan tidak relevan untuk kebutuhan sekarang. Tapi konteksnya perlu dilihat lebih luas: permintaan compute untuk melatih dan menjalankan model AI generasi terbaru terus melonjak, sementara kapasitas fabrikasi node terdepan (2nm ke bawah) makin diperebutkan segelintir pemain — TSMC, Samsung, dan sekarang perusahaan seperti Anthropic maupun OpenAI yang mulai merancang chip kustom sendiri demi mengurangi ketergantungan pada Nvidia. Di tengah persaingan itu, IBM justru memilih jalur berbeda: bukan mengejar node tersempit, tapi menawarkan cara baru menyusun transistor yang bisa dilisensikan atau diadopsi oleh foundry lain.
Menurut pengamatan saya, nilai strategis nanostack bukan pada angka 100 miliar transistor itu sendiri, melainkan pada sinyal bahwa "reticle limit" dan batas fisik shrink node bukan akhir dari inovasi semikonduktor. Ini relevan bagi ekosistem AI yang lebih luas, termasuk pasar seperti Indonesia yang sedang membangun infrastruktur cloud dan data center lokal — kalau arsitektur 3D seperti ini benar-benar terbukti di skala produksi, biaya per unit compute AI dalam jangka panjang berpotensi turun lebih cepat dibanding jika industri semata mengandalkan shrink node konvensional yang makin mahal dan makin lambat hasilnya.
Tentu, klaim performa dari rilis riset perlu dilihat dengan skeptis sehat. Banyak terobosan laboratorium yang gagal bertahan begitu masuk fase produksi massal karena masalah yield, biaya, atau kompleksitas manufaktur yang tidak terungkap di rilis pers. IBM sendiri secara eksplisit menyebut ini sebagai demonstrasi riset, bukan produk siap pakai — jadi lima tahun ke depan adalah masa uji nyata apakah nanostack bisa keluar dari lab dan masuk ke lini produksi foundry.
Takeaway
Chip nanostack IBM bukan produk yang bisa dibeli konsumen atau developer minggu ini, dan efeknya juga tidak akan langsung terasa di industri AI dalam waktu dekat. Tapi ini layak dipantau karena tiga alasan: pertama, ini membuktikan bahwa inovasi semikonduktor tidak berhenti di titik shrink node fisik; kedua, ia berpotensi mengubah kalkulus biaya compute AI jangka panjang jika berhasil dikomersialkan; ketiga, siapa pun yang merencanakan infrastruktur AI jangka panjang — mulai dari cloud provider besar sampai startup lokal — perlu mulai memperhitungkan roadmap arsitektur baru seperti ini, bukan cuma angka nanometer yang selama ini jadi patokan pemasaran chip. Yang perlu ditunggu selanjutnya adalah apakah IBM akan melisensikan nanostack ke foundry seperti Samsung atau Rapidus, dan apakah klaim efisiensi 70% itu bertahan begitu diuji di luar kondisi laboratorium.
Sumber gambar: Umberto di Unsplash Sumber gambar: Vishnu Mohanan di Unsplash
The conversation 0
No comments yet. Start the conversation.