Percakapan soal VRAM GPU bertahun-tahun lamanya memang selalu jadi primadona, dan itu wajar saja. Dulu 6GB adalah standar, lalu naik jadi 8GB, dan entah bagaimana 8GB mendadak terasa seperti kurang. Game-game modern ukurannya membengkak, tekstur semakin tajam, dan tuntutan memori jelas sudah meroket tak terkendali. Namun, di GTC 2026, Nvidia memilih jalan yang tidak disangka-sangka banyak orang. Bukannya merilis seri Super baru atau menaikkan kapasitas memori secara merata, mereka justru memperkenalkan cara untuk butuh VRAM lebih sedikit. Pendekatan baru ini, yang disebut Neural Texture Compression (NTC), berpotensi mengubah makna “cukup VRAM” selamanya.
VRAM Menjadi Kerikil Tajam di Sepatu Gaming Modern
Selama ini, teksur dalam game adalah metode brute-force yang disamarkan sebagai efisiensi. Setiap permukaan yang ditemui dalam game pada dasarnya adalah gambar yang dibungkus pada objek 3D di mesin game. Data gambar ini kemudian di-render secara real-time oleh GPU, artinya, porsi data gambar yang besar dan sudah dihitung sebelumnya disimpan langsung di VRAM. Setiap permukaan bisa jadi tumpukan lapis-lapis peta tekstur yang skalanya meningkat tajam seiring resolusi. Inilah mengapa visual yang lebih berkualitas selalu beriringan dengan penggunaan VRAM yang lebih tinggi, dan mengapa 8GB VRAM cepat terasa kurang memadai.
Metode Nvidia, Neural Texture Compression, membalik model ini sepenuhnya. Alih-alih menyimpan tekstur dalam bentuk mentah, teknologi ini menyimpan representasi neural yang ringkas dari tekstur tersebut. Bayangkan sebuah model kecil yang merekonstruksi tekstur saat dibutuhkan, menggunakan Tensor Cores. Hasil paling signifikan dari teknologi ini adalah pengurangan drastis dalam kebutuhan memori. Demos dari Nvidia sendiri menunjukkan data tekstur yang tadinya butuh lebih dari 6GB VRAM menyusut menjadi di bawah 1GB (tepatnya 970 MB) tanpa overhead tradisional yang diperkirakan. Neural Texture Compression mengubah aset tekstur statis menjadi instruksi yang direkonstruksi secara real-time.
Akibatnya, VRAM tak lagi menjadi bottleneck seperti saat ini. Memang bukan berarti VRAM jadi tak terpakai sama sekali – teknik rendering lain seperti pencahayaan dan geometri tetap menggerogoti sumber daya VRAM GPU – namun dominasinya berkurang secara signifikan. Pengalaman visual yang lebih kaya kini tidak harus dibayar dengan kartu grafis yang haus memori kelas kakap.
Ada Udang di Balik NTC: Menyelamatkan 8GB VRAM?
Selama bertahun-tahun, para pengguna terus-menerus mengeluhkan keterbatasan GPU 8GB, terutama saat game-game baru mulai melampaui batas tersebut di pengaturan grafis tinggi. Namun, kita masih melihat kartu grafis, bahkan di seri RTX 50 terbaru, hadir dengan konfigurasi 8GB, seperti RTX 5060 dan varian Ti-nya. Kartu-kartu ini justru sangat mengandalkan teknologi seperti multi-frame generation agar tetap relevan. Kini, dengan NTC, Nvidia memiliki alasan teknis yang lebih kuat daripada sekadar marketing.
Jika Neural Texture Compression benar-benar mengurangi penggunaan VRAM sebesar margin yang mereka klaim, maka 8GB akan terlihat tidak terlalu membatasi di atas kertas. Ini memberikan Nvidia ruang untuk terus memasarkan varian kapasitas rendah, bahkan mungkin memperpanjang tren tersebut ke seri RTX 60. Namun, frustrasi di pihak gamer dan konsumen tetap saja ada. Masalah keterbatasan memori di game-game terkini masih sangat nyata. Meskipun NTC mungkin mengarah ke masa depan yang lebih baik, ia belum sepenuhnya menyelesaikan kendala masa kini saat menjalankan game-game berat seperti Borderlands 4, Hogwarts Legacy, atau Avatar: Frontiers of Pandora. Jika dilihat dari sudut pandang ini, NTC terasa semakin seperti cara Nvidia untuk mendefinisikan ulang masalah VRAM, alih-alih menyelesaikannya secara langsung.
Kartu 8GB Lama Tak Akan Dapat Panggung Kedua
Sayangnya, jika masih bertahan dengan kartu 8GB lama, NTC bukanlah peningkatan ajaib seperti yang terdengar. Neural Texture Compression hadir dalam berbagai jalur implementasi, dan tidak semuanya memberikan manfaat yang sama. Mode paling efektif, yang melakukan rekonstruksi real-time saat rendering dan memberikan penghematan VRAM terbesar, disebut Inference-on-Sample. Meskipun sangat menguntungkan dari sisi VRAM, metode ini juga menuntut performa komputasi AI yang signifikan – jenis yang arsitektur lebih baru jauh lebih siap untuk menanganinya.
GPU lama dengan jumlah Tensor Cores lebih sedikit, seperti seri RTX 20 dan 30, lebih mungkin beralih ke metode Inference-on-Load. Di sini, tekstur direkonstruksi sebelum dimuat dan kemudian disimpan dalam format terkompresi yang lebih tradisional. Meskipun ini mengurangi overhead bandwidth dan streaming, ia tidak secara berarti menurunkan penggunaan VRAM seperti Inference-on-Sample. Jadi, meskipun NTC mungkin secara teknis dapat berjalan di perangkat keras lama, ia tidak akan mengubahnya secara drastis.
Ditambah lagi, kartu-kartu lama yang menjalankan game-game terkini tidak akan merasakan manfaat berarti dari Neural Texture Compression. Ini adalah teknologi baru yang harus diintegrasikan secara manual oleh para pengembang ke dalam pipeline mereka. Artinya, manfaat NTC baru akan terlihat di game-game masa depan, atau di segelintir game langka yang mungkin diperbarui untuk mengimplementasikan NTC alih-alih texturing tradisional. Jadi, GPU yang sudah terseok-seok di game modern tidak akan tiba-tiba bangkit kembali berkat NTC. Sebaliknya, dengan teknologi ini, Nvidia hanya sedang meletakkan fondasi untuk apa yang akan datang selanjutnya.
AI Menggantikan Pipa Grafis Tradisional, Semuanya Karena Algoritma
Selama beberapa tahun terakhir, apa yang telah diperlihatkan Nvidia dalam hal rendering grafis adalah tanda jelas bahwa AI secara aktif dan pesat menggantikan pipa tradisional. DLSS menggunakan deep learning dan jaringan saraf untuk meningkatkan resolusi grafis yang lebih rendah, sementara frame generation memanfaatkan model AI untuk menciptakan dan menyisipkan frame yang dihasilkan AI. NTC pun demikian, menggunakan machine learning – jaringan saraf kecil yang dilatih secara spesifik – untuk merekonstruksi data tekstur secara real-time. Masing-masing adalah optimasi cerdas, dan secara bersama-sama, mereka menunjuk pada gambaran yang lebih besar, menunjukkan bahwa Nvidia tidak lagi tertarik untuk mengatasi tantangan rendering tradisional. Sebaliknya, Tim Hijau tampaknya lebih fokus mencari jalan memutar untuk menghadapinya.
Dulu, kita mengandalkan performa raster mentah, bandwidth, dan kapasitas memori. Kini, kita beralih ke rekonstruksi berbasis AI di hampir setiap tahap pipeline. Resolusi, gerakan, pencahayaan, dan tekstur semakin menjadi output dari inferensi, bukan dari komputasi atau penyimpanan langsung. Semua ini mengarah pada filosofi yang fundamental berbeda untuk game-game di masa depan. Jika arah ini terus berlanjut, masa depan grafis akan lebih ditentukan oleh seberapa meyakinkan sesuatu dapat diciptakan kembali secara on-the-fly, daripada seberapa banyak data mentah yang dapat disimpan atau diproses.
Satu hal yang menjadi jelas selama beberapa tahun terakhir adalah bahwa kita mendekati akhir era “brute force”. Kita kini bergerak menuju realitas di mana GPU berfungsi bukan lagi sebagai gudang berkecepatan tinggi, melainkan sebagai mesin komputasi yang melukis mahakarya dari segelintir nada. Entah pandangan ini dianggap brilian atau sebagai cara licik untuk mengakali keterbatasan perangkat keras, lintasannya sangat jelas: spesifikasi mentah kini menjadi sekunder dibandingkan keajaiban algoritma. Kartu grafis terkuat bukan lagi yang memiliki memori terbanyak, melainkan yang memiliki tumpukan perangkat lunak paling cerdas di baliknya.
