Alphabet Memberikan Serangan yang Mengubah Permainan terhadap Dominasi Chip AI Nvidia

Terobosan TPU yang Mengubah Segalanya

Selama bertahun-tahun, pertarungan infrastruktur AI tampak satu sisi. Penyedia cloud besar seperti Alphabet, Amazon, dan Microsoft menghabiskan miliaran dolar untuk merancang chip data center kustom, tetapi tidak ada yang bisa menandingi posisi terdepan Nvidia dalam unit pemrosesan grafis (GPUs). Narasi itu baru saja berubah secara dramatis.

Pada 18 November, Alphabet meluncurkan Gemini 3, model AI terbaru mereka, dan cerita sebenarnya bukan hanya tentang kinerja—itu disampaikan secara eksklusif pada unit pemrosesan tensor kustom Alphabet (TPUs). Tonggak sejarah ini menandai titik balik potensial dalam pertarungan untuk supremasi chip AI. Gemini 3 menyamai atau melebihi kemampuan rilis terbaru dari OpenAI dan Anthropic, membuktikan bahwa chip buatan sendiri bisa bersaing di level tertinggi.

Apa yang membuat perkembangan ini sangat penting? Meta Platforms dilaporkan sedang dalam pembicaraan untuk membeli TPUs langsung dari Alphabet, sementara Anthropic baru saja mengumumkan ekspansi besar dalam adopsi TPU melalui Google Cloud. Perpindahan dari ancaman teoretis ke permintaan pasar nyata kini sedang berlangsung.

Kendala Pasokan Bertemu Permintaan Eksplosif

Google Cloud mengalami permintaan kapasitas komputasi yang belum pernah terjadi sebelumnya. Selama Q3 2025 (berakhir 30 September), platform ini menghasilkan pendapatan sebesar $15,1 miliar—peningkatan 33,5% dari tahun ke tahun yang bahkan mempercepat dari kuartal sebelumnya. Namun ada kendala kritis: ketersediaan TPU tidak bisa mengikuti kecepatan permintaan.

Antrian pesanan untuk kapasitas komputasi melonjak menjadi $155 miliar selama Q3, naik 82% dari tahun ke tahun. Menurut Amin Vahdat, General Manager AI dan Infrastruktur di Google Cloud, ketidakseimbangan pasokan-permintaan ini bisa bertahan selama lima tahun ke depan. Dinamika ini memberikan kekuatan harga kepada Alphabet sekaligus menimbulkan frustrasi bagi pengembang yang sangat membutuhkan sumber daya komputasi saat ini.

Skala permintaan potensial sangat besar. Ketika Anthropic mengumumkan akan mengakses hingga 1 juta TPU melalui Google Cloud untuk melatih model Claude-nya, kontrak tunggal itu menunjukkan besarnya peluang tersebut. Meta Platforms, yang saat ini bergantung pada Nvidia GPU untuk pelatihan model Llama-nya, berencana membeli TPU senilai miliaran dolar mulai tahun 2027 untuk pusat data mereka sendiri.

Tantangan Nvidia: Kompetitif tetapi Belum Rentan (Namun)

Tekanan kompetitif nyata, tetapi posisi Nvidia belum runtuh secara langsung. Jika antrian pesanan terus bertambah, Nvidia kemungkinan tidak akan merasakan efek signifikan selama beberapa tahun lagi. Penyedia cloud yang perlu memenuhi permintaan pelanggan akan terus mencari dari beberapa pemasok, termasuk Nvidia, hanya untuk memenuhi kebutuhan kapasitas.

GPU tetap menjadi standar default untuk sebagian besar beban kerja AI, sebagian besar karena fleksibilitas dan kematangan ekosistemnya. Alphabet merancang TPU untuk tujuan spesifik mereka—berkinerja tinggi dan hemat energi, ya, tetapi tidak selalu optimal untuk setiap kasus penggunaan pengembang. Perangkat lunak proprietary CUDA Nvidia tetap menjadi bahasa pemrograman pilihan di seluruh industri AI. Berpindah ke TPU berarti meninggalkan CUDA, menciptakan gesekan bagi pengembang yang sudah berinvestasi dalam tumpukan Nvidia.

CEO Nvidia Jensen Huang memperkirakan pengeluaran pusat data AI bisa mencapai $4 triliun per tahun pada 2030. Dengan Nvidia mencatat pendapatan tahunan sebesar $213 miliar selama tahun fiskal yang berakhir Januari 2026(, proyeksi Huang meninggalkan ruang besar untuk pertumbuhan bahkan jika perusahaan menyerah pada posisi pasar.

Perspektif Penilaian untuk Investor

Dari sudut pandang penilaian, kedua perusahaan menawarkan peluang menarik. Rasio P/E Nvidia berada di 44,6—diskon 37% dari rata-rata historis 10 tahun sebesar 61,2, menunjukkan potensi kenaikan bagi investor yang sabar. Alphabet, meskipun memberikan pengembalian 70% tahun ini, diperdagangkan dengan P/E hanya 31,2, sedikit lebih murah daripada indeks Nasdaq-100 secara keseluruhan.

Mengingat ekspansi yang diperkirakan akan terus berlanjut dalam pengeluaran infrastruktur AI, memiliki kedua perusahaan ini bisa menangkap aspek berbeda dari tren pertumbuhan sekuler ini. Pertanyaannya bukan apakah pengeluaran AI akan terus meningkat—karena hampir pasti akan. Pertanyaannya adalah bagaimana lanskap kompetitif berkembang dan siapa yang akan mendapatkan nilai paling banyak.