Diversifikasi chip menjadi kebutuhan, bukan pilihan
TPU Google adalah akselerator khusus untuk komputasi kecerdasan buatan yang dirancang Google guna menjalankan beban kerja pembelajaran mesin, termasuk operasi yang dibutuhkan model bahasa. OpenAI dikabarkan berencana membeli chip tersebut untuk menambah kapasitas komputasinya; kabar itu beredar pada awal November 2026, sementara nilai transaksi, jumlah unit, dan jadwal pengiriman belum diketahui.
Langkah ini masuk akal karena kebutuhan komputasi model AI terus membesar, baik saat melatih model maupun ketika menjawab permintaan pengguna. Selama ini, OpenAI mengandalkan GPU Nvidia untuk melatih dan menjalankan model yang mendukung ChatGPT dan layanan lain. Ketergantungan pada satu pemasok membuat kapasitas, biaya, dan keluwesan pengembangan lebih rentan terhadap ketersediaan perangkat. TPU Google memberi OpenAI jalur tambahan—bukan alasan untuk menyingkirkan Nvidia, melainkan cara memperluas daya tawar dan mengurangi risiko pasokan.
Ini juga bukan hubungan baru. Pada Juni 2025, OpenAI dilaporkan mulai menyewa TPU melalui Google Cloud untuk mendukung inference ChatGPT dan produk lainnya. Peralihan dari menyewa menuju kemungkinan membeli akan membuat diversifikasi lebih bersifat jangka panjang, meski belum ada konfirmasi resmi tentang kesepakatan pembelian.
Perekrutan compiler memberi sinyal jangka panjang
Petunjuk kuat bahwa OpenAI serius menyiapkan penggunaan TPU datang dari perekrutan, bukan sekadar kabar pembelian. Perusahaan membuka posisi insinyur compiler TPU untuk mengoptimalkan modelnya di perangkat Google, mulai dari penulisan kernel hingga kuantisasi untuk inference. Compiler menjadi penghubung antara perangkat keras dan model: agar model berjalan efisien di TPU, tim perlu menyesuaikan cara kerja perangkat lunak, penggunaan memori, serta operasi komputasinya.
Keahlian seperti ini tidak dibangun untuk uji coba singkat. OpenAI perlu memastikan model dan layanan yang digunakan pelanggan dapat berjalan andal di perangkat berbeda, bukan hanya memindahkan beban kerja begitu saja. Karena itu, perekrutan tersebut membuat rencana ini tampak sebagai investasi kemampuan teknis, bukan semata pembelian kapasitas tambahan.
Dampaknya bagi pengguna sehari-hari tidak akan langsung terlihat sebagai fitur baru. Namun, lebih banyak pilihan perangkat dapat membantu OpenAI menambah kapasitas ketika permintaan melonjak dan menjaga layanan tetap tersedia. Jika persaingan pemasok juga menekan biaya komputasi, manfaatnya berpotensi hadir dalam bentuk layanan yang lebih mudah diskalakan—meski belum ada jaminan harga atau perubahan produk.
Portofolio komputasi lebih luas, hasilnya belum pasti
TPU bukan pengganti langsung GPU Nvidia dalam semua pekerjaan. Keduanya dirancang dengan pendekatan berbeda, sehingga OpenAI harus mencocokkan perangkat dengan jenis beban kerja dan memastikan perangkat lunaknya siap. Strategi yang masuk akal adalah memakai beberapa sumber komputasi sesuai kebutuhan, bukan mempertaruhkan operasi ChatGPT pada satu jenis chip atau satu pemasok.
Rencana TPU juga berada di tengah upaya OpenAI membangun chip AI OpenAI dan memperluas pilihan perangkat keras. Pada Juni 2026, OpenAI dan Broadcom memperkenalkan Jalapeño, prosesor yang dirancang khusus untuk inference, yaitu proses menghasilkan keluaran berdasarkan permintaan pengguna. Bersama pembelian GPU Nvidia dan kemungkinan pembelian TPU Google, arah strateginya jelas: merangkai portofolio komputasi, bukan mencari satu chip yang menyelesaikan semua kebutuhan.
Bagi Google, penjualan TPU membuka peluang memperluas bisnis pusat data dan infrastruktur AI. Bagi OpenAI, manfaatnya bergantung pada ketersediaan chip, kelancaran integrasi, serta kemampuan compiler mengoptimalkan model. Sampai rincian pembelian diumumkan, TPU harus dipandang sebagai opsi diversifikasi yang menjanjikan, bukan kapasitas yang sudah pasti tersedia.
Kesimpulan: langkah strategis, bukan perpisahan dengan Nvidia
Rencana membeli TPU Google menunjukkan OpenAI ingin mengurangi ketergantungan pada GPU Nvidia sekaligus memperkuat infrastruktur AI untuk menghadapi permintaan yang terus tumbuh. Penggunaan TPU sewaan untuk inference ChatGPT dan perekrutan insinyur compiler membuat arah itu lebih meyakinkan, tetapi belum membuktikan bahwa TPU akan segera menjadi tulang punggung layanan.
Kesimpulan yang paling tepat bukan bahwa OpenAI meninggalkan Nvidia, melainkan bahwa perusahaan berusaha menghindari ketergantungan pada satu jalur komputasi. Jika integrasi teknis berhasil, pilihan pemasok yang lebih luas dapat meningkatkan keluwesan kapasitas dan memberi manfaat bagi pengguna. Ukuran keberhasilannya nanti bukan sekadar jumlah chip yang dibeli, melainkan apakah model dapat berjalan efisien dan layanan tetap andal.
