Perkembangan kecerdasan buatan atau AI tidak hanya mendorong persaingan dalam pembuatan model AI. Infrastruktur di balik teknologi tersebut juga berkembang sangat cepat, terutama chip AI yang digunakan untuk melatih model, menjalankan AI Agent, dan memproses permintaan pengguna secara real-time.
Pada 2026, perusahaan seperti NVIDIA, Google, AMD, hingga sejumlah perusahaan teknologi besar semakin mengembangkan prosesor dan akselerator khusus AI. Persaingan tersebut tidak lagi hanya mengenai siapa yang memiliki chip paling cepat, tetapi juga menyangkut efisiensi energi, biaya pemrosesan, bandwidth memori, dan kemampuan menjalankan AI dalam skala besar.
NVIDIA Vera Rubin Jadi Salah Satu Perhatian Utama
Salah satu platform chip AI generasi baru yang banyak diperbincangkan adalah NVIDIA Vera Rubin.
NVIDIA merancang Vera Rubin sebagai platform komputasi untuk berbagai kebutuhan AI, termasuk training, inference, reasoning, dan AI Agent. Platform tersebut menggabungkan beberapa komponen, seperti Rubin GPU, Vera CPU, NVLink 6 Switch, ConnectX-9 SuperNIC, BlueField-4 DPU, dan Spectrum-6 Ethernet.
NVIDIA menyebut Vera Rubin dapat memberikan hingga 10 kali throughput untuk agentic AI dibandingkan platform Grace Blackwell pada skala tertentu. Perusahaan juga menyatakan platform tersebut sedang memasuki produksi penuh dan digunakan untuk membangun infrastruktur AI berskala besar.
Perkembangan ini menunjukkan bahwa kebutuhan komputasi AI mulai berubah. Chip tidak hanya dipakai untuk melatih model besar, tetapi juga harus mampu menjalankan AI Agent yang dapat melakukan banyak proses secara berulang.
AI Agent Mendorong Kebutuhan Chip Baru
Kemunculan AI Agent menjadi salah satu alasan mengapa kebutuhan terhadap chip khusus semakin meningkat.
AI Agent dapat menerima tujuan dari pengguna, membuat rencana, menggunakan tools, menjalankan kode, mengambil informasi, kemudian mengevaluasi hasil. Proses tersebut dapat membutuhkan banyak komputasi dibandingkan sekadar memberikan jawaban terhadap satu pertanyaan.
NVIDIA bahkan memperkenalkan Vera CPU yang secara khusus ditujukan untuk era agentic AI dan reinforcement learning. Perusahaan menyebut Vera dirancang untuk menangani pemrosesan data dan inference agentic dalam skala besar.
Artinya, perkembangan AI Agent ikut menciptakan kebutuhan terhadap infrastruktur yang mampu menangani banyak proses secara bersamaan.
Google Kembangkan Chip AI Buatan Sendiri
NVIDIA bukan satu-satunya perusahaan yang mengembangkan chip untuk AI. Google juga mempunyai keluarga prosesor khusus bernama TPU atau Tensor Processing Unit.
Google mengembangkan TPU untuk kebutuhan komputasi AI di infrastrukturnya sendiri. Perusahaan tersebut terus memperbarui desain TPU seiring meningkatnya kebutuhan terhadap training dan inference AI.
Perkembangan terbaru menunjukkan bahwa Google semakin mempercepat siklus pengembangan TPU untuk memenuhi pertumbuhan kebutuhan komputasi AI, terutama untuk inference.
Pendekatan seperti ini memungkinkan perusahaan teknologi besar mengembangkan hardware yang lebih disesuaikan dengan kebutuhan software dan model AI mereka.
Mengapa Inference Semakin Penting?
Pada awal perkembangan generative AI, perhatian besar diberikan pada training, yaitu proses melatih model menggunakan data dalam jumlah sangat besar.
Kini, inference menjadi semakin penting. Inference merupakan proses ketika model yang sudah dilatih digunakan untuk menghasilkan jawaban atau melakukan pekerjaan berdasarkan permintaan pengguna.
Ketika chatbot, AI coding assistant, AI Agent, dan layanan generative AI digunakan oleh jutaan pengguna, jumlah proses inference dapat meningkat sangat cepat.
Karena itu, perusahaan teknologi mulai mencari chip yang dapat menghasilkan lebih banyak output dengan konsumsi energi dan biaya yang lebih rendah.
Perkembangan chip khusus inference bahkan membuka ruang bagi perusahaan selain NVIDIA. Sejumlah perusahaan mulai mengembangkan accelerator khusus yang dirancang untuk kebutuhan inference dengan latensi rendah.
AMD Juga Terus Mengembangkan AI Accelerator
AMD merupakan salah satu perusahaan yang ikut bersaing di pasar akselerator AI melalui keluarga Instinct.
Akselerator seperti AMD Instinct ditujukan untuk kebutuhan data center dan komputasi AI. Persaingan antara AMD dan NVIDIA menjadi bagian dari perkembangan industri AI accelerator yang semakin luas.
Selain perusahaan chip tradisional, perusahaan cloud juga mulai mengembangkan chip sendiri. Google mempunyai TPU, Amazon mengembangkan Trainium dan Inferentia, sementara perusahaan seperti Meta juga mengembangkan akselerator internal untuk kebutuhan AI.
Fenomena tersebut menunjukkan bahwa pasar AI hardware semakin beragam.
Perusahaan Mulai Membuat Chip Sendiri
Salah satu tren penting dalam industri AI adalah meningkatnya penggunaan custom AI silicon.
Perusahaan teknologi besar memiliki alasan untuk mengembangkan chip sendiri. Dengan desain khusus, chip dapat disesuaikan dengan kebutuhan workload tertentu dan berpotensi membantu mengendalikan biaya komputasi.
Google, Amazon, dan Meta termasuk perusahaan yang mengembangkan prosesor AI internal. Data yang dikutip SemiEngineering menunjukkan GPU masih menyumbang porsi besar dari kapasitas komputasi AI yang terpasang secara global, tetapi custom silicon juga memiliki peran yang semakin besar.
Persaingan ini membuat industri tidak hanya bergantung pada satu jenis arsitektur atau satu produsen.
Huawei Siapkan Chip AI Generasi Berikutnya
Persaingan juga semakin berkembang di luar Amerika Serikat.
Huawei mengumumkan rencana menghadirkan dua chip AI baru pada 2027, yaitu 960DT dan Ascend 960PR. Menurut Reuters, kedua chip tersebut dijadwalkan meluncur masing-masing pada kuartal pertama dan ketiga 2027.
Huawei juga mengembangkan teknologi UnifiedBus untuk menghubungkan banyak chip AI sehingga dapat bekerja sebagai satu sistem komputasi berukuran besar.
Perusahaan tersebut mengatakan telah mengembangkan supercluster yang dapat menghubungkan hingga satu juta prosesor AI. Angka tersebut merupakan klaim perusahaan dan menunjukkan arah pengembangan infrastruktur AI berskala sangat besar.
Tantangan Terbesar Bukan Hanya Kecepatan
Chip AI generasi baru harus menghadapi sejumlah tantangan.
Salah satunya adalah konsumsi energi. Pusat data AI membutuhkan daya yang sangat besar karena harus menjalankan ribuan hingga jutaan prosesor secara bersamaan.
Selain itu, bandwidth memori dan komunikasi antarchip juga menjadi sangat penting. Semakin besar model AI, semakin banyak data yang harus dipindahkan antarprosesor.
Karena itu, desain AI accelerator kini berkembang menjadi sebuah sistem yang mencakup chip, memori, interconnect, jaringan, sistem pendingin, dan software.
NVIDIA misalnya tidak hanya mengembangkan GPU, tetapi juga CPU, switch, jaringan, storage processor, serta software sebagai bagian dari platform AI terintegrasi.
Persaingan Chip AI Makin Kompleks
Persaingan chip AI pada 2026 tidak lagi sederhana seperti membandingkan spesifikasi sebuah GPU dengan GPU lainnya.
Produsen harus memperhitungkan performa per watt, biaya per token, kapasitas memori, kemampuan interconnect, software ecosystem, dan kemudahan penerapan di data center.
Bahkan kebutuhan AI Agent membuat jenis workload menjadi semakin beragam. Sistem yang menjalankan AI Agent membutuhkan kombinasi antara reasoning, inference, penyimpanan konteks, networking, dan pemrosesan data.
Hal tersebut membuat desain infrastruktur AI semakin kompleks.
Dampaknya bagi Pengguna
Bagi pengguna biasa, persaingan chip AI mungkin tidak langsung terlihat. Namun, dampaknya dapat dirasakan melalui layanan AI yang semakin cepat dan mampu menangani tugas yang lebih kompleks.
Chip yang lebih efisien dapat membantu penyedia layanan menjalankan lebih banyak permintaan AI dengan infrastruktur yang sama. Dalam jangka panjang, perkembangan tersebut juga dapat mendukung munculnya fitur AI baru pada smartphone, komputer, cloud, aplikasi produktivitas, dan perangkat lainnya.
Di sisi lain, peningkatan kebutuhan komputasi juga membuat konsumsi energi dan pembangunan data center menjadi isu penting dalam perkembangan industri AI.
Kesimpulan
Chip AI generasi baru menjadi salah satu bagian terpenting dalam perkembangan kecerdasan buatan pada 2026.
NVIDIA memperluas platform Vera Rubin untuk kebutuhan AI berskala besar dan agentic AI. Google terus mengembangkan TPU untuk workload AI, sementara AMD dan berbagai perusahaan lain ikut memperluas pilihan akselerator.
Pada saat yang sama, perusahaan teknologi seperti Google, Amazon, dan Meta semakin mengembangkan custom silicon, sedangkan Huawei menyiapkan generasi baru chip AI untuk memperkuat infrastruktur komputasinya.
Persaingan tersebut menunjukkan bahwa masa depan AI tidak hanya ditentukan oleh model yang semakin pintar. Chip, memori, jaringan, energi, dan software juga menjadi bagian penting dari perlombaan teknologi AI.
Keyword terkait: chip AI, chip AI terbaru, chip AI generasi baru, teknologi chip AI, AI accelerator, NVIDIA Vera Rubin, NVIDIA Rubin, NVIDIA Vera CPU, Google TPU, AMD Instinct, chip AI 2026, prosesor AI, GPU AI, AI inference, AI Agent, custom AI chip, perkembangan AI terbaru, teknologi kecerdasan buatan.