Google Perkenalkan TPU 8tx dan TPU 8i Max, Ini Keunggulan Chip AI Terbaru

Glitik - Jakarta, Google kembali memperkuat posisinya dalam persaingan infrastruktur kecerdasan buatan (AI). Pada 9 November 2026, Google Cloud memperkenalkan dua sistem Tensor Processing Unit (TPU) generasi kedelapan, yaitu TPU 8tx dan TPU 8i Max. Keduanya dirancang untuk memenuhi kebutuhan komputasi AI yang semakin kompleks, mulai dari pemrosesan data rahasia hingga menjalankan model dengan kapasitas konteks berukuran sangat besar.

Pengumuman yang disampaikan Amin Vahdat, Senior Vice President sekaligus Chief Technologist AI and Infrastructure Google, melalui blog resmi perusahaan ini melengkapi jajaran TPU generasi kedelapan yang sebelumnya diperkenalkan pada April 2026.

TPU 8tx difokuskan pada keamanan pemrosesan data melalui teknologi confidential computing. Sementara itu, TPU 8i Max menawarkan peningkatan kapasitas komputasi dan memori untuk mendukung model AI dengan context window besar serta pemrosesan agen AI yang kompleks.

Dengan kehadiran dua sistem baru tersebut, Google kini memiliki empat varian TPU generasi kedelapan. Peluncuran ini memperkuat posisi Google dalam persaingan pengembangan chip AI Google terbaru sekaligus memperluas pilihan akselerator untuk kebutuhan komputasi kecerdasan buatan berskala enterprise.

Google Perluas TPU Generasi Kedelapan, Apa Keunggulannya?

Tensor Processing Unit atau TPU merupakan akselerator khusus yang dikembangkan Google untuk mempercepat berbagai proses komputasi kecerdasan buatan. Berbeda dengan prosesor serbaguna, TPU dirancang untuk menangani operasi matematika yang banyak digunakan dalam pelatihan dan inferensi model AI.

Pada ajang Google Cloud Next April 2026, Google memperkenalkan dua sistem pertama dalam keluarga generasi kedelapan, yakni TPU 8t dan TPU 8i.

TPU 8t ditujukan untuk pelatihan model AI berskala besar (large scale training). Sistem ini menawarkan performa pelatihan hingga 2,7 kali lebih tinggi dibandingkan generasi sebelumnya. Sementara itu, TPU 8i dioptimalkan untuk penalaran AI secara real time (real time reasoning) dengan peningkatan rasio harga terhadap performa inferensi hingga 80 persen.

Kedua sistem tersebut dirancang untuk mendukung kebutuhan pengembangan model Gemini dan berbagai beban kerja AI Google. Kini, Google memperluas portofolionya melalui TPU 8tx dan TPU 8i Max yang memiliki fokus penggunaan berbeda.

TPU 8tx: Chip AI Google dengan Keamanan Confidential Computing

Salah satu tantangan terbesar dalam penerapan kecerdasan buatan di perusahaan adalah menjaga keamanan informasi selama proses komputasi berlangsung. Hal ini sangat penting bagi industri keuangan, kesehatan, pertahanan, dan pemerintahan yang mengelola data sensitif.

Google mengembangkan TPU 8tx untuk menjawab kebutuhan tersebut. Sistem ketiga dalam keluarga TPU generasi kedelapan ini dioptimalkan untuk inferensi yang aman dan rahasia (secure and confidential inference), sekaligus mendukung pelatihan model dalam skala lebih kecil.

Dari sisi arsitektur, TPU 8tx menggunakan silikon yang sama dengan TPU 8t dan dipadukan dengan prosesor host AMD EPYC generasi kelima.

Perlindungan Data Langsung pada Tingkat Perangkat Keras

Secara umum, sistem keamanan komputer melindungi data ketika disimpan (data at rest) maupun ketika dikirim melalui jaringan (data in transit). Namun, ketika informasi harus diproses oleh prosesor, data biasanya perlu dibuka di memori. Tahap inilah yang dapat menciptakan celah keamanan apabila tidak dilindungi dengan mekanisme yang tepat.

TPU 8tx menghadirkan pendekatan confidential computing dengan perlindungan yang dibangun langsung pada lapisan perangkat keras. Teknologi ini dirancang untuk menjaga data sensitif dan bobot model AI tetap terlindungi serta terisolasi selama proses komputasi berlangsung.

Keunggulan tersebut berpotensi membantu perusahaan menjalankan model AI menggunakan informasi internal tanpa mengabaikan kebutuhan perlindungan data. Bagi organisasi yang beroperasi di sektor dengan regulasi ketat, kemampuan ini menjadi salah satu aspek penting dalam penerapan AI secara lebih luas.

Latensi Lebih Rendah untuk Agen AI

Selain keamanan, Google juga meningkatkan kemampuan komunikasi antarkomponen pada TPU 8tx. Sistem ini menggunakan jaringan Boardfly berlatensi rendah yang sebelumnya dikembangkan untuk TPU 8i.

Menurut Google, teknologi tersebut memungkinkan agen AI menjalankan tugas bertahap dengan komunikasi lebih cepat. TPU 8tx diklaim mampu memberikan latensi hingga dua kali lebih rendah dibandingkan TPU 8t, dengan penalti performa yang mendekati nol.

Kombinasi kemampuan komputasi dan jaringan berlatensi rendah juga memungkinkan organisasi menjalankan sejumlah pekerjaan dalam satu sistem, termasuk:

• Private fine tuning: Menyesuaikan model AI menggunakan data privat milik perusahaan.
• Model distillation: Memindahkan kemampuan model besar ke model yang lebih kecil dan efisien.
• Reinforcement learning: Melatih agen AI melalui proses pembelajaran berbasis umpan balik.
• Secure inference: Menjalankan inferensi AI dengan perlindungan terhadap informasi sensitif.

Dengan kemampuan tersebut, TPU 8tx menyasar perusahaan di sektor keuangan, kesehatan, pertahanan, serta lembaga pemerintahan yang membutuhkan komputasi AI dengan perlindungan data tingkat tinggi.

TPU 8i Max: Solusi Google untuk AI dengan Context Window Besar

Jika TPU 8tx berfokus pada keamanan, TPU 8i Max dikembangkan untuk mengatasi keterbatasan kapasitas memori dan bandwidth ketika model AI harus memproses informasi dalam jumlah sangat besar.

Tantangan tersebut dikenal sebagai memory wall, yaitu kondisi ketika kemampuan komputasi prosesor tidak dapat dimanfaatkan secara optimal karena keterbatasan kecepatan dan kapasitas memori.

Masalah ini semakin penting dalam perkembangan AI agenik. Sebuah agen AI dapat diminta menganalisis seluruh kode dalam proyek perangkat lunak, membaca dokumen dalam jumlah besar, atau memproses rekaman video berdurasi panjang. Semakin banyak informasi yang harus dipertahankan dalam konteks model, semakin besar pula kebutuhan memori dan bandwidth.

Menggabungkan Dua Chip TPU 8i dalam Satu Paket

Untuk mengatasi keterbatasan tersebut, Google mengembangkan TPU 8i Max dengan menggabungkan dua chip TPU 8i berlatensi rendah dalam satu paket (dual chip package).

Dari sisi TPU 8i Max spesifikasi, sistem ini menawarkan peningkatan kapasitas komputasi dan memori secara bersamaan. Dibandingkan satu TPU 8i, TPU 8i Max menghadirkan dua kali kapasitas komputasi, dua kali kapasitas SRAM, serta dua kali bandwidth HBM. Peningkatan tersebut dirancang untuk mendukung pemrosesan model AI dengan kebutuhan memori dan context window yang lebih besar.

Peningkatan tersebut dirancang agar prosesor mendapatkan pasokan data yang cukup selama menjalankan pekerjaan komputasi intensif. Dengan demikian, sistem dapat mengurangi hambatan pemrosesan akibat keterbatasan memori ketika menangani beban kerja AI berukuran besar.

Keunggulan TPU 8i Max juga mencakup kepadatan komputasi. Dengan menggabungkan dua chip dalam satu paket, Google menargetkan peningkatan kapasitas komputasi per ruang rak dan per watt daya. Efisiensi ini menjadi faktor penting bagi pusat data yang harus mengelola kebutuhan listrik, pendinginan, dan ruang fisik dalam skala besar.

Mendukung Model AI dengan Ratusan Ribu hingga Jutaan Token

Salah satu fokus penggunaan TPU 8i Max adalah menjalankan model AI dengan context window sangat besar, termasuk yang mencapai ratusan ribu hingga jutaan token.

Kapasitas konteks yang lebih luas memungkinkan model mempertahankan lebih banyak informasi selama proses penalaran. Kemampuan tersebut membuka peluang untuk berbagai aplikasi, seperti:

• Analisis seluruh kode perangkat lunak: AI dapat memproses dan memahami struktur proyek yang terdiri dari banyak file.
• Pemrosesan video berdurasi panjang: Model dapat menganalisis informasi dari rekaman video dengan durasi lebih panjang.
• Penalaran agen AI kompleks: Beberapa agen dapat menjalankan tugas bertahap dengan kebutuhan informasi yang lebih luas.
• Inferensi model berskala besar: Sistem dapat mendukung model yang membutuhkan kapasitas konteks sangat besar.

Dengan kemampuan tersebut, TPU 8i Max menjadi salah satu komponen yang dirancang Google untuk mendukung perkembangan aplikasi AI generasi berikutnya, terutama ketika model harus menangani informasi dalam jumlah besar secara bersamaan.

Perbandingan Empat Sistem TPU Generasi Kedelapan Google

Kehadiran TPU 8tx dan TPU 8i Max membuat Google kini memiliki empat sistem dalam keluarga TPU generasi kedelapan. Setiap sistem memiliki fokus berbeda sesuai kebutuhan komputasi AI.

Nama Sistem	Fokus Utama	Kegunaan
TPU 8t	Pelatihan AI skala besar	Mengembangkan dan melatih model fondasi.
TPU 8i	Inferensi berlatensi rendah	Mendukung penalaran AI secara real time.
TPU 8tx	Confidential computing	Pemrosesan AI dengan perlindungan data sensitif.
TPU 8i Max	Komputasi dan memori masif	Menangani model AI dengan context window besar.

Pembagian tersebut memperlihatkan strategi Google untuk menyediakan infrastruktur yang lebih spesifik berdasarkan karakteristik setiap pekerjaan AI. Perusahaan dapat memilih sistem sesuai kebutuhan, tanpa harus bergantung pada satu arsitektur untuk seluruh jenis beban kerja.

Pendekatan modular ini semakin relevan seiring berkembangnya AI agenik. Teknologi AI tidak lagi hanya menghasilkan jawaban berdasarkan perintah pengguna, tetapi juga mampu menjalankan serangkaian instruksi, memanfaatkan berbagai sumber informasi, dan berkoordinasi dengan sistem lain.

Persaingan Chip AI: Google Tantang Dominasi Nvidia

Peluncuran TPU 8tx dan TPU 8i Max berlangsung ketika persaingan pengembangan chip AI semakin ketat. Kebutuhan chip AI untuk data center terus meningkat seiring berkembangnya model kecerdasan buatan generatif dan agen AI. Nvidia masih menjadi salah satu pemain dominan dalam penyediaan GPU untuk pusat data, tetapi Google, Microsoft, Amazon, dan perusahaan teknologi lainnya mulai mengembangkan akselerator khusus untuk meningkatkan performa serta efisiensi komputasi AI.

Namun, perusahaan teknologi besar mulai mengembangkan akselerator khusus untuk mengoptimalkan kebutuhan komputasi internal maupun layanan cloud mereka. Microsoft, Amazon, OpenAI, dan Anthropic termasuk perusahaan yang mengambil langkah dalam pengembangan teknologi chip AI.

Perkembangan industri semikonduktor juga menjadi faktor penting dalam persaingan tersebut. Perkembangan teknologi fabrikasi TSMC 2nm serta persaingan AMD MI455X dan Nvidia Rubin memperlihatkan bagaimana produsen chip terus berlomba meningkatkan performa dan efisiensi komputasi untuk memenuhi kebutuhan pusat data generasi berikutnya.

Di sisi lain, perkembangan prosesor untuk perangkat konsumen juga menunjukkan pentingnya inovasi arsitektur chip. Salah satunya melalui chip Apple A20 Pro berbasis teknologi 2nm pada iPhone 18 Pro, yang menjadi bagian dari persaingan teknologi semikonduktor di industri perangkat elektronik.

Dalam persaingan akselerator AI, Microsoft telah mengembangkan chip inferensi sendiri. Amazon memiliki keluarga prosesor Trainium dan Inferentia, sedangkan OpenAI mengembangkan inisiatif chip khusus bersama Broadcom. Anthropic juga memperluas upaya pengembangan teknologi semikonduktor melalui perekrutan tim desain chip AI.

Google memiliki keunggulan berupa pengalaman panjang dalam pengembangan TPU yang telah dimulai sejak 2015. Selain digunakan untuk kebutuhan internal, termasuk pengembangan model Gemini, TPU juga ditawarkan kepada pelanggan Google Cloud.

Google menyebut hampir 100 pelanggan telah menggunakan layanan TPU, mencakup perusahaan pengembang AI, perusahaan perdagangan, peritel, hingga universitas. Dukungan terhadap PyTorch dan pengembangan perangkat lunak juga menjadi bagian dari strategi Google untuk memperluas adopsi TPU.

Meski demikian, Nvidia masih memiliki keunggulan melalui ekosistem CUDA yang telah berkembang luas dan digunakan oleh komunitas pengembang di berbagai industri. Persaingan chip AI karena itu tidak hanya ditentukan oleh kecepatan perangkat keras, tetapi juga dukungan perangkat lunak, harga, ketersediaan, dan kemudahan migrasi.

Dampak TPU Terbaru Google bagi Pengembang dan Industri Indonesia

Kehadiran TPU generasi kedelapan melalui Google Cloud berpotensi memberikan akses lebih luas terhadap infrastruktur komputasi AI kelas dunia bagi perusahaan di Indonesia.

Perkembangan ini sejalan dengan meningkatnya adopsi kecerdasan buatan di Tanah Air. Berdasarkan pembahasan mengenai tingginya penggunaan AI multimodal di Indonesia dan proyeksi pertumbuhannya, kebutuhan terhadap infrastruktur komputasi yang mampu mendukung berbagai aplikasi AI diperkirakan semakin penting.

Selama ini, pengembangan model AI berskala besar membutuhkan investasi besar untuk membangun pusat data, menyediakan akselerator komputasi, serta mengelola kebutuhan listrik dan pendinginan. Melalui layanan cloud, perusahaan dapat memanfaatkan sumber daya komputasi tanpa harus membangun seluruh infrastruktur tersebut secara mandiri.

Peluang untuk Perbankan dan Fintech

TPU 8tx berpotensi relevan bagi industri keuangan yang mengelola informasi pelanggan, transaksi, dan data internal dengan tingkat kerahasiaan tinggi.

Beberapa contoh penerapannya meliputi deteksi penipuan transaksi secara real time, analisis risiko kredit, serta pengembangan model AI internal untuk membantu proses operasional. Teknologi confidential computing dapat menjadi lapisan perlindungan tambahan ketika perusahaan memproses informasi sensitif menggunakan AI.

Peluang untuk E-Commerce dan Telekomunikasi

Perusahaan e-commerce dan telekomunikasi juga dapat memanfaatkan infrastruktur AI untuk mengolah data pelanggan, mengembangkan sistem rekomendasi, serta meningkatkan otomatisasi layanan.

TPU 8i Max berpotensi mendukung aplikasi yang membutuhkan pemrosesan konteks dalam jumlah besar, termasuk analisis data kompleks dan orkestrasi berbagai agen AI. Sementara itu, perusahaan pengembang perangkat lunak dapat memanfaatkannya untuk menganalisis proyek kode berskala besar dan membantu proses pengembangan aplikasi.

Membuka Peluang bagi Pengembang Lokal

Dukungan terhadap PyTorch dan perangkat pengembangan yang semakin mudah digunakan dapat membantu mengurangi hambatan bagi tim pengembang yang ingin bereksperimen dengan TPU.

Meski demikian, adopsi teknologi ini tetap membutuhkan kesiapan dari sisi keahlian teknis, arsitektur aplikasi, biaya komputasi, serta kemampuan mengintegrasikan model AI dengan sistem yang sudah digunakan perusahaan.

Tantangan TPU 8tx dan TPU 8i Max yang Perlu Diperhatikan

Meskipun menawarkan peningkatan kemampuan, kedua sistem baru Google tersebut masih memiliki sejumlah aspek yang perlu diperhatikan sebelum dapat diadopsi secara luas.

1. Harga dan Ketersediaan

Google belum mengumumkan harga publik maupun jadwal ketersediaan umum (general availability) TPU 8tx dan TPU 8i Max dalam informasi peluncuran yang menjadi dasar pembahasan ini. TPU 8tx tercantum dengan status Coming Soon pada halaman produk Google Cloud.

Informasi mengenai biaya penggunaan dan akses pelanggan akan menjadi faktor penting untuk menilai daya saing kedua sistem tersebut.

2. Ketergantungan terhadap Ekosistem Google

Walaupun Google memperluas dukungan terhadap PyTorch dan perangkat lunak terbuka, TPU tetap memiliki arsitektur serta ekosistem teknis tersendiri.

Perusahaan yang sebelumnya menggunakan GPU Nvidia atau akselerator dari penyedia cloud lain mungkin membutuhkan penyesuaian kode, optimasi, dan pengujian tambahan sebelum memindahkan beban kerja ke TPU.

3. Kematangan Ekosistem Perangkat Lunak

CUDA milik Nvidia telah memiliki ekosistem pengembang yang sangat luas. Sementara itu, lingkungan TPU yang menggunakan teknologi seperti XLA dan PJRT memiliki tingkat adopsi berbeda di kalangan pengembang.

Kemudahan penggunaan, dokumentasi, kompatibilitas framework, dan dukungan komunitas akan berpengaruh terhadap keputusan perusahaan dalam memilih platform komputasi AI.

4. Kapasitas Produksi dan Rantai Pasok

Permintaan akselerator AI terus meningkat seiring bertambahnya kebutuhan pusat data global. Google perlu memastikan ketersediaan komponen dan kapasitas produksi agar seluruh varian TPU generasi kedelapan dapat memenuhi kebutuhan pelanggan secara berkelanjutan.

Kesimpulan: TPU 8tx dan TPU 8i Max Perkuat Strategi AI Google

Peluncuran TPU 8tx dan TPU 8i Max menunjukkan keseriusan Google dalam mengembangkan infrastruktur AI berdasarkan kebutuhan komputasi yang semakin spesifik.

TPU 8tx menawarkan pendekatan keamanan melalui confidential computing tingkat perangkat keras, sedangkan TPU 8i Max berfokus pada peningkatan kapasitas komputasi dan memori untuk mendukung model AI dengan context window berukuran besar.

Bersama TPU 8t dan TPU 8i yang diperkenalkan sebelumnya, keempat sistem tersebut membentuk portofolio akselerator AI yang mencakup pelatihan model, inferensi real time, pemrosesan data rahasia, dan penalaran AI berskala besar.

Strategi ini juga memperlihatkan arah perkembangan industri semikonduktor AI. Persaingan tidak lagi hanya berpusat pada siapa yang memiliki chip paling cepat, tetapi juga pada efisiensi energi, kapasitas memori, keamanan, kemudahan pengembangan, dan kemampuan mengintegrasikan perangkat keras dengan perangkat lunak.

Bagi Google, tantangan berikutnya adalah membuktikan bahwa keunggulan arsitektur TPU dapat diterjemahkan menjadi layanan yang kompetitif dari sisi harga, ketersediaan, dan kemudahan penggunaan. Sementara bagi industri AI global, kehadiran TPU 8tx dan TPU 8i Max menjadi perkembangan penting dalam persaingan membangun infrastruktur yang mampu menopang generasi berikutnya dari kecerdasan buatan.

Sumber: Google Official Blog – Amin Vahdat (9 November 2026), TechCrunch (10 November 2026), dan The Verge (9 November 2026).