APEX: Definisi Baru Mini Workstation AI Lokal
Zyrex APEX adalah mini workstation AI lokal pertama berbasis prosesor AMD Ryzen AI Max+ 395 yang menggabungkan CPU, GPU, dan NPU dalam form factor desktop ringkas, dilengkapi unified memory 128GB dan kemampuan komputasi hingga 126 TOPS untuk menjalankan large language models sampai sekitar 120 miliar parameter secara lokal tanpa bergantung pada cloud. Peluncuran ini bukan sekadar tambahan produk, tetapi pernyataan bahwa komputasi AI kelas data center kini mulai bergeser ke perangkat di bawah meja kerja. Langkah PT Zyrexindo Mandiri Buana Tbk memperluas portofolio komputasi berbasis AI melalui APEX jelas dibentuk oleh tren naik komputasi AI lokal, terutama di kalangan perusahaan dan pengembang yang menginginkan kendali lebih besar terhadap data mereka. Alih-alih menerima kompromi privasi dan latensi dari layanan cloud umum, APEX menawarkan narasi berbeda: AI kuat yang tetap dekat dengan data, dekat dengan tim, dan dekat dengan proses bisnis.

Zyrex APEX Spesifikasi: Memori Kelas Data Center di Sasis Mini
Inti daya tarik Zyrex APEX ada pada kombinasi memori dan komputasi yang biasanya kita temui di server, bukan PC kantor biasa. Unified memory 128GB berbasis LPDDR5X-8000 dengan bandwidth hingga 256GB/s dapat digunakan bersama oleh CPU dan GPU, dan dalam konfigurasi tertentu sekitar 120GB diakses GPU untuk workload LLM yang rakus memori. Kutipan kunci dari peluncuran ini cukup tegas: "Data-Center-Class AI Memory. Desktop-Sized." Di sisi otak komputasi, APEX memakai AMD Ryzen AI Max+ 395 dengan 16 core dan 32 thread berbasis arsitektur Zen 5 dan boost clock hingga 5,1 GHz, dipadukan dengan Radeon 8060S Graphics berarsitektur RDNA 3.5. Gabungan CPU, GPU, dan NPU tersebut menghasilkan kemampuan komputasi AI hingga 126 TOPS, dengan NPU sendiri menyumbang hingga 50 TOPS. Tambahan SSD NVMe 1TB, tiga slot M.2 NVMe, dukungan hingga empat layar, port USB4, HDMI, serta dua Ethernet 10GbE menjadikan APEX workstation AI mini yang lengkap untuk pengembangan dan inferensi lokal.
| Spesifikasi Kunci | Detail Teknis | Implikasi Praktis |
|---|---|---|
| Prosesor | AMD Ryzen AI Max+ 395, 16 core / 32 thread, boost hingga 5,1 GHz | Cukup untuk multitasking berat, training ringan, dan pengembangan aplikasi paralel |
| Memori | 128GB unified LPDDR5X-8000, bandwidth 256GB/s | Mampu menampung LLM lokal besar dan context window panjang tanpa swap masif |
| AI Performance | Hingga 126 TOPS gabungan, NPU hingga 50 TOPS | Optimal untuk inferensi LLM terquantisasi dan pipeline AI multimodal lokal |
| GPU-Accessible Memory | Hingga sekitar 120GB dapat diakses GPU, bergantung konfigurasi | Memungkinkan pemuatan model kelas puluhan miliar parameter secara penuh di GPU |
| Form Factor | Mini workstation sekitar 200 × 69,5 × 226 mm | Bisa ditempatkan di meja kerja tanpa rak server khusus |
LLM Lokal 120B: Dari Cloud ke Meja Kerja
Daya tarik paling provokatif dari Zyrex APEX bagi komunitas AI adalah klaim dukungan LLM hingga sekitar 120 miliar parameter, termasuk model seperti GPT-OSS 120B, dengan syarat konfigurasi quantization dan software inference yang sesuai. Untuk banyak tim data science dan developer, ini adalah pergeseran mental: model yang dulu dianggap hanya mungkin di cluster GPU atau cloud kini secara realistis dapat dijalankan di perangkat lokal, walau tentu tidak dengan konfigurasi sembarangan. Zyrex menyebut APEX mampu menangani model kelas 7B sampai 32B parameter secara langsung, dan naik ke kelas 120B dengan kompromi teknik seperti quantization dan manajemen memori yang cermat. Di sinilah workstation AI mini seperti ini memaksa profesional untuk melek terhadap detail teknis: panjang context window, tingkat quantization, arsitektur model, inference engine, sistem operasi, serta pembagian memori sangat memengaruhi performa aktual. APEX bukan tombol ajaib yang membuat semua model besar berjalan mulus, melainkan platform yang memberi ruang eksperimen serius bagi praktisi AI lokal.
Private Local AI: Privasi dan Latensi Mengalahkan Kenyamanan Cloud
Filosofi yang menyatukan seluruh desain Zyrex APEX adalah konsep Private Local AI: model, data, dan proses inferensi dijalankan pada perangkat atau infrastruktur yang dikelola sendiri, bukan di layanan AI publik. Bagi perusahaan dengan dokumen internal dan data sensitif, ini lebih dari sekadar preferensi teknis; ini soal tata kelola data dan risiko reputasi. Dalam penerapan yang sepenuhnya lokal, dokumen perusahaan tidak perlu dikirimkan ke layanan AI berbasis cloud. Hal ini memberi kendali lebih besar terhadap penyimpanan, pemrosesan, dan tata kelola data, sekaligus memotong latensi jaringan yang sering menjadi hambatan pengalaman pengguna. APEX dirancang menjadi fondasi untuk membangun sistem private Retrieval-Augmented Generation (RAG): AI yang menjawab berdasarkan basis pengetahuan internal seperti dokumen perusahaan, arsip, dan informasi operasional. Penggunaan praktisnya mencakup asisten AI internal, pencarian dan analisis dokumen, penyusunan dokumen, pengembangan perangkat lunak, serta coding. Intinya, APEX menantang asumsi bahwa "AI cerdas" harus selalu berarti "AI berbasis cloud".
Implikasi bagi Profesional AI dan Masa Depan Workstation AI Lokal
Target pengguna Zyrex APEX secara eksplisit meliputi perusahaan, developer, dan profesional yang membutuhkan komputasi AI lokal. Namun konsekuensinya lebih luas: munculnya workstation AI mini dengan memori kelas data center dan dukungan LLM lokal 120B memaksa komunitas teknis mengubah cara merencanakan arsitektur solusi AI mereka. Alih-alih memulai dari asumsi "semua ke cloud", arsitek sistem kini punya opsi nyata untuk menyimpan model inti dan inferensi di dalam jaringan internal, dengan cloud hanya sebagai pendukung. Secara praktis, APEX dapat menjadi titik masuk bagi tim pengembangan yang selama ini takut dengan kompleksitas infrastruktur GPU server. Form factor ringkas, spesifikasi siap pakai, dan fokus pada Private Local AI menurunkan hambatan adopsi, terutama untuk organisasi yang ingin memulai dari asisten AI internal dan RAG privat sebelum melangkah ke use case yang lebih agresif. Pada akhirnya, Zyrex APEX adalah eksperimen berani: menguji apakah pasar sudah siap memindahkan otak AI dari pusat data ke workstation di ruangan kerja. Jika responsnya positif, definisi "workstation AI" lokal bisa berubah permanen.






