TPU Google di Oracle Cloud: Pilihan Chip AI bagi Industri

Oracle dan Google mengumumkan bahwa TPU Google, chip AI rancangan Google, akan tersedia di Oracle Cloud Infrastructure (OCI) mulai 2027. Untuk pertama kalinya chip ini ditawarkan cloud skala besar di luar Google Cloud. Bagi perusahaan pengguna AI, kabar ini memperluas pilihan chip untuk melatih dan menjalankan model.

Kesepakatan Oracle dan Google di Oracle AI World

Pengumuman disampaikan pada 27 Oktober 2026 di ajang Oracle AI World, Las Vegas. Menurut siaran pers bersama Oracle dan Google, OCI menjadi platform cloud hyperscale pertama di luar Google yang menawarkan TPU. Istilah hyperscale merujuk pada penyedia cloud dengan pusat data berskala sangat besar yang melayani pelanggan di banyak negara.

Pembagian perannya cukup jelas. Google memasok chip TPU, sedangkan Oracle menyediakan listrik, sistem pendingin, dan jaringan pusat data yang dibutuhkan untuk menjalankannya dalam skala besar. TPU di OCI dijadwalkan tersedia pada tahun kalender 2027, lalu kapasitasnya ditambah secara bertahap selama beberapa tahun.

Network World mencatat bahwa pelanggan dapat memakai TPU untuk pelatihan dan inferensi tanpa harus menjalankan beban kerjanya di Google Cloud. Inferensi adalah tahap ketika model yang sudah jadi dipakai untuk menjawab permintaan, misalnya membaca dokumen atau memeriksa gambar. Harga, konfigurasi, kapasitas awal, dan region tempat TPU akan dipasang belum diumumkan.

Mahesh Thiagarajan, Presiden Oracle Cloud Infrastructure, menyebut kehadiran TPU memberi pelanggan akses ke beberapa arsitektur komputasi AI dalam satu cloud. Bagi Oracle, langkah ini memperkuat posisinya sebagai penyedia infrastruktur AI. Bagi Google, chip yang selama ini hanya disewakan lewat cloud miliknya kini menjangkau pelanggan Oracle.

Mengenal TPU 8t dan TPU 8i

TPU (Tensor Processing Unit) adalah chip yang dirancang khusus untuk perhitungan model AI. Berbeda dengan GPU yang awalnya dibuat untuk grafis lalu dipakai untuk AI, TPU sejak awal dirancang untuk operasi matriks yang menjadi inti jaringan saraf tiruan. Generasi kedelapan yang akan masuk OCI dibagi menjadi dua arsitektur.

TPU 8t ditujukan untuk pelatihan model. Google mengklaim chip ini menghasilkan hampir tiga kali performa komputasi per pod dibanding generasi sebelumnya, dan dapat memangkas siklus pengembangan model terdepan dari hitungan bulan menjadi minggu. Pod adalah kumpulan banyak chip yang dihubungkan menjadi satu sistem besar.

TPU 8i ditujukan untuk inferensi. Google merancangnya untuk pekerjaan berulang yang dijalankan banyak agen AI khusus, yaitu sistem yang mengerjakan rangkaian tugas sendiri seperti memeriksa berkas lalu meneruskannya ke petugas.

Menurut siaran pers, TPU dapat dipakai untuk melatih model besar, termasuk model mixture-of-experts yang membagi pekerjaan ke beberapa bagian model, serta untuk inferensi aplikasi penalaran, agen, dan konteks panjang. Amin Vahdat, Senior Vice President dan Chief Technologist AI & Infrastructure Google, menyatakan: “TPUs give customers a powerful, purpose-built option for demanding training and inference workloads.”

Data Center Knowledge, mengutip blog Google, menambahkan klaim efisiensi. TPU 8t dan TPU 8i masing-masing disebut menghasilkan hingga dua kali performa per watt. TPU 8t diklaim memberi performa per dolar hingga 2,7 kali lebih baik, sedangkan TPU 8i hingga 80 persen lebih baik, dibanding generasi sebelumnya. Semua angka ini klaim Google dan belum diuji pihak independen di lingkungan OCI.

Deretan chip AI lain di OCI

TPU bukan satu-satunya chip yang diumumkan Oracle di acara yang sama. Data Center Knowledge merinci daftar akselerator, yaitu chip pemercepat perhitungan AI, yang sudah atau akan hadir di OCI:

• Nvidia Vera Rubin NVL72 dan CPU Vera sudah tersedia umum. Oracle juga berencana memperluas OCI Supercluster berbasis Vera Rubin NVL72 hingga skala multi-gigawatt.
• Positron Atlas, chip inferensi dari Positron AI, sudah tersedia umum di OCI.
• Cerebras akan menghadirkan Wafer-Scale Engine untuk inferensi cepat pada 2027.
• OpenAI Jalapeño, akselerator inferensi yang dikembangkan bersama Broadcom, akan dipasang tanpa jadwal yang diumumkan. OpenAI dan Broadcom sebelumnya memperkirakan pemasangan awalnya pada akhir 2026.
• SambaNova SN50, chip inferensi, juga akan dipasang tanpa tanggal ketersediaan.

Para pembuat chip membawa klaim masing-masing. SambaNova menyebut SN50 hingga lima kali lebih cepat dari chip pesaing dengan total biaya kepemilikan sekitar sepertiga, dan rata-rata membutuhkan 20 kW per rak sehingga dapat dipasang di pusat data berpendingin udara. The Next Platform mencatat Cerebras mengklaim kecepatan token per detik per pengguna hingga 30 kali GPU. Klaim tersebut berasal dari vendor dan perlu dibuktikan lewat pengujian pada beban kerja nyata.

Kebutuhan listrik menjadi latar belakang penting. Pembangunan pusat data AI kini sering terhambat pasokan daya, seperti terlihat pada rak GPU Amazon yang menunggu pasokan listrik. Chip yang lebih hemat daya per pekerjaan dapat membantu penyedia cloud melayani lebih banyak pelanggan dengan listrik yang sama.

Catatan dari analis

Analis menilai langkah Oracle sebagai upaya menjadi cloud yang menyediakan banyak jenis chip sekaligus. Matt Kimball dari Moor Insights & Strategy menggambarkannya sebagai cloud dengan pilihan silikon terbuka untuk semua kebutuhan. Brendan Burke dari Futurum Group mengingatkan bahwa OCI selama ini terutama mengandalkan GPU Nvidia, sehingga Oracle perlu membuktikan chip alternatif itu bersaing dan didukung jangka panjang, tidak berhenti sebagai percobaan terbatas.

Stephanie Walter dari HyperFrame Research menilai chip alternatif memberi pilihan ketika biaya GPU dan kebutuhan infrastruktur terus naik, terutama untuk inferensi yang berjalan setiap hari. Ia juga mengingatkan biaya tersembunyi: harga infrastruktur yang lebih murah tidak banyak berarti bila biaya pengembangan dan operasional untuk berpindah chip lebih besar dari penghematannya. Menurutnya, performa akselerator khusus dapat berbeda-beda bergantung pada arsitektur model, jenis beban kerja, dan perangkat lunaknya.

Langkah ini juga sejalan dengan tren yang terlihat di laporan keuangan penyedia cloud. Alphabet menyebut penjualan sistem TPU ikut mendorong lonjakan Google Cloud, seperti dibahas dalam laporan pertumbuhan Google Cloud dan Azure.

Apa artinya bagi perusahaan industri?

TPU di OCI baru tersedia pada 2027, sehingga tidak ada yang perlu diubah hari ini. Meski begitu, perusahaan manufaktur, pengolahan, dan logistik yang mulai memakai AI dapat menyiapkan diri agar dapat memanfaatkan pilihan chip yang makin beragam.

Pisahkan kebutuhan pelatihan dan inferensi. Kebanyakan pabrik tidak melatih model besar dari nol. Beban kerja yang lebih umum adalah inferensi, misalnya model pemeriksa cacat produk dari kamera di lini produksi, model peramal kebutuhan suku cadang, atau asisten yang menjawab pertanyaan teknisi dari manual mesin. Inferensi berjalan terus setiap hari, sehingga biaya per permintaan lebih menentukan daripada kecepatan pelatihan.

Ukur biaya per hasil yang didapat. Bandingkan harga per seribu gambar yang diperiksa atau per seribu pertanyaan yang dijawab di beberapa jenis chip. Angka ini lebih berguna daripada tarif sewa per jam, karena chip yang lebih mahal per jam dapat lebih murah per hasil bila jauh lebih cepat.

Jaga model agar mudah dipindahkan. Pakai kerangka kerja dan format model yang didukung banyak jenis chip, lalu pisahkan logika aplikasi dari lapisan yang memanggil model. Dengan cara ini, tim dapat menguji TPU, GPU, atau chip inferensi lain tanpa membangun ulang aplikasi. Rancangan seperti ini menjadi bagian penting dari arsitektur komputasi awan yang tidak terkunci pada satu vendor.

Tanyakan lokasi dan latensi. Untuk sistem di lantai produksi, jarak ke pusat data memengaruhi waktu respons. Bila TPU di OCI hanya tersedia di region yang jauh, inferensi yang butuh jawaban seketika mungkin tetap lebih cocok dijalankan di perangkat lokal atau server di pabrik. Pertimbangan ini lazim dalam proyek otomasi industri yang menggabungkan sensor, kamera, dan cloud.

Uji coba di skala kecil. Saat TPU di OCI tersedia, jalankan satu beban kerja yang sudah berjalan, lalu bandingkan akurasi, kecepatan, dan biayanya dengan sistem yang ada. Keputusan pindah sebaiknya diambil berdasarkan data uji sendiri, bukan klaim vendor.

Pertanyaan yang sering muncul

Kapan TPU Google tersedia di Oracle Cloud?

Oracle dan Google menyebut TPU akan tersedia di OCI pada tahun kalender 2027, dengan kapasitas yang ditambah bertahap selama beberapa tahun. Tanggal pasti, harga, dan region belum diumumkan.

Apa beda TPU dan GPU?

GPU awalnya dibuat untuk grafis dan kini dipakai luas untuk AI karena fleksibel. TPU dirancang khusus untuk perhitungan model AI. Performa keduanya bergantung pada jenis model dan perangkat lunak yang dipakai, sehingga perbandingan paling akurat didapat dari pengujian langsung.

Apakah pengguna OCI harus membuat akun Google Cloud untuk memakai TPU?

Menurut Network World, pelanggan dapat memakai TPU untuk pelatihan dan inferensi tanpa menjalankan beban kerjanya di Google Cloud. Rincian cara pemesanan dan penagihannya belum diumumkan.

Penutup

Kehadiran TPU Google di Oracle Cloud menandai pasar chip AI di cloud yang makin terbuka. Perusahaan tidak lagi terikat pada satu jenis chip atau satu penyedia untuk menjalankan model. Manfaatnya baru terasa bagi organisasi yang menyiapkan aplikasinya agar mudah dipindahkan dan mengukur biaya per hasil secara disiplin. Bila tim Anda sedang menimbang tempat menjalankan model AI untuk kebutuhan pabrik atau operasional, tim Merakit siap membantu merancang dan menguji arsitekturnya.

Sumber

• Oracle Brings Google TPUs to Oracle Cloud Infrastructure, Google Cloud Press Corner, 27 Oktober 2026
• Oracle adds Google TPUs to OCI to expand enterprise AI compute options, Network World, 28 Oktober 2026
• Oracle Cloud to Offer Google TPUs and New AI Chips, Data Center Knowledge, 28 Oktober 2026
• Oracle is Expanding the Accelerator Options in OCI for Enterprises, The Next Platform, 27 Oktober 2026