Ketika Google Tantang Dominasi Nvidia Lewat Chip AI TPU

MANAJEMEN Google ditengarai tengah menjajaki penjualan tensor processing units (TPU) kepada perusahaan teknologi lain, langkah yang berpotnsi mengganggu dominasi Nvidia sebagai pemasok chip AI utama. Entitas teknologi seperti Meta dan Anthropic dikabarkan akan menggelontorkan miliaran US$ untuk membeli TPU Google.

Industri akal imitasi (AI) selama ini bergantung pada graphical processing units (GPU), chip yang mampu melakukan banyak kalkulasi paralel sekaligus. GPU awalnya dikembangkan untuk kebutuhan grafik komputer dan game, namun kemampuannya menjalankan operasi paralel membuatnya cocok untuk melatih dan menjalankan model AI.

“Jika saya memiliki banyak piksel di suatu ruang dan saya perlu melakukan rotasi ini untuk menghitung tampilan kamera baru, ini adalah operasi yang dapat dilakukan secara paralel,” kata Francesco Conti dari Universitas Bologna, dikutip dari ulasan New Scientist yang terbit pada 28 November 2025.

Conti menilai GPU tetap memiliki keterbatasan karena tidak secara khusus dirancang untuk AI. TPU yang dikembangkan Google sejak 2016 justru difokuskan pada perkalian matriks, kalkulasi inti untuk model AI besar. Pada tahun ini, Google merilis generasi ketujuh TPU bernama Ironwood, yang digunakan untuk menggerakkan model seperti Gemini dan AlphaFold.

Meski efisien, TPU bisa menjadi kurang fleksibel jika model AI berkembang pesat. Bila perusahaan tidak memiliki fleksibilitas pada TPU, ucap Conti, perusahaan harus melakukan kalkulasi pada CPU node di pusat data. Proses itu tergolong lamban.

Seiring waktu, dukungan perangkat lunak TPU juga dinilai semakin matang sehingga lebih mudah digunakan. “Dengan TPU, sekarang Anda dapat melakukan hal seperti GPU,” tutur Conti.

Secara teknologi, TPU dianggap bukan chip yang sepenuhnya baru, melainkan versi yang lebih khusus dari GPU. “Mereka fokus pada bagian yang dilakukan GPU, secara spesifik ditujukan untuk pelatihan dan inference AI,” kata Simon McIntosh-Smith dari Universitas Bristol.

Selain Google, sejumlah hyperscaler—sebutan perusahaan raksasa selevel penyedia cloud— maupun usaha rintisan sedang mengembangkan chip serupa, termasuk Amazon yang menggunakan chip Trainium. McIntosh-Smith menjelaskan, tren tersebut terjadi karena harga GPU melonjak akibat permintaan yang lebih tinggi dari pasokan.

“Kebanyakan hyperscaler memiliki program internal mereka sendiri. GPU menjadi sangat mahal karena permintaan melampaui pasokan,” ucap Mcintosh-Smith. “Mungkin lebih murah untuk merancang dan membangun chip Anda sendiri,” katanya.