Startup Stealth Kepler Computing Klaim Pecahkan Krisis Memori Chip dengan Arsitektur Baru

Startup Rahasia 7 Tahun Keluar ke Terang

Sepuluh September 2026, Kepler Computing resmi mengakhiri masa diam tujuh tahun. Startup berbasis Silicon Valley ini mengklaim telah menemukan cara merombak arsitektur memori komputer dari dasar—disertai material proprietary yang mereka sebut bisa mengakhiri kelangkaan pasokan yang selama ini menggerakkan harga DRAM naik turun tidak menentu.

Dalam wawancara eksklusif dengan WIRED, pendiri dan CEO Kepler, Dr. Arun Iyengar, memperlihatkan wafer prototipe yang menurutnya memuat “memori generasi berikutnya” dengan kepadatan dan efisiensi energi jauh melampaui standar industri saat ini. “Kami tidak hanya mengecilkan transistor,” kata Iyengar. “Kami menulis ulang cara memori menyimpan dan mengakses data.”

Mengapa Krisis Memori Tak Kunjung Berakhir

Industri semikonduktor telah berjuang dengan bottleneck memori sejak pandemi. Permintaan melonjak dari server AI, Just data, smartphone 5G, dan kendaraan otonom menyentuh titik jenuh kapasitas pabrik DRAM dan NAND. Tiga pemain besar—Samsung, SK Hynix, dan Micron—menguasai lebih dari 90 % pasar, membuat rantai pasokan rapuh terhadap gangguan kecil seperti kebakaran pabrik, gempa bumi, atau pembatasan ekspor peralatan litografi EUV.

Harga DRAM spot sekali naik 40 % dalam satu kuartal 2023, lalu anjlok 30 % saat permintaan PC meredup. Volatilitas ini memaksa hyperscaler seperti Google, Microsoft, dan Amazon menumpuk Stack cadangan, yang justru memperparah kelangkaan bagi pemain menengah.

Pendekatan Berbeda: Arsitektur Bukan Hanya Skala

Berbeda dengan pendekatan tradisional yang mengandalkan pengecilan node proses (dari 10 nm ke 1α, 1β, dll.), Kepler memilih jalur arsitektur compute-near-memory. Konsepnya: memindahkan unit pemrosesan sederhana ke dalam sel memori itu sendiri, mengurangi perpindahan data lewat bus yang lambat dan boros daya.

“Setiap kali data bergerak dari DRAM ke CPU melalui bus 64-bit, Anda membakar energi dan latensi,” jelas Dr. Maya Patel, CTO Kepler yang bergabung dari divisi memori Intel 2020. “Dengan menanam logika pencarian, filtering, dan reduksi data di dalam array memori, kami memotong bandwidth yang dibutuhkan hingga 10× untuk beban kerja AI inferencing.”

Material Proprietary: Kunci Rahasia

Kepler menolak mengungkap komposisi kimia pasti, namun mengonfirmasi material baru itu bukan berbasis silikon konvensional dan memungkinkan sel memori non-volatile dengan kecepatan baca/tulis setara DRAM, daya tahan menulis 10¹² siklus, dan retensi data 10 tahun tanpa daya. Jika terverifikasi independen, ini akan menempatkan teknologi mereka di antara MRAM, ReRAM, dan FeRAM—namun dengan target biaya per bit mendekati DRAM komoditas.

Wafer yang ditampilkan berukuran 300 mm, diproses di fasilitas GlobalFoundries Fab 8 Malta, New York, menggunakan peralatan litografi DUV (bukan EUV) yang sudah terpasang—strategi untuk menghindari ketergantungan pada mesin ASEU yang sulit didapat.

Implikasi untuk Ekosistem AI dan Data Center

Bila klaim Kepler benar—bandwidth 2 TB/s per chip, konsumsi 0,5 pJ/bit, dan yield > 85 %—dampaknya ke pelatihan dan inferencing model besar (LLM, diffusion, multimodal) substansial:

• Mengurangi tekanan HBM: Saat ini GPU NVIDIA H100/H200 bergantung pada memori HBM3E mahal dan langka. Alternatif Kepler bisa jadi opsi untuk beban kerja yang toleran latensi sedikit lebih tinggi tapi butuh kapasitas besar.
• Memungkinkan inferencing edge: Chip memori berdaya rendah dengan compute internal cocok untuk smartphone, AR/VR headset, dan robot yang butuh model 7-13B parameter berjalan lokal.
• Mengubah ekonomi cloud: Penyedia cloud bisa menawarkan instance “memory-heavy” tanpa mengunci kapital di HBM, menurunkan harga sewa GPU per jam.

Tantangan: Validasi, Yield, dan Ekosistem

Sejarah penuh startup memori yang gagal: Crossbar, Nantero, Everspin punya teknologi menjanjikan tapi gagal skala produksi atau ekosistem software. Kepler sadar akan ini. Mereka sudah bekerjasama dengan Linux Foundation’s CXL Consortium untuk memastikan kompatibilitas standar CXL 3.1, dan menyediakan SDK yang memungkinkan pengembang memetakan operasi PyTorch/TensorFlow ke instruksi compute-near-memory tanpa menulis kernel kustom.

Rencana produksi massal: kuartal pertama 2027 di GlobalFoundries, target 50.000 wafer/tahun awal. Dana seri B sebesar 210 juta USD dipimpin oleh Intel Capital, Samsung Catalyst Fund, dan Temasek—sinyal validasi dari industri.

Apa yang Harus Diperhatikan Pengembang dan Pembeli Teknologi

1. Jangan migrasi arsitektur saat ini—produksi massal masih 6-9 bulan ke depan. Evaluasi beban kerja mana yang paling mendapat manfaat dari compute-near-memory (contoh: pencarian vektor, filtering database, preprocessing data).
2. Uji SDK Kepler saat rilis beta (dijadwalkan Q4 2026). Bandingkan throughput/watt vs. GPU+HBM untuk model Anda.
3. Pantau harga DRAM spot. Jika Kepler sukses, tekanan jangka panjang ke harga memori komoditas bisa signifikan—perencanaan capex data center harus memasukkan variabel ini.
4. Perhatikan standar CXL 3.1/4.0. Adopsi industri akan menentukan apakah chip Kepler menjadi komponen komoditas atau niche.

Kesimpulan

Kepler Computing menawarkan narasi langka di dunia semikonduktor: inovasi arsitektur bertemu material baru di fasilitas produksi yang sudah ada. Jika yield dan biaya sesuai target, mereka bisa menjadi pemain ke-4 yang mengganggu oligopoli memori—dan memberi ruang gerak baru bagi infrastruktur AI generasi depan. Untuk saat ini, pantau perkembangan Q4 2026: rilis SDK, data benchmark independen, dan tanda tangan desain pertama dari hyperscaler akan menjadi bukti nyata apakah “hacked the memory shortage” benar tercapai atau hanya tagline pemasaran.