- Cursor melaporkan bahwa para insinyur Nvidia kini melakukan kode tiga kali lebih banyak daripada sebelumnya
- Nvidia menyatakan bahwa tingkat kerusakan tetap datar meskipun ada laporan lonjakan produksi
- Alur kerja yang dibantu AI berkontribusi pada DLSS 4 dan ukuran die GPU yang lebih kecil
Nvidia telah meluncurkan generatif alat AI di sebagian besar tenaga kerja tekniknya, dengan Cursor terintegrasi ke dalam alur kerja pengembangan harian.
Perusahaan mengatakan lebih dari 30.000 insinyur kini mengandalkan pengaturan ini, dengan klaim internal menunjukkan keluaran kode tiga kali lebih tinggi dibandingkan proses sebelumnya.
Klaim ini menarik perhatian karena metrik berbasis volume telah lama diperlakukan dengan hati-hati dalam rekayasa perangkat lunak.
Klaim produktivitas versus realitas rekayasa
Penerapan ini merupakan perubahan operasional yang menyentuh perangkat lunak inti, termasuk driver GPU dan kode infrastruktur yang mendukung permainan, pusat datadan sistem pelatihan AI.
Produk-produk ini secara luas dianggap sangat penting, karena kesalahan dapat menimbulkan konsekuensi yang nyata dan terkadang merugikan.
Nvidia mengklaim tingkat kerusakan tetap datar meskipun ada lonjakan produksi, menunjukkan bahwa pengendalian internal dan persyaratan pengujian tetap ada.
Kode driver, firmware, dan komponen sistem tingkat rendah biasanya melewati validasi ekstensif sebelum dirilis, terlepas dari seberapa cepat kode tersebut ditulis.
Pendekatan ini bukanlah hal baru, karena Nvidia sebelumnya mengandalkan alur kerja yang dibantu AI, termasuk sistem internal yang digunakan untuk meningkatkan DLSS pada beberapa generasi perangkat keras.
Beberapa hasil terbaru Nvidia disebut-sebut sebagai contoh pengembangan yang didukung AI yang memberikan hasil nyata.
DLSS 4 dan pengurangan GPU ukuran cetakan relatif terhadap desain yang sebanding sering kali direferensikan sebagai hasil yang terkait dengan penggunaan alat pengoptimalan internal yang lebih luas.
Contoh-contoh ini menunjukkan bahwa bantuan AI, ketika diterapkan dalam lingkungan yang dikontrol dengan ketat, dapat berkontribusi terhadap perbaikan yang terukur.
Pada saat yang sama, perangkat lunak Nvidia telah menghadapi kritik dalam beberapa tahun terakhir, dengan pengguna menunjuk pada regresi driver dan masalah terkait pembaruan di seluruh industri.
Cursor juga mengklaim bahwa coding “jauh lebih menyenangkan daripada sebelumnya,” namun hal ini sejalan dengan angka produktivitas yang masih sulit untuk dinilai secara independen.
Baris kode yang dilakukan selama periode tertentu tidak pernah menjadi indikator kualitas, stabilitas, atau nilai jangka panjang perangkat lunak yang dapat diandalkan.
Kualitas perangkat lunak yang sebenarnya lebih baik diukur berdasarkan stabilitas, kemudahan pemeliharaan, dan dampaknya terhadap kinerja pengguna akhir, dan volume keluaran saja tidak banyak menjelaskan hal ini.
Nvidia juga mendapatkan keuntungan secara komersial dengan mempromosikan pengembangan berbasis AI, mengingat peran sentralnya dalam memasok perangkat keras di balik sistem ini.
Dalam konteks tersebut, skeptisisme terhadap penyampaian pesan dan metrik mungkin terjadi, meskipun alat yang mendasarinya memberikan efisiensi nyata dalam skenario spesifik dan dikelola dengan ketat.
Ikuti TechRadar di Google Berita Dan tambahkan kami sebagai sumber pilihan untuk mendapatkan berita, ulasan, dan opini pakar kami di feed Anda. Pastikan untuk mengklik tombol Ikuti!
Dan tentu saja Anda juga bisa Ikuti TechRadar di TikTok untuk berita, review, unboxing dalam bentuk video, dan dapatkan update rutin dari kami Ada apa juga.
