CEO Nvidia Jensen Huang telah secara terbuka memutuskan hubungan dengan Gedung Putih atas salah satu pertanyaan paling kontroversial dalam persaingan AI AS-Tiongkok: apakah model pelatihan laboratorium Tiongkok pada keluaran model Amerika merupakan persaingan yang sah atau pencurian. Ketika ditanya di Squawk Box CNBC pada hari Senin apakah penyulingan adalah "bukan perampokan," Huang menjawab: "Itu disebut kompetisi."
Pernyataannya membuat pemimpin perusahaan pembuat chip paling berharga di dunia itu berselisih dengan kerangka resmi pemerintah. Menteri Keuangan Scott Bessent menggambarkan praktik tersebut sebagai "pencurian" pada bulan Juli dan mengancam sanksi terhadap perusahaan luar negeri yang menggunakannya untuk mengambil kemampuan dari model buatan AS, menurut CNBC. For more context on this story, see our ongoing more AI stories.
Apa Itu Distilasi — dan Mengapa Ini Menjadi Titik Nyala
Distilasi, dalam penggunaan industri AI, mengacu pada pelatihan satu model berdasarkan keluaran model lain — biasanya model siswa yang lebih kecil dan lebih murah yang belajar meniru guru yang lebih besar dan lebih cakap. Ini adalah teknik standar yang dipraktikkan secara luas, dan perusahaan AI AS banyak menggunakannya pada model mereka sendiri.
Kontroversi bermula dari siapa yang melakukan penyulingan. Para pejabat AS menuduh perusahaan-perusahaan AI Tiongkok menggunakan teknik ini untuk memeras kemampuan canggih dari model-model terdepan Amerika, dan distilasi telah menjadi titik nyala utama dalam perlombaan antara Washington dan Beijing untuk supremasi AI, CNBC melaporkan.
Tuduhan tersebut semakin tajam dalam beberapa pekan terakhir. Awal bulan ini, Badan Keamanan Siber dan Infrastruktur AS menuduh perusahaan AI Tiongkok melakukan “kampanye penyulingan pengetahuan skala industri” yang melanggar ketentuan penggunaan perusahaan AS. Anthropic secara terpisah mengatakan bulan ini bahwa mereka telah menemukan Alibaba, perusahaan di balik keluarga model Qwen, dan DeepSeek, keduanya terlibat dalam apa yang disebut penyulingan ilegal.
Cara Kerja Distilasi, dan Mengapa Sulit untuk Dipolisikan
Tekniknya sendiri sangat mudah. Pengembang membuat model yang kuat jutaan kali, mengumpulkan responsnya, dan melatih model yang lebih kecil untuk mereproduksi model tersebut — memampatkan kemampuan guru menjadi sesuatu yang cukup murah untuk dijalankan dalam skala besar. Karena data pelatihan berupa teks, bukan kode atau bobot, biasanya tidak ada sidik jari teknis yang membuktikan guru mana yang menghasilkan data tersebut.
Hal inilah yang membuat penegakan hukum menjadi kontroversial. Dugaan "pelanggaran" dalam sebagian besar perselisihan penyulingan lebih bersifat kontraktual daripada teknis: ketentuan penggunaan umumnya melarang penggunaan keluaran model untuk melatih model pesaing, namun perusahaan yang memperoleh keluaran melalui langganan API biasa sulit dibedakan dari pelanggan lainnya. Deteksi biasanya bergantung pada bukti statistik – ungkapan yang berbeda, kesalahan, atau pola perilaku tolok ukur – dan bukan hanya sekedar bukti saja.
Komentar Huang yang berbunyi "kenali pelanggan Anda, dan nonaktifkan layanan" menunjukkan kenyataan tersebut secara langsung: dalam kerangkanya, pihak yang paling diposisikan untuk mencegah persaingan yang tidak diinginkan adalah perusahaan yang menjual akses, bukan regulator yang meninjau data pelatihan setelah kejadian tersebut.
Huang: 'Persaingan Membuat Segalanya Lebih Baik'
Huang tak membantah praktik tersebut terjadi pada produk Nvidia sendiri. “Anda diperbolehkan menguji produk orang lain sesuka Anda,” katanya kepada CNBC, seraya menambahkan bahwa produk Nvidia terkadang “dilucuti” ketika perusahaan mencoba mempelajari cara kerjanya.
"Saya sebenarnya lebih suka jika mereka tidak melakukannya," katanya. "Saya benar-benar lebih suka jika tidak ada yang belajar dari produk kami, dan kami mendapat keuntungan jika terus maju. Tapi, sejujurnya, persaingan membuat segalanya lebih baik."
Dia juga menyarankan solusi bagi perusahaan yang khawatir akan diteliti adalah secara komersial, bukan hukum: "Jika Anda tidak menyukainya, jika Anda tidak ingin orang menggunakan produk Anda, yang Anda [harus lakukan hanyalah] mengenal pelanggan Anda, dan menonaktifkan layanan tersebut."
Gedung Putih tidak segera menanggapi permintaan komentar dari CNBC.
Mengapa Perbedaan Itu Penting
Kesenjangan antara “persaingan” dan “pencurian” bukan sekadar retoris. Jika penyulingan diperlakukan sebagai persaingan pasar biasa, maka responsnya adalah strategi produk — persyaratan layanan yang lebih ketat, deteksi penggunaan, dan pembatasan akses terhadap output terdepan. Jika hal ini dianggap sebagai pencurian, maka respons yang diberikan adalah sanksi, pengendalian ekspor, dan paparan hukum terhadap perusahaan-perusahaan di luar negeri, seperti yang ditunjukkan oleh ancaman Bessent pada bulan Juli.
Perbedaan tersebut mempunyai konsekuensi langsung terhadap rantai pasokan AI. Nvidia menjual akselerator yang digunakan untuk melatih model perbatasan di kedua sisi Pasifik, dan rezim sanksi apa pun yang ditujukan kepada perusahaan yang meniru model AS dapat mengubah siapa yang diperbolehkan membeli apa. Pembingkaian Huang – bahwa pembeli akan mempelajari apa yang mereka beli, dan penjual harus memperhitungkannya – pada dasarnya merupakan argumen yang menentang memperlakukan emulasi model sebagai masalah penegakan hukum.
Hal ini juga terjadi di tengah perpecahan publik yang semakin luas mengenai bagaimana AS harus bersaing dengan AI Tiongkok. Instansi pemerintah menghabiskan waktu selama sebulan untuk meningkatkan tuduhan, sementara salah satu tokoh industri yang paling terkemuka baru saja berargumentasi, di depan kamera, bahwa perilaku yang dituduhkan adalah cara kerja pasar.
Untuk saat ini, kedua posisi tersebut hidup berdampingan dengan tidak mudah: tuduhan Anthropic terhadap Alibaba dan DeepSeek masih belum terselesaikan, tuduhan CISA belum menyebabkan sanksi yang diumumkan, dan Huang – yang chipnya masih diminati di mana-mana – telah menyatakan bahwa keterbukaan industri tidak dapat dipisahkan dari kecepatannya.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
