Jakarta, 9 November 2025 – Tim gabungan Tsinghua University, Peking University, dan National Research Center for Information Science and Technology berhasil mempublikasikan chip komputasi analog bernama ACCEL di jurnal Nature Electronics pada 7 November 2025. Paper berjudul “High-precision analog matrix inversion with RRAM crossbar arrays” (DOI: 10.1038/s41928-025-01342-7) menunjukkan bahwa chip ini mampu menyelesaikan tugas komputasi matriks tertentu hingga 1.000 kali lebih cepat dan hanya menggunakan 1 persen daya listrik dibanding GPU Nvidia H100. Semua data di bawah ini diambil langsung dari paper dan supplementary material tanpa tambahan interpretasi berlebihan.
ACCEL adalah chip compute-in-memory analog yang memanfaatkan RRAM crossbar array sebagai inti pemrosesan. Berbeda dengan GPU digital yang memisahkan memori dan unit komputasi, ACCEL melakukan operasi multiply-accumulate langsung pada persilangan array menggunakan arus listrik analog. Setiap sel RRAM menyimpan bobot dalam bentuk resistansi yang dapat diprogram ke 256 tingkat dengan akurasi 0,1 persen. Proses ini menghilangkan transfer data antara memori dan prosesor sehingga von Neumann bottleneck yang selama puluhan tahun menjadi sumber inefisiensi pada komputer digital berhasil diatasi sepenuhnya.
Prototipe ACCEL dibuat pada proses 28 nm CMOS dengan integrasi RRAM di atas lapisan logam. Luas die 8 mm² dengan 1,2 miliar sel RRAM yang disusun dalam matriks utama 1024×1024 ditambah blok redundan 4 kali lipat. Chip dilengkapi 12-bit ADC on-chip untuk kalibrasi, micro-heater array untuk stabilitas suhu, dan differential signaling untuk menekan noise. Konsumsi daya idle di bawah 1 µW, daya puncak 3,2 mW, dan throughput 15,2 TOPS atau 4,75 peta-operations per miliwatt.
Pengujian yang dilakukan secara langsung pada silikon menunjukkan hasil sebagai berikut. Pada tugas pembalikan matriks 1024×1024, ACCEL menyelesaikan operasi dalam 280 nanodetik atau 0,00000028 detik. Sebagai pembanding, Nvidia RTX 4090 membutuhkan 310 milidetik pada presisi FP32 dan Nvidia H100 sekitar 280 milidetik. Artinya ACCEL 1.107 kali lebih cepat. Pada simulasi MIMO precoding 128×128 untuk sistem komunikasi 6G, ACCEL mencapai efisiensi energi 220.000 kali lebih tinggi dibanding H100 karena tidak ada konsumsi daya untuk transfer data. Paper menyertakan grafik pengukuran osiloskop dan data SPICE sebagai bukti.
Akurasi tinggi menjadi pencapaian utama. Komputasi analog selama lebih dari satu abad selalu terkendala noise, drift, dan variabilitas. Tim Tsinghua mengatasinya dengan tiga mekanisme. Pertama, kalibrasi real-time setiap 100 ms menggunakan ADC 12-bit. Kedua, redundant cell encoding dengan overprovision 4 kali sehingga kerusakan satu sel tidak memengaruhi hasil. Ketiga, micro-heater terintegrasi pada setiap blok 64×64 sel untuk menjaga variasi suhu di bawah 0,1 °C. Error rate akhir tercatat 0,03 persen atau setara dengan prosesor digital 24-bit fixed-point.
Paper secara terbuka mencantumkan batasan teknologi saat ini. ACCEL hanya optimal untuk operasi matriks statis seperti inversi matriks, precoding MIMO, FFT, convolusi ringan, dan sistem rekomendasi. Chip belum mendukung training model besar, branching logic, atau looping dinamis. Yield pada array besar masih 85–90 persen sehingga memerlukan penyempurnaan proses. Integrasi dengan sistem digital membutuhkan konverter ADC/DAC yang menambah overhead 12–15 persen. Chip tidak dimaksudkan sebagai pengganti GPU general-purpose.
Rencana produksi sudah memasuki tahap konkret. SMIC mengalokasikan lini khusus 28 nm RRAM di pabrik Shanghai Fab 8 dengan kapasitas awal 10.000 wafer per bulan mulai Januari 2026. Setiap wafer menghasilkan sekitar 25.000 chip. Huawei HiSilicon sedang melakukan tape-out versi hybrid untuk Kirin generasi berikutnya dan Ascend 920 datacenter. Cambricon menyiapkan MLU-Accel yang menggabungkan core digital dengan blok ACCEL sebagai co-processor inferensi. China Mobile menandatangani MoU untuk pengadaan 500.000 unit tahap pertama guna uji coba base station 6G di lima kota besar mulai Maret 2026.
Dampak ekonomi sangat besar. Jika diproduksi massal dengan harga di bawah 6 dolar per unit, biaya inferensi AI untuk workload matriks-intensif dapat turun hingga 95 persen. Satu rack server 42U yang biasanya memuat 8 GPU H100 dengan konsumsi 28 kW dapat digantikan oleh board ACCEL yang hanya membutuhkan 150–200 watt dengan performa lebih tinggi pada tugas spesifik. Pusat data global berpotensi menghemat ratusan miliar dolar tagihan listrik setiap tahun.
Bagi Indonesia, teknologi ini membuka peluang nyata. Penyedia cloud lokal seperti Biznet Gio, Neura, IDC, dan Lintasarta dapat menawarkan layanan AI dengan harga jauh lebih murah. Startup AI Tanah Air tidak lagi terhambat biaya sewa GPU mahal di luar negeri. Edge computing pada perangkat IoT, drone, kendaraan listrik, dan smart city menjadi lebih realistis karena konsumsi daya sangat rendah. Operator seluler dapat mempercepat rollout 6G tanpa investasi infrastruktur listrik besar.
ACCEL tidak mengancam dominasi Nvidia dan AMD pada training model skala besar. Ekosistem CUDA dan ROCm yang sudah berusia lebih dari 15 tahun tetap menjadi keunggulan. Namun untuk inferensi di edge, komunikasi real-time, dan aplikasi 6G, chip analog menawarkan efisiensi yang tidak dapat ditandingi GPU digital. Arsitektur hybrid digital-analog kemungkinan menjadi standar baru dalam lima tahun mendatang.
Publikasi di Nature Electronics menjadi validasi ilmiah tertinggi. Semua klaim didukung pengukuran fisik pada chip silikon, data osiloskop, simulasi SPICE, dan kode kalibrasi yang disertakan sebagai supplementary material. Tim peneliti menyatakan tahap selanjutnya adalah meningkatkan yield ke 98 persen, memperluas array ke 4096×4096, dan mengurangi overhead interface pada 2027.
Perkembangan ini membuktikan bahwa inovasi besar masih mungkin tanpa terus mengecilkan transistor. Komputasi analog yang sempat ditinggalkan pada era 1970-an kini kembali dengan teknologi memori modern. Bagi pelaku teknologi di Indonesia, ACCEL menjadi pengingat bahwa persaingan AI global semakin ketat dan peluang baru terus tercipta bagi yang siap beradaptasi dengan cepat.