Kalau Game Punya NPC AI, yang Kerja NPU atau GPU? Ini Bedanya
Kalau game mulai punya NPC yang bisa diajak bicara, teman satu tim yang memahami voice command, dan musuh yang lebih adaptif, sebenarnya hardware mana yang bekerja: GPU atau NPU? Jawabannya tidak sesederhana memilih salah satu. Untuk game AI modern, keduanya bisa dipakai, tetapi tugasnya berbeda.
Saat ini, GPU masih menjadi pilihan utama untuk model AI yang berat, terutama ketika butuh throughput tinggi. NPU lebih cocok untuk tugas AI yang berjalan terus-menerus dengan konsumsi daya rendah, seperti speech recognition, intent detection, translation, atau model kecil yang tidak perlu memakai kekuatan penuh GPU.
Kenapa AI NPC sekarang masih banyak jalan di GPU?
Karena GPU memang sangat kuat untuk parallel compute. NVIDIA ACE, misalnya, menyediakan in-game inferencing SDK dan model lokal untuk dialog karakter, text-to-speech, serta game agents yang terhubung ke game state.
PUBG Ally juga menjadi contoh jelas. KRAFTON menggunakan model lokal yang berjalan di GPU untuk memahami instruksi pemain dan memilih tindakan. Untuk beban seperti ini, GPU masih lebih praktis karena tooling, performa, dan dukungan model sudah matang.
NPU mulai menarik karena tidak mengganggu rendering game
Masalahnya, GPU juga punya tugas utama: menggambar game. Saat GPU sedang sibuk dengan ray tracing, upscaling dan frame generation, menjalankan terlalu banyak AI tambahan bisa ikut memakan resource.
Di sinilah NPU mulai berguna. Microsoft Windows ML secara resmi mendukung inference melalui CPU, GPU, dan NPU. Developer dapat memilih execution provider yang sesuai dengan hardware perangkat. Microsoft bahkan menyebut NPU sebagai pilihan yang efisien untuk on-device inference yang berjalan terus-menerus.
Contoh tugas yang cocok dipindahkan ke NPU
Bukan semua AI harus dijalankan di NPU. Tetapi beberapa pekerjaan sangat cocok karena tidak butuh throughput sebesar model generatif berat.
Lalu tugas apa yang masih lebih cocok di GPU?
GPU masih unggul untuk model AI yang lebih besar dan generatif. Microsoft juga menempatkan GPU sebagai pilihan untuk workload seperti image, video, dan generative AI karena throughput-nya tinggi.
Kalau game punya NPC yang harus menjalankan model bahasa cukup besar, memahami banyak konteks, lalu menghasilkan jawaban panjang, GPU masih lebih masuk akal. Begitu juga untuk model multimodal yang harus membaca gambar atau world state dalam jumlah besar.
| Tugas | GPU | NPU |
|---|---|---|
| Rendering game | Utama | Tidak |
| LLM / generative AI besar | Sangat cocok | Tergantung model |
| Speech recognition | Bisa | Sangat cocok |
| Translation lokal | Bisa | Cocok |
| Background AI | Boros resource | Efisien |
| AI NPC ringan | Bisa | Potensial |
Intel dan AMD sudah membuka jalannya
Intel Core Ultra sudah menggabungkan CPU, GPU, dan NPU dalam satu platform AI PC. Intel juga menyediakan OpenVINO agar developer bisa mengarahkan model ke CPU, GPU, atau NPU sesuai kebutuhan.
AMD melakukan hal serupa lewat Ryzen AI dan ekosistem XDNA. Di Windows, layer seperti Windows ML membantu developer agar tidak perlu membangun jalur hardware dari nol untuk setiap vendor.
Artinya, developer game tidak harus selalu menulis sistem terpisah untuk setiap chip. Model ONNX bisa diarahkan ke execution provider yang sesuai jika hardware dan drivernya mendukung.
Apakah NPU bisa bikin FPS naik?
Tidak secara langsung. NPU bukan mesin render. Tetapi ada kemungkinan efek tidak langsung: kalau voice processing, translation, atau AI companion dipindahkan dari GPU ke NPU, GPU bisa lebih fokus ke rendering.
Kenapa ini sangat menarik untuk handheld gaming?
Handheld Windows punya batas daya dan suhu jauh lebih ketat dibanding desktop gaming. Menyalakan GPU terus-menerus untuk voice AI atau translation bisa membuang daya yang seharusnya dipakai untuk game.
NPU dirancang untuk inference hemat daya. Karena itu, workload kecil yang terus aktif bisa lebih cocok dipindahkan ke NPU. Di perangkat portable, perbedaan efisiensi seperti ini bisa jauh lebih penting daripada di PC desktop.
AI NPC masa depan kemungkinan pakai model hybrid
Yang paling masuk akal bukan “GPU atau NPU”, tetapi GPU + NPU + CPU. Tugas bisa dibagi sesuai karakteristiknya.
Misalnya, NPC mendengar suara pemain melalui model speech recognition di NPU. Intent lalu diteruskan ke game state di CPU. Kalau dibutuhkan jawaban kompleks, model karakter bisa berjalan di GPU. Hasil akhirnya dikirim kembali ke text-to-speech atau animasi karakter.
Software apa yang sudah membuat skenario ini mungkin?
Beberapa fondasi software sudah tersedia sekarang. NVIDIA ACE menyediakan SDK untuk game agents, text generation dan text-to-speech. Windows ML menyediakan jalur inference lokal ke NPU, GPU, dan CPU. Intel OpenVINO juga memungkinkan model dipindahkan antar-engine pada Intel AI PC.
Jadi hambatan terbesar bukan lagi “apakah hardware bisa?”. Yang belum matang adalah adopsi langsung di game komersial dalam skala besar.
Hubungannya dengan game AI native yang sudah mulai muncul
Mobzter sebelumnya membahas game yang mulai memakai AI native, termasuk NPC yang bisa bicara dan AI teammate. Saat ini implementasi seperti itu masih banyak bergantung pada GPU atau cloud.
Tetapi ketika developer mulai mengoptimalkan model yang lebih kecil, NPU bisa mengambil alih beberapa tugas yang tidak perlu dijalankan di GPU. Ini membuat AI native lebih realistis untuk laptop tipis, handheld, dan perangkat dengan keterbatasan daya.
NPU bisa menjadi “co-processor” untuk dunia game
NPU kemungkinan tidak akan menggantikan GPU. Justru perannya lebih mirip mesin khusus yang mengambil pekerjaan AI kecil namun terus-menerus.
Bayangkan game open world di mana NPU menangani voice command, live translation, memory NPC ringan, dan AI assistant. GPU tetap fokus pada rendering dan model generatif yang lebih berat. CPU tetap menjalankan game logic.
Kalau pembagian tugas seperti ini menjadi standar, AI di game tidak lagi terasa seperti fitur tambahan. Ia bisa menjadi bagian permanen dari engine game, tetapi tanpa memaksa satu komponen hardware mengerjakan semuanya.
About MOBZTER News
Tidak ada komentar