Saham NVDA anjlok hampir 10% di sesi Kamis, dan kapitalisasi pasar Nvidia terpeleset ke bawah USD 4 triliun. Padahal bulan lalu perusahaan ini masih jadi salah satu nama paling diburu di Wall Street. Dalam sebulan terakhir, harga sahamnya sudah tergerus lebih dari 20%. Buat perusahaan yang selama tiga tahun jadi lokomotif demam AI, angka itu terasa aneh. Tapi kalau kamu ikutin berita dua minggu terakhir, sebenarnya sudah kelihatan arah anginnya ke mana.

Jensen Huang mundur dari Nvidia, dan yang mengambil alih adalah CFO-nya

Dewan direksi Nvidia tidak menunjuk orang baru dari luar. Mereka menyerahkan kemudi sementara ke Colette Kress, Executive Vice President sekaligus Chief Financial Officer yang sudah 13 tahun pegang buku keuangan perusahaan. Kress akan merangkap dua jabatan: CEO interim dan tetap CFO, sampai pengganti permanen ditemukan.

Dewan bilang mereka membuka pencarian dari kandidat internal maupun eksternal. Artinya Nvidia sendiri belum punya nama yang pasti. Ini yang bikin banyak analis gelisah, karena suksesi di perusahaan chip tidak bisa disamakan dengan ganti manajer di perusahaan consumer goods.

Ada satu perubahan struktur lain yang menarik. Dewan mengangkat Harvey C. Jones sebagai Chair of the Board pertama dalam sejarah Nvidia. Jones bukan orang baru di dunia teknologi: dia pengusaha, eksekutif, dan investor ventura lebih dari 30 tahun, termasuk pernah jadi CEO dan Executive Chairman Synopsys. Selama ini Nvidia tidak punya kursi ketua dewan terpisah, jadi langkah ini bisa dibaca sebagai upaya memperjelas siapa yang mengawasi siapa.

Dalam pernyataan resminya, Jones menyebut dewan sepenuhnya percaya pada Kress dan tim pimpinan yang ada. “Colette telah membantu memimpin Nvidia melewati periode pertumbuhan luar biasa dan punya pemahaman mendalam soal bisnis, pelanggan, operasional, dan posisi keuangan kami,” katanya. Dia juga menegaskan operasional, komitmen ke pelanggan, dan roadmap produk diharapkan jalan terus tanpa gangguan.

Baca juga: Google Rilis TPU 8tx dan TPU 8i Max, Chip AI Generasi 8 Makin Terspesialisasi

Kenapa Jensen Huang mundur: skandal, investigasi, dan tekanan dewan

Kabar Jensen Huang mundur dari Nvidia ini bukan tanpa sebab. Sebelumnya, anggota independen dewan Nvidia sudah menunjuk Joon H. Kim, mantan Acting U.S. Attorney untuk Southern District of New York, bersama firma hukum Wachtell, Lipton, Rosen & Katz, untuk melakukan investigasi independen. Pernyataan itu dirilis 10 November 2026, dua hari sebelum Huang menyatakan mundur.

Yang diselidiki bukan hal sepele. Huang disebut menjalin hubungan dengan Alice Huang, eksekutif di perusahaan cloud Megaspeed, yang menurut pejabat intelijen Amerika Serikat diduga beroperasi sebagai aset China. New York Times kemudian melaporkan adanya hubungan lain dengan Kimberly Powell, Wakil Presiden Layanan Kesehatan di Nvidia, bawahan langsung Huang sendiri.

Kombinasi dua hal itu berat. Satu sisi menyangkut keamanan nasional dan rantai pasok chip AI yang jadi rebutan Amerika dan China. Sisi lain menyangkut tata kelola perusahaan: hubungan personal dengan bawahan langsung adalah hal yang paling sulit dibela di ruang rapat dewan. Stacy Rasgon, analis senior di Bernstein, bilang ke CNBC bahwa situasi ini membuat posisi Huang nyaris tidak bisa dipertahankan.

Richard Reyle, Chief Investment Officer Questar Capital Partners, bahkan sudah menyebut kemungkinan terburuknya sebelum resmi mundur: Nvidia harus memilih antara mempertahankan Huang dan menghadapi kemungkinan dipanggil kongres berbulan-bulan, atau melepaskannya dan membuat sahamnya sulit dipertahankan sebagai instrumen investasi.

Baca juga: Wafer Berlian 200mm Pertama di Dunia Resmi Jadi, Solusi Panas Chip AI

Siapa Colette Kress, orang yang sekarang pegang Nvidia sementara

Kress bukan nama yang sering muncul di headline, tapi jejaknya di Nvidia panjang. Dia masuk September 2013 sebagai EVP dan CFO, saat pendapatan Nvidia masih sekitar USD 4,13 miliar. Untuk tahun fiskal 2026, pendapatan perusahaan sudah menyentuh USD 215,9 miliar. Dari angka itu saja kelihatan betapa besar lompatan yang terjadi selama masa jabatannya.

Sebelum Nvidia, dia delapan tahun di Texas Instruments di berbagai posisi keuangan, lalu Microsoft dari 1997 sampai 2010 sebagai CFO divisi Server and Tools, dan sempat pindah ke Cisco tahun 2010 untuk mengurus strategi keuangan divisi Business Technology and Operations Finance. Latar belakang pendidikannya sarjana keuangan dari University of Arizona dan MBA dari Southern Methodist University.

Menurut data Forbes, Kress ada di peringkat ke-32 dalam daftar wanita terkaya yang membangun kekayaannya sendiri untuk 2026. Nilai saham Nvidia miliknya sekitar USD 750 juta saat penutupan Rabu, turun dari lebih dari USD 1 miliar ketika harga saham mencapai puncak bulan lalu. Jadi dia bukan cuma pejabat yang ditunjuk, dia juga pemegang saham yang ikut kena getahnya.

Pesan pertamanya setelah ditunjuk cukup jelas arahnya: fokus ke pelanggan, mitra, pengembang, dan pemegang saham, sambil melanjutkan fondasi yang dibangun Huang selama 33 tahun. Kalimat itu penting, karena sinyal yang ingin dikirim ke pasar adalah “tidak ada perubahan strategi”, bukan “kita sedang bikin ulang perusahaan”.

Kenapa satu orang bisa menggerakkan 4 triliun dolar

Sebelum Jensen Huang mundur dari Nvidia, dia mendirikan perusahaan ini tahun 1993 bareng Curtis Priem dan Chris Malachowsky. Cerita terkenal yang sering diulang: ide awal mereka dirancang di salah satu bilik restoran Denny’s di San Jose, tempat yang sampai sekarang punya plakat soal perusahaan bernilai triliunan dolar. Huang sendiri bukan orang yang lahir dengan silver spoon. Pekerjaan pertamanya di usia 15 tahun adalah cuci piring di Denny’s Portland.

Selama 33 tahun dia jadi wajah perusahaan, lengkap dengan jaket kulit hitamnya. Nvidia berubah dari pembuat chip grafis untuk gamer jadi tulang punggung model AI paling canggih di dunia. Di titik itulah masalahnya: Nvidia bukan perusahaan yang bisa dipisahkan dari sosoknya dengan mudah. Rasgon bilang terus terang bahwa keputusan-keputusan besar yang menempatkan Nvidia di posisinya sekarang diambil 10 tahun lalu, dan tidak jelas siapa yang bisa mengambil keputusan serupa untuk 10 tahun ke depan.

Baca juga: IPO Anthropic Mulai Dipasarkan Hari Ini, Dario Amodei Live Bareng Bos JPMorgan

Apa yang perlu kamu pantau setelah ini

Pertama, hasil investigasi independen. Selama proses itu jalan, pertanyaan soal hubungan personal Huang dan implikasi keamanannya belum selesai, dan itu bisa menekan sentimen saham meski CEO-nya sudah berganti.

Kedua, nama CEO permanen. Kalau dewan memilih figur internal yang sudah dipercaya pasar, reaksi bisa lebih tenang. Kalau mereka mengambil orang luar tanpa rekam jejak di bisnis komputasi terakselerasi, volatilitas bakal lebih panjang.

Ketiga, eksekusi roadmap. Pengumuman resmi Nvidia menegaskan operasional dan jadwal produk tidak berubah. Di industri chip, janji itu hanya bisa dibuktikan lewat pengiriman produk dan kesepakatan pelanggan dalam beberapa kuartal ke depan, bukan lewat pernyataan pers.

Pertanyaan yang sering muncul

Apakah Jensen Huang masih punya saham di Nvidia? Pengumuman resmi hanya menyebut pengunduran diri dari jabatan Presiden, CEO, dan anggota dewan. Soal kepemilikan sahamnya tidak dijelaskan dalam pernyataan tersebut.

Apakah Colette Kress akan jadi CEO permanen? Belum ada kepastian. Dewan menyebut jabatannya interim dan pencarian CEO permanen sedang dimulai, dengan kandidat dari dalam maupun luar perusahaan.

Apakah ini berarti bisnis chip AI Nvidia berhenti tumbuh? Tidak ada indikasi ke arah itu dalam pengumuman resmi. Yang berubah adalah siapa yang memimpin, bukan produk atau pesanan yang sudah berjalan.

Yang paling jujur bisa dibilang soal Jensen Huang mundur dari Nvidia: perusahaan ini kehilangan wajahnya di saat posisinya paling strategis. Kress punya kredibilitas keuangan dan tahu isi perusahaan sampai ke detail, tapi membuktikan bahwa Nvidia bisa jalan tanpa Huang adalah pekerjaan yang jauh lebih berat daripada menjaga laporan kuartalan tetap rapi.

Sumber

NVIDIA Newsroom – NVIDIA Announces CEO Transition
NVIDIA Newsroom – Statement From the Independent Members of the NVIDIA Board
detikINET – Jensen Huang Resign, Saham Nvidia Makin Terperosok
detikINET – Sosok Colette Kress, CEO Interim Nvidia Pengganti Jensen Huang
detikINET – Kejatuhan Spektakuler Jensen Huang Setelah 33 Tahun Besarkan Nvidia
Gizmologi – Jensen Huang Resign dari Nvidia, Colette Kress Jadi CEO Interim

Dua nama itu bukan sekadar varian kosmetik. TPU 8tx diposisikan buat inferensi yang butuh keamanan tingkat hardware, sementara TPU 8i Max didesain buat menangani context window raksasa. Keduanya melengkapi TPU 8t yang fokus ke training skala besar dan TPU 8i sebagai mesin reasoning.

Yang menarik, alasan Google bikin dua sistem tambahan ini cukup membumi: pelanggan mereka mulai berubah dari manusia jadi agen AI.

Apa bedanya chip baru dan sistem baru

Di pengumuman itu Google sempat menjelaskan perbedaan yang sering dianggap sama. Merancang chip baru artinya menyusun miliaran transistor di wafer silikon, proses bertahun-tahun yang dibatasi hukum fisika dan siklus manufaktur panjang. Sementara sistem adalah soal bagaimana compute, networking, dan storage dirakit mengelilingi chip tersebut.

Google memilih jalur kedua untuk dua produk ini. Mereka tidak menunggu chip anyar keluar dari fab, tapi mengubah konfigurasi sistem supaya kebutuhan pelanggan bisa dilayani lebih cepat. Praktis, tapi juga tanda bahwa permintaan pasar sekarang bergerak lebih cepat dari siklus pembuatan silikon.

Alasannya jelas. Komputasi AI sudah bergeser dari skala manusia ke skala agen. Bisnis minta akselerator yang bisa bernalar di atas context window jutaan token, dan sebagian pelanggan di sektor teregulasi butuh enkripsi khusus untuk workload tertentu.

TPU 8tx: inferensi yang tidak boleh bocor

TPU 8tx dirancang untuk secure dan confidential inference. Artinya data yang sedang diproses tetap terlindungi di level hardware, bukan cuma dienkripsi saat disimpan atau dikirim. Untuk bank, rumah sakit, atau instansi pemerintah, poin ini sering jadi penghalang utama sebelum mereka mau menaruh workload AI di cloud.

Selama ini confidential computing di dunia GPU lebih banyak mengandalkan enkripsi di memori dan isolasi virtual machine. Pendekatan di level chip memberi jaminan lebih kuat, karena proteksinya tidak bergantung pada lapisan software yang bisa salah konfigurasi.

Google tidak merinci berapa penalti performa dari fitur keamanan ini, dan itu wajar. Pertanyaan yang lebih relevan: apakah biaya tambahannya masuk akal dibanding memisahkan workload sensitif ke infrastruktur on-premise.

TPU 8i Max dan tembok memori

TPU 8i Max menyasar masalah yang mulai terasa di banyak proyek agen AI, yaitu memori. Model sekarang diminta membaca dokumen panjang, riwayat percakapan, dan hasil tool call sekaligus. Semua itu menumpuk di KV cache dan bikin chip menunggu data, bukan menghitung.

Google mengklaim TPU 8i Max punya kepadatan komputasi per rack tertinggi di jajaran mereka. Bersama TPU 8i, sistem ini dirancang untuk menembus batas yang mereka sebut memory wall, dengan memangkas latensi antar-chip.

Untuk konteks, TPU 8t dan 8i yang sudah lebih dulu hadir memberi peningkatan hingga 2,7 kali performa training dan 80 persen price-performance inferensi lebih baik dibanding generasi sebelumnya. Angka itu klaim internal Google, jadi tetap perlu diuji pihak ketiga sebelum dijadikan patokan.

Baca juga: Krisis Listrik Data Center AI, Mesin Jet Bekas Boeing 747 Jadi Pembangkit

Software yang bikin TPU lebih gampang dipakai

Bagian ini sering luput dari sorotan, padahal dampaknya paling langsung terasa buat developer. Google memperluas dukungan PyTorch dan merilis vLLM-TorchTPU sebagai stack serving native. Di benchmark yang menguji agentic coding dan pekerjaan konteks panjang, stack itu mencatat price-performance terbaik menurut Google.

Yang juga menarik: TPU Sync. Ini lapisan model-state yang akan dibuka sebagai open source. Fungsinya menyatukan HBM di chip, DRAM host, storage bersama, dan jaringan data center jadi satu hierarki memori. KV cache besar bisa dipindah keluar chip dalam hitungan milidetik, sementara sinkronisasi bobot RL memangkas latensi transfer dan Time to First Token lebih dari 90 persen.

Ada juga Cloud Pathways yang membawa runtime Google DeepMind ke semua pelanggan Google Cloud. Dengan arsitektur single-controller, beberapa slice TPU bisa diatur seolah satu mesin lokal. Untuk pekerjaan yang berjalan berhari-hari, fitur ini menjaga job tetap jalan saat ada gangguan hardware.

Hampir 100 pelanggan, dan TPU mulai pindah rumah

Google menyebut bisnis TPU mereka kini punya hampir 100 pelanggan, dari laboratorium riset frontier, perusahaan trading, retailer, sampai universitas. Yang paling berubah dibanding beberapa tahun lalu: pelanggan sekarang boleh menaruh TPU langsung di data center mereka sendiri.

Langkah ini mengubah posisi TPU. Kalau dulu chip ini cuma bisa diakses lewat Google Cloud, sekarang dia ikut bersaing di meja pengadaan infrastruktur on-premise. Buat perusahaan yang terikat aturan data lokal, opsi ini menghapus salah satu alasan utama menolak TPU.

Baca juga: Merdeka AI Lintasarta: Infrastruktur AI yang Datanya Tetap di Indonesia

Kenapa ini relevan buat developer Indonesia

Dua hal yang paling berdampak ke sini adalah dukungan PyTorch dan rencana open source TPU Sync. Banyak tim di Indonesia sudah punya kode training berbasis PyTorch. Kalau porting ke TPU tidak lagi butuh menulis ulang model, biaya pindah platform turun drastis.

Fitur suspend otomatis untuk sesi agen juga terdengar sepele tapi penting. Agen AI itu stateful. Mereka sering berhenti beberapa detik sampai berjam-jam menunggu database, tool eksternal, atau balasan manusia. Kalau compute tetap menyala selama menunggu, tagihan membengkak tanpa hasil. Google bilang software baru mereka menangguhkan sesi idle dan melanjutkannya lagi, yang langsung memotong biaya infrastruktur.

Soal confidential inference, ini justru bisa jadi alasan buat sektor yang selama ini ragu. Perbankan dan layanan kesehatan di Indonesia menghadapi aturan perlindungan data pribadi yang cukup ketat. Kalau proteksi data bisa dijamin di level chip, adopsi AI di sektor itu punya jalan lebih mulus.

Bukan cuma soal Google lawan Nvidia

Bloomberg membingkai pengumuman ini sebagai eskalasi persaingan Google dengan Nvidia lewat versi chip yang makin terspesialisasi. Reuters menyorot sisi lain, yaitu permintaan cloud yang sedang melonjak dan jadi pemicu utama.

Dua sudut pandang itu sama-sama masuk akal. Nvidia masih memegang mayoritas pasar akselerator AI, terutama karena ekosistem CUDA yang sudah matang belasan tahun. Tapi pelanggan besar mulai jengah dengan harga dan ketersediaan GPU. Setiap kali Google membuktikan TPU bisa menangani model frontier dengan biaya lebih rendah, posisi tawar pembeli membaik.

Yang perlu dicatat, TPU bukan produk rakitan yang bisa dibeli siapa saja lalu dipasang di server sendiri seperti GPU. Aksesnya masih lewat Google Cloud atau lewat kesepakatan khusus untuk deployment di data center pelanggan. Jadi cerita “Nvidia akan tergeser” terlalu dini. Yang lebih akurat: pilihan mulai bertambah, dan itu sehat.

Apa yang belum jelas

Google belum membeberkan harga, kapasitas HBM, atau ketersediaan regional untuk TPU 8tx dan 8i Max. Semua angka performa yang beredar berasal dari pengukuran internal mereka sendiri, termasuk klaim price-performance di benchmark agentic coding.

Ada satu hal lagi yang layak ditunggu: seberapa cepat TPU Sync benar-benar rilis sebagai open source. Rencana open source sering melunak jadi “tersedia untuk mitra terpilih” begitu masuk tahap produksi.

Buat yang sekarang sedang membangun produk berbasis agen, pengumuman ini lebih tepat dibaca sebagai sinyal. Biaya inferensi konteks panjang kemungkinan besar akan terus turun dalam 12 bulan ke depan, dan keputusan arsitektur hari ini sebaiknya tidak mengunci diri ke satu vendor saja.

Sumber

• Google Blog: Our newest TPUs: 8tx and 8i Max, built for the agentic era
• Reuters: Google unveils new AI chip variants as cloud demand surges
• Bloomberg: Google Escalates Nvidia Rivalry With Specialized Versions of AI Chips
• The Next Web: Google unveils TPU 8tx and 8i Max chips for secure and long-context AI

Sumber gambar: Google Blog

Saya cukup sering nulis soal chip AI yang dayanya makin rakus, dan hampir selalu ujungnya sama: panas. Chip generation baru bisa menghabiskan ratusan watt di area yang lebih kecil dari perangko. Panasnya numpuk di titik-titik tertentu, dan di situ performa mulai turun, umur komponen memendek, dan tagihan listrik data center naik. Diamond Foundry menawarkan jawaban yang terdengar berlebihan sampai kamu lihat angka konduktivitas termalnya.

Apa sebenarnya wafer berlian 200mm Diamond Foundry ini

Diamond Foundry adalah perusahaan yang sejak 2012 menggarap berlian hasil laboratorium. Bedanya dengan produsen lain, mereka tidak berhenti di berlian untuk perhiasan. Mereka mengarahkan produknya ke industri semikonduktor, dan wafer D200mm ini adalah hasil terbarunya.

Angka 200mm penting karena itu ukuran wafer yang sudah dikenal pabrik chip untuk proses lama. Artinya, secara fisik kepingan ini bisa masuk ke alur produksi yang sudah ada, tanpa harus membangun pabrik dengan standar ukuran baru. Yang jadi pembeda utama: kepingan ini single-crystal, satu kristal kontinu, bukan polikristalin seperti kebanyakan berlian lab.

Kenapa itu penting? Karena kristal tunggal yang rapi memungkinkan panas mengalir tanpa hambatan di batas butir kristal. Di polikristalin, batas-batas butir itu justru menahan panas dan menciptakan titik panas lokal. Jadi bukan cuma soal ukuran, tapi soal kualitas struktur di dalamnya.

Kenapa wafer berlian 200mm jadi kunci pendinginan chip AI

Berlian punya konduktivitas termal tertinggi di antara material yang dikenal. Perkiraan yang beredar menyebut kemampuannya menghantar panas setidaknya lima kali lebih baik dari tembaga. Tembaga sendiri sudah jadi standar industri untuk heat spreader dan vapor chamber. Jadi bayangkan material yang menghantar panas lima kali lebih cepat, sekaligus tetap jadi isolator listrik.

Kombinasi itu yang bikin berlian menarik. Ia bisa membuang panas dengan cepat tanpa mengganggu jalur listrik di chip. Dalam desain chip AI modern, kemampuan menyebarkan panas di level material membuka ruang untuk kepadatan daya yang lebih tinggi, arsitektur chip baru, dan yang paling praktis: kebutuhan sistem pendingin yang lebih sederhana.

Masalahnya selalu satu, yaitu ukuran. Selama puluhan tahun berlian sintetis cuma bisa tumbuh dalam dimensi kecil, cocok untuk lensa atau alat potong, bukan untuk wafer. Untuk sampai ke D200mm, Diamond Foundry harus mendorong kemajuan di fisika plasma, rekayasa reaktor, dan kontrol proses. Bukan pekerjaan satu-dua tahun.

Menariknya, fondasi ilmiahnya lebih tua dari perusahaan itu sendiri. Dua nama, Stefan Gsell dan Martin Fischer, sudah mengejar tantangan menumbuhkan kristal tunggal berkualitas tinggi berukuran besar selama 25 tahun, dan baru bergabung ke Diamond Foundry belakangan. CEO Martin Roscheisen menyebut pencapaian ini sebagai tonggak yang dulu dianggap hampir mustahil, hasil akumulasi eksperimen, kegagalan, dan mesin yang dibangun ulang lebih dari satu dekade.

Baca juga: Krisis Listrik Data Center AI, Mesin Jet Bekas Boeing 747 Jadi Pembangkit

Masih belum dipoles, dan itu bukan detail kecil

Ada satu catatan yang jangan sampai terlewat. Sampel yang ditunjukkan Diamond Foundry masih mentah, belum dipoles. Permukaannya belum memenuhi standar yang dibutuhkan pembuat chip. Untuk bisa dipakai di lini produksi nyata, wafer ini masih harus melewati serangkaian proses finishing.

Saya pikir penting untuk jujur soal ini, karena pengumuman semacam ini gampang dibaca sebagai “chip AI pakai berlian sudah dekat”. Kenyataannya, jarak antara sampel yang berhasil tumbuh dan wafer yang lolos kualifikasi fab masih panjang. Yang sudah terbukti sekarang adalah kemampuan menumbuhkan kristal sebesar itu, bukan kesiapan produksinya.

Soal biaya, itu belum jadi pembahasan utama. Berlian lab memang jauh lebih murah dari berlian tambang, tapi tetap bukan material murah untuk ukuran wafer. Sampai ada angka produksi yang jelas, pendingin berbasis berlian kemungkinan besar tetap main di segmen paling atas dulu: akselerator AI kelas data center, bukan laptop atau HP yang kamu pakai sehari-hari.

Peta jalan D300mm sebelum 2030

Diamond Foundry juga memaparkan proyeksi bahwa wafer D300mm bisa dibuat sebelum 2030. Ukuran 300mm adalah standar wafer untuk proses node terdepan, jadi ini soal mengejar kesetaraan dengan lini produksi chip paling modern.

Kalau proyeksi itu tercapai, posisi berlian berubah dari material eksotis jadi opsi serius di rantai pasok semikonduktor. Tapi lagi-lagi, timeline empat tahun untuk lompatan ukuran material yang sebelumnya butuh 25 tahun riset itu terdengar ambisius. Wajar kalau industri menyambutnya dengan hati-hati, bukan langsung memesan.

Baca juga: Microsoft Maia 300 Resmi Meluncur: Chip AI 288 GB HBM4 dan Klaim 7 Kali Lipat per Rack

Pemain lain yang sudah duluan main di pendingin berlian

Diamond Foundry tidak bergerak sendirian. Akash Systems mendapat dana non-dilutif 18,2 juta dollar AS lewat CHIPS Act pada November 2024 untuk mengembangkan server berpendingin berlian. Element Six, perusahaan sintetis berlian yang dimiliki De Beers Group, meluncurkan Cu-Diamond pada Januari 2025: komposit berlian berlapis tembaga dengan konduktivitas termal di kisaran 800 W/mK, ditujukan untuk perangkat AI, HPC, dan GaN RF. Frore Systems lewat LiquidJet Diamond menanam berlian di bagian bawah coldplate, tepat di titik panas GPU, dan mengklaim tambahan penurunan suhu 10 derajat Celsius di atas coldplate LiquidJet biasa, dengan klaim kenaikan efisiensi token per watt sampai 35 persen.

Polanya jelas: masalah panas di chip AI sudah cukup parah sampai pemain dari latar belakang yang berbeda-beda ikut masuk ke lapisan material, bukan cuma main di kipas dan radiator. Ini biasanya tanda bahwa pendekatan lama sudah mendekati batas.

Apa artinya buat pengguna biasa

Jujur saja, belum ada yang langsung berubah buat kamu. Laptop yang kamu pakai sekarang tidak akan tiba-tiba pakai wafer berlian tahun depan. Yang lebih mungkin terjadi lebih dulu adalah perubahan di belakang layar: server AI yang lebih efisien, biaya inferensi yang bisa turun, dan mungkin harga layanan AI yang tidak naik segila sekarang.

Efek jangka panjangnya lebih menarik. Kalau hambatan panas berkurang, desainer chip punya ruang lebih besar untuk menaikkan performa tanpa harus menambah sistem pendingin yang berat dan mahal. Di laptop, itu artinya bisa lebih tipis atau lebih kencang tanpa kipas yang berisik. Tapi itu skenario beberapa tahun ke depan, bukan sesuatu yang bisa kamu pesan bulan ini.

Yang bisa saya simpulkan sekarang: wafer berlian 200mm ini adalah bukti bahwa salah satu hambatan terbesar material berlian sudah tembus. Bukan solusi jadi, tapi pintu yang akhirnya terbuka. Dan dalam sejarah semikonduktor, pintu yang terbuka biasanya diikuti hal-hal yang sebelumnya dianggap tidak mungkin.

Baca juga: Snapdragon 8 Elite Gen 6 Resmi Meluncur: Chip 2nm Pertama Qualcomm

Pertanyaan yang sering muncul

Apa bedanya wafer berlian single-crystal dan polikristalin? Single-crystal berarti seluruh kepingan adalah satu kristal kontinu, jadi panas mengalir tanpa hambatan di batas butir. Polikristalin terdiri dari banyak kristal kecil yang saling bertemu, dan pertemuan itu menahan aliran panas.

Apakah wafer ini sudah bisa dipakai bikin chip? Belum. Sampel yang dipamerkan masih belum dipoles dan perlu beberapa tahap proses lagi sebelum layak masuk lini produksi pembuat chip.

Kapan chip dengan pendingin berlian bisa dibeli konsumen? Tidak ada tanggal resmi. Yang paling realistis, pemakaian pertama ada di akselerator AI kelas data center, bukan perangkat konsumen.

Sumber

Artikel ini disusun dari keterangan resmi dan liputan media teknologi:

• Diamond Foundry, D200mm: A New Scale for Single-Crystal Diamond (5 November 2026)
• Tom’s Hardware, Diamond Foundry creates world’s first 200mm single-crystal diamond wafer
• Telset.id, Diamond Foundry Bikin Wafer Diamond 200mm Pertama Dunia untuk Pendingin Chip AI

Sumber gambar: Diamond Foundry (df.com), dokumentasi resmi D200mm single-crystal diamond.

Pengumuman itu disampaikan langsung oleh Scott Guthrie lewat blog resmi Microsoft. Pesannya jelas: Maia 300 bakal jadi sistem inference utama buat produk dan layanan Microsoft, dan produksinya mulai jalan pada 2027. Bukan cuma satu chip, tapi satu sistem utuh yang mencakup akselerator, jaringan, pendingin, dan software.

Spesifikasi Maia 300: 288 GB HBM4 dan 18 TB/s

Dari sisi angka, Maia 300 terbilang gila. Ada delapan tumpukan HBM4 dengan total kapasitas 288 GB dan bandwidth puncak 18,0 TB/s, semuanya ditaruh dalam TDP 950 watt. Angka bandwidth itu yang paling menarik, karena workload AI modern makin berat di memori. Model dengan konteks panjang butuh jalan data yang lebar, bukan cuma core yang banyak.

Arsitekturnya pakai desain chiplet. Microsoft memisahkan unit komputasi dari pengontrol memori dan I/O, lalu mencetak chiplet komputasinya di proses N2P milik TSMC. N2P ini kelas 2 nanometer, jadi Microsoft langsung main di teknologi paling depan yang tersedia saat ini.

Ada juga dukungan format presisi rendah yang diperkuat, termasuk MXFP4 versi enhanced. Efeknya, kebutuhan memori dan bandwidth buat komputasi maupun penyimpanan KV-cache turun. Hasilnya, model bisa jalan dengan konteks lebih panjang di daya yang sama.

Klaim 40 Persen Lebih Efisien dan 7 Kali Lipat per Rack

Dua klaim utama Microsoft soal Maia 300 begini. Pertama, chip ini diperkirakan menghasilkan 40 persen lebih banyak token per megawatt dibanding sistem berbasis GPU terdepan. Kedua, dalam konfigurasi penuh 96 akselerator per rack, throughput token-nya sampai tujuh kali lipat dibanding Maia 200.

Catat satu hal: Microsoft tidak mengklaim menang di angka FLOPS mentah. Yang mereka jual adalah efisiensi per watt dan efisiensi per rack. Ini masuk akal, karena masalah terbesar data center AI hari ini bukan lagi “berapa cepat chip ini”, tapi “berapa besar listrik yang harus disiapkan buat menjalankannya”.

Satu rack penuh berisi 96 akselerator dengan konsumsi daya 167 kilowatt. Di dalamnya ada total 27,6 TB memori HBM dan bandwidth agregat 1,7 PB/s dalam satu domain scale-up berkecepatan tinggi. Dengan kepadatan segitu, Microsoft bisa melayani lebih banyak interaksi AI sekaligus dari setiap rack yang mereka pasang.

Dipakai Buat Apa Saja?

Maia 300 dirancang buat tiga jenis beban kerja yang sedang naik daun. Pertama, reasoning konteks panjang. Kedua, pengalaman percakapan yang sensitif terhadap latensi. Ketiga, tugas agentik multi-langkah yang berjalan lama tanpa putus.

Kalau diterjemahkan ke produk, artinya Copilot, Teams, GitHub Copilot, Dragon Copilot, dan layanan lewat Microsoft Foundry bakal makin cepat sekaligus lebih murah dijalankan. Microsoft bilang Maia 200 yang sekarang sudah produksi pun baru dipakai Copilot, lalu GitHub Copilot dan Foundry menyusul sebelum akhir tahun. Maia 200 sendiri diklaim memberi sampai 1,7 kali lebih banyak token per watt buat fitur AI bawaan yang dipakai ratusan juta orang.

Maia 200 sendiri sudah menjalankan model OpenAI, model MAI buatan Microsoft sendiri, dan keluarga model open source terkemuka. Jadi ekosistem softwarenya sudah terbukti jalan, bukan cuma demo di atas kertas.

Baca juga: CEO Microsoft Serukan Rem Darurat AI: Model Harus Bisa Dimatikan Kapan Saja

Jaringan Jadi Bagian dari Chip

Salah satu bagian teknis yang sering dilewatkan orang adalah soal jaringan. Microsoft tidak memperlakukan networking sebagai lapisan terpisah. Operasi dataflow-nya membentang di komputasi, memori, dan jaringan sebagai satu sistem. Interkoneksi antar akselerator Maia dioptimalkan buat tensor parallelism, sementara transport AI custom mereka memakai infrastruktur Ethernet supaya topologinya bisa naik dari satu rack ke skala data center penuh.

Pendekatan ini penting karena di skala besar, hambatan terbesar bukan lagi chip individual, tapi seberapa lancar ribuan chip bisa ngobrol satu sama lain tanpa bottleneck.

Taruhan Besar Melawan Dominasi NVIDIA

Langkah Microsoft ini jelas soal uang dan kendali. Selama beberapa tahun terakhir, hampir semua perusahaan AI besar bergantung pada GPU NVIDIA yang harganya mahal dan stoknya sering rebutan. Dengan Maia 300, Microsoft bisa memindahkan sebagian besar beban inference ke hardware sendiri.

Menurut laporan industri, Microsoft berencana mengejar skala multi-gigawatt mulai 2027, dengan potensi pengiriman lebih dari satu juta unit dalam setahun. Fokusnya ke layanan AI internal seperti Copilot, bukan menyewakan kapasitas komputasi ke pihak luar. Jadi posisinya beda dari NVIDIA yang menjual ke semua orang.

Maia 300 juga bukan proyek sekali jalan. Microsoft menyebut program Maia sebagai elemen fondasi strategi infrastruktur AI mereka, dengan siklus desain yang melibatkan tim hardware dan software sejak awal. Karena pengembangan silicon butuh bertahun-tahun, tim software diminta mengantisipasi arsitektur dan kebutuhan model yang akan datang, lalu menerjemahkannya jadi kapasitas memori lebih besar, bandwidth lebih tinggi, dan lebih banyak akselerator yang bekerja sebagai satu kesatuan.

Apa Artinya Buat Pengguna Biasa?

Buat kamu yang cuma pakai Copilot atau Teams tiap hari, efek langsungnya mungkin cuma satu: layanan AI-nya jadi lebih responsif dan lebih jarang ngadat saat jam sibuk. Tapi efek jangka panjangnya lebih besar. Kalau biaya menjalankan model AI bisa ditekan, harga langganan AI pun berpotensi ikut lebih masuk akal.

Semua angka Maia 300 saat ini masih klaim Microsoft sendiri. Chipnya baru mulai produksi pada 2027, dan performa asli di lapangan baru bisa dinilai setelah benar-benar jalan. Sampai itu terjadi, klaim “40 persen lebih efisien” dan “7 kali lipat per rack” tetap perlu dibuktikan lewat uji independen.

Yang sudah pasti, persaingan chip AI makin panas. Google punya TPU, Amazon punya Trainium, dan sekarang Microsoft makin agresif dengan Maia. Buat NVIDIA, ini sinyal bahwa pelanggan terbesarnya pelan-pelan belajar membuat sendiri.

Baca juga: Project Suncatcher Google: Chip AI TPU Dikirim ke Orbit Buat Uji Data Center Luar Angkasa

Kesimpulan

Maia 300 adalah taruhan Microsoft bahwa masa depan AI tidak ditentukan oleh siapa punya chip tercepat, tapi siapa yang bisa menjalankan AI paling efisien dengan daya yang tersedia. Dengan 288 GB HBM4, bandwidth 18 TB/s, dan 96 akselerator dalam satu rack 167 kilowatt, Microsoft ingin mengubah cara data center AI dibangun.

Kalau rencananya lancar, 2027 bakal jadi tahun pembuktian. Sampai saat itu, kita cuma bisa mencatat angkanya dan menunggu apakah klaim besarnya benar-benar terwujud di produksi.

Sumber:

• Official Microsoft Blog — Microsoft to expand Azure Maia system to multi-gigawatt deployments
• Microsoft Source EMEA — Microsoft announces Maia 300
• Igor’s Lab — Microsoft Maia 300: HBM4 and 18 TB/s for AI Inference
• Microsoft Azure Blog — Deep dive into Azure Maia 300 architecture

Selain angka setahun, dalam Marvell Investor Day 2026 perusahaan juga membeberkan model jangka panjang sampai fiskal 2031: pendapatan US$70 miliar hingga US$90 miliar per tahun, margin kotor 56% sampai 59%, margin operasi 44% sampai 46%, dan non-GAAP EPS di atas US$30. Mesin di balik semua itu cuma dua: chip AI kustom dan konektivitas data center.

Apa Itu Marvell dan Kenapa Namanya Ikut Naik Terus?

Di balik Marvell Investor Day 2026, ada Marvell Technology (NASDAQ: MRVL), nama yang nggak sepopuler Nvidia di kuping orang awam tapi posisinya penting. Perusahaan yang berbasis di Santa Clara, California, ini merancang chip khusus pesanan alias custom silicon untuk raksasa cloud. Strategi itu mulai dibangun sejak 2021, dengan fokus pada chip yang dirancang spesifik untuk dipakai di data center.

Hasilnya terasa. Bisnis chip kustom Marvell yang dulu cuma sekitar US$1,5 miliar setahun kini jadi mesin pertumbuhan utama. Sampai tahun ini, harga sahamnya sudah lebih dari tiga kali lipat. Pada hari pengumuman, saham Marvell naik sekitar 6%, sementara rivalnya, Broadcom, ikut naik sekitar 4%.

“Butuh waktu lama untuk membawa perusahaan ini ke jalur ini dan jadi pemimpin teknologi,” kata Chris Koopmans, Presiden dan COO Marvell, dalam wawancara. “Kami punya rekam jejak mengerjakan apa yang kami bilang akan kami kerjakan.”

Marvell Investor Day 2026: Angka-Angka Kuncinya

Biar gampang dibaca, ini poin-poin utamanya:

• Fiskal 2028: pendapatan total sekitar US$20 miliar, naik dari outlook sebelumnya sekitar US$18 miliar. Implikasinya pertumbuhan sekitar 67% year-on-year, dengan pendapatan data center tumbuh sekitar 80%.
• Fiskal 2029: pendapatan chip kustom ditargetkan lebih dari US$12 miliar, naik dari target lama US$10 miliar. Artinya lebih dari tiga kali lipat dibanding fiskal 2028.
• Fiskal 2031: pendapatan US$70-90 miliar, margin kotor 56-59%, margin operasi 44-46%, dan free-cash-flow margin di atas 36%.
• Pasar: Marvell menyebut total addressable market sekitar US$400 miliar pada 2030, ditopang konektivitas dan chip kustom.
• Pengembalian ke pemegang saham: lebih dari 50% free cash flow rata-rata dikembalikan ke investor sepanjang waktu, sambil tetap membiayai pertumbuhan organik dan akuisisi.

Kesepakatan Google Jadi Tulang Punggung Marvell Investor Day 2026

Yang paling banyak dibahas investor tentu saja Google. Pada Agustus 2026, Marvell mengungkap kesepakatan dengan Alphabet yang berpotensi menghasilkan penjualan sampai US$120 miliar hingga fiskal 2033, dengan catatan target performa tertentu tercapai. Murphy menyebut kesepakatan itu “game changing” dalam panggilan earnings sebelum hari investor.

Menurutnya, kontribusi Google terasa signifikan sampai fiskal 2028, lalu berubah jadi penggerak dominan mulai fiskal 2029. Murphy bahkan bilang pendapatan chip AI bisa “jauh lebih besar” dari yang sudah masuk hitungan target saat ini. Pernyataan seperti itu jarang keluar dari mulut CEO chip, karena biasanya mereka menyimpan kejutan untuk kuartal berikutnya.

Marvell tidak bergantung pada satu nama saja. Perusahaan menyebut sedang mengirim chip kustom ke empat hyperscaler besar Amerika Serikat, dengan kemitraan yang juga menyentuh Microsoft dan Amazon. Logikanya gampang: perusahaan teknologi besar makin pengin bikin prosesor AI sendiri biar nggak terlalu bergantung pada chip Nvidia.

Baca juga: Project Suncatcher Google: Chip AI TPU Dikirim ke Orbit Buat Uji Data Center Luar Angkasa

Kenapa Connectivity Jadi Kunci, Bukan Cuma Chip

Satu hal yang sering dilewatkan dari cerita Marvell: pertumbuhan terbesarnya justru ada di konektivitas, bukan cuma di chip komputasi. Dalam presentasinya, manajemen menyebut segmen interconnect tumbuh sekitar 65% secara majemuk sepanjang periode proyeksi.

Ini bukan kebetulan. Semakin banyak chip AI dipasang di satu data center, semakin berat tugas jaringan yang menghubungkan mereka. Ribuan akselerator perlu saling bicara cepat dan tanpa macet. Di titik inilah produk seperti coherent DSP, switch ethernet, dan retimer PCIe jadi barang wajib.

Jadi kalau ada yang tanya siapa pemenang perang AI, jawabannya bukan sekadar nama chip yang tercetak di kotaknya. Yang menentukan performa sistem adalah kombinasi antara prosesor, memori, dan jalur data antar komponen. Marvell memilih bermain di dua area pertama dan menambal yang ketiga.

Artinya Buat Pasar Indonesia dan Pengguna Biasa

Untuk konteks Marvell Investor Day 2026, angka-angka tadi bukan cuma cerita bursa saham Amerika.

Bagi pengguna di Indonesia, dampaknya tidak langsung terasa pekan ini. Tapi arahnya jelas. Data center AI sedang dibangun besar-besaran di dalam negeri, dengan investasi yang disebut mencapai ratusan triliun rupiah. Setiap penambahan kapasitas komputasi akan menekan harga layanan AI berbasis cloud dalam jangka panjang, dari asisten chat sampai alat produksi konten.

Perlu dicatat juga, permintaan chip yang meledak punya sisi lain. Harga komponen memori sempat naik dan membuat beberapa merek gadget menyesuaikan harga produknya. Jadi gelombang belanja chip AI di Amerika dan Eropa tetap bisa merembet ke harga HP dan laptop di Indonesia.

Baca juga: Data Center AI di Indonesia: Investasi Rp300 Triliun dan Taruhan Listrik 1,3 GW

Risiko yang Perlu Dilihat dengan Kepala Dingin

Target US$70-90 miliar pada fiskal 2031 terdengar spektakuler, dan memang itu intinya: Marvell ingin pasar menilai ulang dirinya. Tapi ada beberapa catatan.

Pertama, kesepakatan US$120 miliar dengan Google punya syarat pencapaian performa. Kalau tonggak itu tidak tercapai, angkanya bisa jauh lebih kecil dari yang dibayangkan. Kedua, bisnis chip kustom sangat bergantung pada segelintir pelanggan besar. Kalau salah satu dari mereka memutuskan merancang chip sendiri sepenuhnya, permintaan bisa turun cepat.

Ketiga, siklus belanja infrastruktur AI tidak selamanya lurus naik. Beberapa pengamat industri sudah memperingatkan soal kemungkinan kelebihan kapasitas data center jika pertumbuhan berhenti sejenak. Marvell sendiri menyebut target itu bisa tercapai karena volume, bukan karena harga jual yang tinggi.

Yang jelas, Marvell pasang taruhan besar dan terbuka soal itu. Murphy tidak memilih jalan aman dengan memberi angka konservatif lalu menang diam-diam kuartal depan. Dia malah bilang di depan ruangan bahwa kejutan positifnya sudah di depan mata.

Untuk sekarang, cek berikutnya adalah realisasi pengiriman chip kustom ke pelanggan besar sepanjang fiskal 2027 dan 2028. Kalau jalurnya sesuai jadwal, target US$12 miliar di fiskal 2029 bukan angka mustahil.

FAQ Seputar Marvell Investor Day 2026

Berapa proyeksi pendapatan Marvell untuk fiskal 2028?

Sekitar US$20 miliar, naik dari outlook sebelumnya sekitar US$18 miliar dan di atas ekspektasi analis di kisaran US$18,2 miliar.

Siapa saja mitra chip kustom Marvell?

Marvell menyebut mengirim chip kustom ke empat hyperscaler Amerika Serikat, dengan kemitraan yang menyentuh Google, Microsoft, dan Amazon.

Berapa nilai kesepakatan Marvell dengan Google?

Berpotensi mencapai US$120 miliar hingga fiskal 2033, bila tonggak performa tertentu terpenuhi.

Apakah target fiskal 2031 itu resmi?

Ya, dipaparkan dalam model keuangan Marvell pada Investor Day 6 Oktober 2026: pendapatan US$70-90 miliar, margin kotor 56-59%, dan non-GAAP EPS di atas US$30.

Sumber

• Reuters via KSL.com: Marvell raises 2028 revenue forecast on strong AI data center demand
• Startup Fortune: Marvell Tells Wall Street Custom AI Chips Will Beat Its Own Forecasts
• Stock Analysis: Marvell Technology (MRVL) Transcript: Investor Day 2026

Peluncurannya menumpang misi rideshare Transporter-18 milik SpaceX, dikembangkan bareng Planet Labs. Bukan peluncuran besar dengan seremoni panjang, tapi taruhannya besar: Google ingin memindahkan sebagian komputasi AI keluar dari Bumi, tempat listrik, air, dan lahan makin mahal.

Apa Itu Project Suncatcher dan Kenapa Google Nekat ke Antariksa

Project Suncatcher adalah proyek riset jangka panjang Google untuk melihat apakah luar angkasa bisa jadi rumah bagi infrastruktur machine learning skala besar. Gagasan dasarnya sederhana. Di orbit rendah Bumi, satelit bisa dapat sinar Matahari hampir terus-menerus, sehingga panel surya di sana berpotensi menghasilkan energi sampai delapan kali lipat dibanding panel serupa di permukaan Bumi.

Travis Beals, Senior Director Paradigms of Intelligence Google, menyebut Matahari sebagai sumber energi terbesar di tata surya. Di Bumi, panel surya keburu terhalang atmosfer, awan, dan siklus siang-malam. Di orbit, hambatan itu sebagian besar hilang.

Karena itu Google tidak berpikir soal satu satelit. Yang dibayangkan Project Suncatcher adalah ribuan satelit bertenaga Matahari yang saling terhubung dalam klaster, menjalankan beban kerja AI bersama-sama di orbit. Misi pertama ini murni uji coba: apakah hardware-nya selamat dulu, baru bicara skala.

Chip AI Dihantam 100 Kali Gravitasi Bumi

Perjalanan ke orbit rendah Bumi cuma sekitar sepuluh menit, tapi isinya keras. Roket memberi getaran hebat dan beban akselerasi sampai sepuluh kali gravitasi Bumi. Untuk komponen kecil seperti chip TPU, gaya yang dirasakan bisa jauh lebih brutal, mencapai 50 sampai 100 g.

Tim Suncatcher sudah menguji itu di darat dengan menggoyang satelit di tiga sumbu untuk meniru frekuensi peluncuran roket. Hasilnya di luar dugaan mereka sendiri: hardware-nya tahan.

Ancaman berikutnya radiasi. Begitu keluar dari atmosfer, sinar kosmik dan aktivitas Matahari bisa mengacak elektronik, memicu bitflip yang membuat perhitungan AI meleset. Google menguji TPU-nya di fasilitas berkas proton Crocker Nuclear Laboratory, UC Davis, sambil menjalankan beban kerja AI sungguhan.

Hasil awal menunjukkan TPU Trillium mereka bertahan sangat baik. Chip itu disebut sanggup melewati dosis radiasi terionisasi total yang lebih besar daripada yang akan diterima selama misi luar angkasa lima tahun. Meski begitu, tetap ada hal yang cuma bisa diuji langsung di orbit, dan itulah gunanya peluncuran ini.

Baca juga: Data Center AI di Indonesia: Investasi Rp300 Triliun dan Taruhan Listrik 1,3 GW

Di Ruang Hampa Tidak Ada Kipas, Panas Harus Dipancarkan

Masalah paling njlimet justru soal panas. TPU menghasilkan panas besar di area kecil, dan kalau tidak dibuang, chip berisiko overheat. Di Bumi, solusinya kipas, aliran udara, atau cairan pendingin. Di luar angkasa tidak ada udara sama sekali.

Di ruang hampa, satu-satunya jalan membuang panas adalah lewat radiator, yang mengubah panas menjadi radiasi inframerah lalu memancarkannya ke angkasa. Google sedang menggarap kombinasi heat pipe dan radiator untuk itu, dan sudah mengujinya di thermal vacuum chamber yang meniru kondisi termal sekaligus vakum.

Skalanya bisa jadi ekstrem begitu satu satelit membawa puluhan TPU. John Abraham, profesor teknik mesin University of St. Thomas, mengingatkan bahwa chip-chip itu memang bisa kepanasan. Perkiraan kasar soal generasi berikutnya bahkan menyebut radiator berukuran setara pesawat Boeing 747 untuk membuang panas satu satelit besar.

Laser Antar Satelit: Presisi Memukul Koin dari Jarak Bermil-mil

Klaster satelit tidak akan jalan kalau tiap unit tidak tahu posisinya sendiri dan posisi tetangganya. Untuk itu, satelit akan saling bicara lewat laser.

Teknologinya sebenarnya sudah ada di luar angkasa, tapi sistem yang beredar umumnya dioptimalkan untuk bandwidth rendah jarak jauh. Kebutuhan Suncatcher kebalikannya: bandwidth sangat tinggi dalam jarak sangat pendek antar satelit yang berdekatan. Menjaga koneksi seperti itu butuh presisi luar biasa, mirip berusaha memukul sasaran sebesar koin dari jarak bermil-mil sementara kedua titik sama-sama bergerak.

Rencananya ini diuji pada 2027, saat Google menaruh dua satelit di orbit.

Baca juga: Apple Perketat Full Disk Access macOS: Agen AI Wajib Izin Eksplisit

10.000 Satelit untuk Satu Data Center 1 Gigawatt

Angka-angkanya bikin mata melotot. Beals memperkirakan satu pusat data orbital berkapasitas 1 gigawatt butuh sekitar 10.000 satelit. Perhitungan saat ini menaksir biaya pembangunan sekaligus peluncurannya bisa menyentuh sekitar 30 miliar dolar AS, atau sekitar Rp500 triliun dengan kurs sekarang. Itu sebabnya Project Suncatcher dimulai dari skala sekecil mungkin.

Jadi empat TPU yang baru dikirim memang jauh dari gambaran akhir. Ia hanya titik awal untuk mengumpulkan data: bagaimana perilaku chip di luar angkasa dibanding di Bumi, bagian mana yang paling rawan rusak, dan desain pendingin seperti apa yang benar-benar jalan.

Kalau eksperimennya sesuai rencana, Google akan menaikkan skala pada 2027 dengan mengirim lebih banyak TPU lewat dua satelit yang saling terhubung. Google butuh beberapa pekan untuk dapat gambaran awal apakah chip-nya mengalami kerusakan setelah perjalanan ke orbit.

Benarkah Data Center Orbital Lebih Murah?

Di sinilah debatnya panas. Val Elbert, Global Leader Technology, Media and Telecommunications Boston Consulting Group, memperkirakan secara ekonomi data center di Bumi masih lebih unggul. Menurutnya, persamaan biaya akan selalu menguntungkan pusat data yang berada di daratan.

Google punya pandangan lebih optimistis. Beals memperkirakan perkembangan teknologi suatu hari bisa membuat biaya data center luar angkasa mendekati fasilitas di Bumi, meski realisasinya masih bertahun-tahun lagi.

Yang jelas, ada keunggulan yang sulit ditiru fasilitas konvensional. Pusat data orbital tidak butuh lahan luas, tidak rebutan pasokan air untuk pendinginan, dan bisa memproses citra satelit langsung di orbit sehingga data tidak perlu selalu dikirim dulu ke daratan. Pemerintah juga berpotensi memakainya untuk kebutuhan penyimpanan tertentu.

Apa Artinya untuk Indonesia

Untuk Indonesia, pembahasan ini relevan walau terdengar jauh. Kebutuhan komputasi AI di dalam negeri sedang naik cepat, dan data center di sini sudah mulai bertabrakan dengan keterbatasan listrik dan air. Sejumlah proyek raksasa sedang berjalan, tapi taruhan energinya nyata.

Kalau kelak sebagian beban AI bisa dipindah ke orbit, tekanan pada lahan dan energi di darat bisa sedikit berkurang. Tapi jangan berharap cepat. Suncatcher baru tahap satu: membuktikan chip bisa hidup di luar angkasa tanpa mati kepanasan atau kena radiasi. Semua bicara biaya, kapasitas, dan regulasi masih meninggalkan banyak tanda tanya yang harus dijawab bertahun-tahun ke depan.

Yang paling menarik dari langkah Google ini bukan fantasi data center di angkasa, melainkan caranya bekerja mundur dari tujuan besar. Persis seperti riset mobil otonom dan komputasi kuantum dulu: eksperimen kecil dulu, belajar dari kegagalan, baru bicara skala.

Sumber

• Google Blog: Learn about Google’s Project Suncatcher to put ML infrastructure in space
• Selular.id: Google Kirim Chip AI ke Antariksa, Data Center Rp500 Triliun Disiapkan
• NPR: Google launches Project Suncatcher, a step towards AI data centers in space

Bukti terbaru datang dari China. Reuters melaporkan pada 10 September 2026 bahwa Huawei dan Cambricon menaikkan harga chip AI mereka secara signifikan. Huawei menaikkan harga kartu akselerator Ascend 950DT menjadi di atas 250.000 yuan atau sekitar 37.255 dollar AS. Angka itu naik 20 sampai 50 persen dibanding harga yang ditawarkan ke pelanggan dua bulan sebelumnya, tergantung jenis kontrak.

Cambricon ikut menaikkan harga chip generasi berikutnya yang sementara disebut 690, sekitar 20 sampai 30 persen dari indikasi dua bulan lalu. Dua pemain yang lebih kecil, MetaX dan Iluvatar CoreX, melakukan hal yang sama. Semua kenaikan ini berpangkal pada satu hal: memori HBM makin langka dan makin mahal. Inti krisis memori HBM sekarang ada di situ, dan angkanya menular cepat ke seluruh rantai produksi chip.

Apa Itu HBM dan Kenapa Jadi Rebutan

HBM atau High Bandwidth Memory adalah jenis memori yang disusun bertumpuk secara vertikal. Susunan itu memungkinkan prosesor mengakses data dalam jumlah besar dengan kecepatan tinggi. Tanpa HBM, chip AI tidak bisa bekerja seefisien sekarang, karena model bahasa besar butuh mengalirkan data terus-menerus antara chip dan memori.

Masalahnya, pasar HBM canggih hanya dikuasai tiga perusahaan: SK Hynix dan Samsung dari Korea Selatan, serta Micron dari Amerika Serikat. Kapasitas produksi mereka terbatas dan tidak bisa ditambah dalam hitungan bulan, sementara permintaan dari perusahaan AI naik jauh lebih cepat.

Sejak Washington memperketat kontrol ekspor produk HBM canggih ke China pada Desember 2024, produsen chip China makin bergantung pada jalur grey market untuk mendapat pasokan. Menurut sumber Reuters, harga HBM dari jalur itu bisa beberapa kali lebih tinggi dari harga yang dibayar pembeli di luar China. Karena memori menempati porsi besar dalam biaya produksi akselerator AI, kenaikan itu langsung terasa di harga kartu jadi.

Harga Chip AI Naik, Chip Generasi Lama Ikut Mahal

Yang menarik, bukan cuma produk baru yang naik. Produk lama Huawei juga ikut terdorong. Ascend 950PR yang dijual sekitar 60.000 yuan per kartu di awal tahun kini dihargai lebih dari 80.000 yuan, naik sekitar 30 persen. Papan Ascend 910C naik dari sekitar 90.000 yuan menjadi lebih dari 110.000 yuan.

Huawei sendiri menyebut seri Ascend 950 akan memakai dua teknologi HBM buatan mereka: HiBL 1.0 untuk 950PR dan HiZQ 2.0 untuk 950DT. Mereka tidak merinci di mana atau bagaimana memori itu diproduksi. Ascend 950DT diklaim mulai tersedia pada kuartal keempat 2026.

Menurut tiga sumber Reuters, ByteDance adalah pembeli domestik terbesar Huawei, diikuti Cambricon dan Iluvatar CoreX. Artinya kenaikan harga ini bukan sekadar masalah korporat di balik layar, tapi langsung menaikkan biaya membangun infrastruktur AI di China, di saat Beijing mendorong perusahaan untuk beralih dari produk Nvidia.

Baca juga: IBM Umumkan Chip Sub-1nm Pertama di Dunia: 100 Miliar Transistor dalam Satu Kuku

Dampak ke Konsumen: HP Murah, Laptop, sampai TV

Kalau kamu bukan perusahaan AI, kenapa harus peduli? Karena memori yang sama juga dipakai di HP, laptop, dan TV. Di titik ini krisis memori HBM berhenti jadi berita industri dan mulai masuk ke dompet kamu.

CNBC melaporkan pada 11 September 2026 bahwa HP dengan harga di bawah 100 dollar AS makin langka di pasar global. Penyebabnya harga memori yang melonjak membuat segmen HP murah sulit dijual tanpa merugi.

Di Indonesia, jejaknya sudah terasa sejak pertengahan tahun. Telset.id mencatat harga modul DDR5 32GB sempat menembus 400 dollar AS, naik sekitar 400 persen dibanding harga normal. Pada 10 September, Telset.id juga melaporkan Samsung dan SK Hynix kehabisan stok memori, dengan krisis RAM 2027 diprediksi makin parah. Sehari setelahnya, Telset.id menulis produsen elektronik Sharp mengisyaratkan kenaikan harga TV mulai Oktober 2026.

Pola ini masuk akal kalau kamu lihat struktur biaya. Memori bukan komponen pelengkap, tapi bagian dari paket wajib setiap perangkat. Jadi saat harganya naik, produsen punya tiga pilihan: menaikkan harga jual, memangkas spesifikasi, atau menekan margin. Beberapa merek memilih kombinasi ketiganya. Google Pixel 11 Pro XL misalnya, tetap naik harga tapi RAM dipangkas jadi 12GB.

Baca juga: Google Pixel 11 Pro XL Ditinjau Media Global: Gemini Juara, Tapi RAM Turun Jadi 12 GB

Kenapa Krisis Memori HBM Susah Selesai

Kalau kamu berharap harga turun dalam beberapa bulan, siap-siap kecewa. Sinyal dari industri justru sebaliknya.

Pada 30 Agustus 2026, CEO SK Hynix menyatakan kekurangan memori akan bertahan sampai 2030. South China Morning Post pada April lalu juga mencatat Samsung menyebut tingkat pemenuhan pesanan mereka berada di titik terendah, dan kapasitas produksi HBM4 generasi berikutnya sudah dipesan penuh. Beberapa pelanggan bahkan sudah memesan kapasitas memori untuk 2027, jauh sebelum tahunnya tiba.

Ada dua alasan struktural. Pertama, membangun pabrik memori butuh waktu bertahun-tahun dan investasi besar, jadi pasokan tidak bisa mengejar permintaan dalam waktu cepat. Kedua, perusahaan AI bersedia membayar berapa pun untuk mengamankan pasokan, sehingga mereka selalu menang dalam perebutan alokasi. Konsumen akhir, dari gamer sampai pembeli HP murah, kalah di antrean.

Apa yang Bisa Kamu Lakukan Sekarang

Kamu tidak bisa mengubah harga pasar, tapi bisa menyesuaikan rencana belanja. Selama krisis memori HBM belum mereda, beberapa hal praktis ini masuk akal:

• Percepat pembelian yang sudah direncanakan. Upgrade RAM, SSD, atau laptop yang sudah kamu tunda cenderung makin mahal dalam 6 sampai 12 bulan ke depan, bukan makin murah.
• Hitung ulang spesifikasi minimum. Kalau anggaran tetap, pilih kapasitas memori yang memadai lebih dulu ketimbang detail spek lain yang jarang kamu pakai.
• Hati-hati beli modul memori murah dari pasar bebas. Saat pasokan ketat, barang rekondisi dan tiruan lebih mudah muncul. Beli dari penjual yang jelas garansinya.
• Pertimbangkan perangkat yang lebih tahan lama. Tahun-tahun seperti ini bukan waktu ideal untuk ganti perangkat setiap tahun.

Pertanyaan yang Sering Muncul

Apakah harga RAM akan normal lagi tahun ini? Sangat kecil kemungkinannya. Produsen memori sendiri memperkirakan tekanan pasokan bertahan beberapa tahun, dengan perkiraan terpanjang sampai 2030.

Kenapa chip AI Huawei naiknya paling besar? Karena mereka bergantung pada pasokan HBM dari jalur alternatif setelah kontrol ekspor diperketat. Krisis memori HBM membuat biaya pasokan itu jauh lebih tinggi, dan biaya tersebut diteruskan ke harga kartu.

Apakah HP flagship juga kena? Ya, tapi efeknya berbeda. Merek flagship biasanya menaikkan harga atau memangkas konfigurasi memori. Yang paling terpukul justru segmen HP murah di bawah 100 dollar AS, yang hampir kehilangan ruang margin.

Apakah ini memengaruhi harga di Indonesia? Sudah. Harga komponen PC dan laptop naik sejak awal tahun, dan produsen perangkat konsumen mulai mengisyaratkan kenaikan harga menyusul kenaikan biaya memori.

Sumber

• Reuters via The Economic Times – China’s AI chipmakers raise prices as high-bandwidth memory shortage bites (10 September 2026)
• CNBC – Sub-$100 smartphones becoming a rarity as AI memory prices soar (11 September 2026)
• Telset.id – laporan kenaikan harga RAM DDR5, stok memori Samsung dan SK Hynix, serta sinyal kenaikan harga TV (Agustus-September 2026)
• TechPowerUp – SK hynix CEO Says Memory Shortage Will Last Through 2030 (30 Agustus 2026)
• South China Morning Post – Samsung, SK Hynix flag record supply squeeze in memory market as AI demand soars (30 April 2026)

Kabar ini mulai ramai sejak pertengahan Agustus 2026, setelah Qualcomm membeberkan detail teknis Snapdragon C yang sebelumnya cuma diperkenalkan sekilas. detikINET melaporkan rinciannya pada 17 Agustus, sementara media global seperti Tom’s Hardware, TechSpot, dan TechPowerUp juga mengulas chip ini di hari yang sama. Buat kamu yang lagi nyari laptop murah buat kerja dan kuliah, artikel ini bakal ngebongkar semua yang perlu kamu tahu.

Snapdragon C: Chip Khusus Laptop Murah dari Qualcomm

Selama ini, laptop murah identik sama prosesor Intel entry-level kayak seri N. Nah, Snapdragon C datang sebagai penantang serius. Berbasis arsitektur Arm, chip ini ditargetkan buat laptop dengan banderol sekitar USD 300, atau kalau dikonversi kasar jadi Rp 4,7 juta di Indonesia.

Menariknya, ini bukan cuma soal harga. Qualcomm bertaruh bahwa kombinasi CPU yang kenceng, grafis terintegrasi, dan konsumsi daya yang irit bisa ngasih alternatif baru buat para produsen laptop (OEM). Dan di sinilah posisi Snapdragon C jadi menarik: dia mau nunjukin kalau laptop murah gak harus lemot dan boros baterai.

Spesifikasi Snapdragon C: 8 Core Kryo, GPU Adreno, dan NPU

Dari sisi spek, Snapdragon C dibekali CPU Qualcomm Kryo 8-core dengan clock maksimum 3 GHz untuk single-core dan 2 GHz untuk multi-core, plus total cache 2 MB. Untuk urusan grafis dan AI, ada GPU Adreno berkecepatan hingga 900 MHz dan Hexagon NPU.

Kehadiran NPU ini yang paling saya sorot. Artinya, laptop murah pun bakal kebagian akselerasi AI untuk tugas-tugas kayak efek kamera, background blur saat video call, atau fitur Windows AI yang makin umum. Ini nilai jual yang gak dimiliki kompetitor segaris harganya.

Buat konteks, sistem dengan Snapdragon C disebut mendukung RAM hingga 16 GB. Spesifikasi kayak gini buat laptop empat jutean itu udah di atas rata-rata kelasnya.

Klaim Performa: Lebih Kencang dari Intel N250

Qualcomm juga kasih angka perbandingan dengan Intel N250, prosesor yang selama ini ngegerayangi laptop murah. Penting dicatat, semua angka ini dari pengujian internal Qualcomm dan diukur saat laptop jalan pakai baterai.

Di Geekbench, Snapdragon C diklaim 44% lebih cepat untuk single-core dan 24% lebih tinggi di multi-core. Pengujian Cinebench malah lebih greget: 50% lebih cepat di single-thread dan 67% di multi-thread. Untuk browsing harian, Speedometer 3.1 mencatat keunggulan 39%.

Satu catatan jujur: performa saat laptop colok listrik (AC) belum diungkap. Tom’s Hardware menyebut ini masih misteri. Jadi angka-angka di atas harus disikapi sebagai klaim pabrikan dulu, sampai review independen keluar.

Baca juga: AMD Rilis Ryzen 5 439 dan Ryzen 7 449: Berlabel Ryzen AI, Tapi Tanpa NPU

Baterai Jadi Senjata Utama Snapdragon C

Kalau performa masih bisa diperdebatkan, efisiensi daya justru jadi klaim paling berani Qualcomm. Snapdragon C disebut 106% lebih hemat daya dibandingkan Intel N250 saat streaming Netflix di Microsoft Edge. Angka 68% lebih efisien saat browsing web, dan 74% lebih irit saat panggilan video lewat Teams.

Kalau klaim ini terbukti di dunia nyata, konsekuensinya gede banget: laptop murah yang bisa dipakai seharian penuh tanpa colok. Buat mahasiswa atau pekerja lapangan yang sering mobile, ini perubahan besar. Baterai irit juga berarti laptop murah gak lagi jadi barang yang cuma bisa dipakai dua-tiga jam.

Laptop Pertama dengan Snapdragon C: Acer Aspire Go 15

Produsen yang keburu gaspol? Acer, HP, Asus, dan Lenovo dilaporkan udah siap-siap. Acer bahkan lebih dulu pamer: Aspire Go 15 jadi laptop Snapdragon C pertama, dengan RAM 8 GB dan SSD 512 GB.

Dengan kombinasi RAM dan SSD segitu di kelas harga Rp4 jutean, laptop ini keliatan banget sasarannya: pelajar dan pekerja yang butuh mesin harian yang responsif tanpa ngerogoh kocek dalam-dalam. Tapi tunggu dulu, harga final dan tanggal rilisnya belum diumumkan resmi.

Pesaing Snapdragon C: Intel Wildcat Lake dan MacBook Neo

Qualcomm gak sendirian di segmen ini. Intel kabarnya bakal jawab lewat Wildcat Lake, penerus lini N-series yang bakal nempel di segmen entry-level. Di sisi lain, Apple juga punya MacBook Neo yang mulai menyentuh kelas harga lebih rendah.

Jadi peta persaingannya makin seru: Intel mau pertahanin kandangnya, Apple mulai turun kelas, dan Qualcomm ngegas dari bawah. Konsumen kayak kita yang paling diuntungkan, karena persaingan bikin harga makin kompetitif dan spek makin dinaikin.

Baca juga: Krisis DRAM dan NAND 2026: AI dan Data Center Bikin Harga Gadget Melonjak

Kapan Laptop Snapdragon C Rilis di Indonesia?

Sampai tulisan ini dibuat, belum ada tanggal rilis pasti maupun harga final untuk laptop Snapdragon C. Yang jelas, Acer Aspire Go 15 jadi penanda pertama, dan laptop dari HP, Asus, serta Lenovo menyusul.

Dari sisi saya pribadi, Snapdragon C ini kategori produk yang paling saya tunggu di sisa 2026. Kenapa? Karena segmen laptop murah adalah yang paling banyak dibeli orang Indonesia, dan selama bertahun-tahun segmen ini nyaris gak ada inovasi. Kalau Qualcomm beneran bisa kasih performa irit yang mereka klaim, laptop Rp4 jutean bakal naik kelas. Intel jelas harus waspada.

Satu hal yang perlu diingat: semua angka performa di atas masih klaim internal Qualcomm. Tunggu review independen dan uji daya tahan baterai di dunia nyata sebelum memutuskan beli. Tapi satu hal yang pasti, kompetisi di kelas laptop murah baru aja mulai memanas.

Sumber

detikINET: Qualcomm Ungkap Spek Snapdragon C: Kencang untuk Laptop 4 Jutaan

Qualcomm: Snapdragon Overview

Liputan global Snapdragon C (Tom’s Hardware, TechSpot, TechPowerUp, XDA, Windows Central)

Yang bikin cerita ini makin seru, keduanya memakai silikon “Gorgon Point”, fondasi yang sama dengan prosesor Ryzen AI 400 Series. Padahal NPU adalah salah satu fitur utama dari keluarga Ryzen AI 400 Series, dan di situs resminya AMD sendiri menyebut NPU sebagai “dedicated AI engine powered by AMD XDNA” yang bertugas menopang efisiensi pemrosesan AI di laptop. Nah, di Ryzen 5 439 dan Ryzen 7 449, bagian itu hilang.

Kenapa Berlabel Ryzen AI Tapi Tanpa NPU?

Jujur, ini keputusan yang agak aneh. Secara teknis, “Gorgon Point” memang dikenal sebagai basis dari lini Ryzen AI 400. Tapi AMD memilih tidak memasukkan Ryzen 5 439 dan Ryzen 7 449 ke keluarga Ryzen AI, tidak memakai branding “Ryzen AI”, dan yang paling krusial: tidak mencantumkan spesifikasi NPU sama sekali.

AMD sejauh ini belum menjelaskan alasan teknisnya. Ada dua kemungkinan besar: pertama, NPU di dua chip ini memang sengaja dinonaktifkan secara fisik; kedua, keduanya pakai konfigurasi silikon yang berbeda dari saudara-saudaranya di lini Ryzen AI. Yang jelas, dari sudut pandang bisnis, ini kelihatan seperti segmentasi produk yang sadar: AMD menyiapkan chip murah untuk produsen laptop yang tidak butuh kemampuan AI sama sekali.

Baca juga: Chip AI Anthropic: Claude Bakal Ditenagai Chip Buatan Sendiri, Ini Alasannya

Spesifikasi AMD Ryzen 5 439 dan Ryzen 7 449

Meski tanpa NPU, dua prosesor ini tetap menjanjikan performa yang lumayan untuk kelasnya. Berikut rincian lengkapnya berdasarkan laporan Kompas.com:

• AMD Ryzen 5 439: enam inti dengan kombinasi tiga inti Zen 5 dan tiga inti Zen 5c, boost hingga 4,6 GHz di inti Zen 5 dan 3,3 GHz di Zen 5c, cache L3 8 MB, TDP hingga 28 watt, grafis terintegrasi Radeon 840M dengan 4 Compute Unit (CU) RDNA 3.5 yang bisa tembus 2,8 GHz.
• AMD Ryzen 7 449: delapan inti 16 utas dengan komposisi empat inti Zen 5 dan empat inti Zen 5c, boost hingga 5,0 GHz di inti Zen 5 dan 3,4 GHz di Zen 5c, cache L3 16 MB, TDP 28 watt, dan GPU Radeon 860M dengan 8 CU RDNA 3.5 di kecepatan hingga 2,8 GHz.

Kalau dilihat dari angka, ini mirip pola chip hemat daya yang biasa dipakai di laptop tipis dan ringan. Kombinasi inti Zen 5 + Zen 5c adalah formula yang sama dengan lini Ryzen AI 400, cuma tanpa bagian AI-nya.

Buat Siapa Chip Tanpa NPU Ini?

Menurut saya, ini langkah yang justru cerdas. Tidak semua orang butuh NPU. Fitur AI di laptop seperti Windows Copilot+ memang makin populer, tapi butuh NPU dengan kekuatan minimal 40 TOPS. Buat pengguna yang cuma kerja dokumen, browsing, nonton streaming, atau main game ringan, NPU itu barang mahal yang jarang kepakai.

Dengan menghilangkan NPU, AMD bisa menekan biaya produksi dan menawarkan chip yang lebih murah ke produsen laptop. Hasilnya, laptop kelas entry-level sampai mid-range bisa dapat prosesor Zen 5 modern tanpa harus membayar mahal fitur AI yang tidak akan pernah mereka pakai. Ini segmen yang selama ini jadi ladang duel AMD vs Intel di pasar Indonesia, dan Ryzen 5 439 serta Ryzen 7 449 kelihatannya dirancang khusus buat perang harga itu.

Baca juga: Samsung Isocell HPC: Sensor Kamera 200 MP dengan DeepPix Pertama di Industri

Dampaknya Buat Pembeli Laptop di Indonesia

Buat kamu yang lagi incar laptop baru, kehadiran chip ini sebenernya kabar bagus. Laptop dengan Ryzen 5 439 atau Ryzen 7 449 kemungkinan besar dibanderol lebih murah daripada varian Ryzen AI 400, padahal performa CPU dan grafisnya nyaris setara. Kalau kebutuhanmu tidak menyentuh AI sama sekali, memilih versi tanpa NPU adalah cara paling efisien buat menghemat budget.

Tapi ada catatan penting: jangan asal lihat label. Tahun ini banyak banget laptop yang mengklaim “AI-ready”, padahal segmen ini justru membuktikan bahwa label AI bisa saja tidak ada artinya di chip tertentu. Selalu cek spesifikasi NPU-nya sendiri sebelum memutuskan, terutama kalau kamu memang berniat pakai fitur AI seperti Windows Studio Effects atau Copilot.

Kapan Rilis dan Ada di Laptop Apa?

Sayangnya, detail itu belum diumumkan. Kompas.com menulis bahwa belum ada informasi soal laptop merek apa yang akan memakai Ryzen 5 439 dan Ryzen 7 449, begitu juga harga serta ketersediaannya. Yang jelas, dua chip ini berpotensi hadir di berbagai kelas laptop, termasuk segmen harga yang lebih terjangkau karena tidak ada embel-embel Ryzen AI di dalamnya.

Prediksi saya, mereka bakal muncul dulu di laptop-laptop mainstream yang dijual agresif di Indonesia, Thailand, dan India, pasar yang sensitif banget sama harga. Produsen seperti Acer, ASUS, dan HP biasanya paling cepat mengadopsi chip segmen begini.

Kesimpulan

Ryzen 5 439 dan Ryzen 7 449 adalah bukti bahwa AMD serius menjalankan strategi dua arah: laptop AI premium untuk yang butuh, dan laptop non-AI yang tetap modern untuk yang tidak butuh. Ini juga pengingat yang sehat buat industri, bahwa tidak semua laptop harus punya NPU, dan tidak semua orang harus membayar fitur yang tidak pernah dipakai.

Yang perlu kita tunggu tinggal satu: laptop pertama yang membawa dua chip ini. Kalau harganya benar-benar kompetitif, segmen laptop murah di Indonesia bakal makin menarik tahun ini.

Sumber

• Kompas.com: AMD Rilis 2 Prosesor Laptop Baru, Pakai Chip Ryzen AI tapi Tanpa NPU
• AMD: Ryzen AI, Windows PCs with AI Built In

Kabar ini pertama dilaporkan TechCrunch pada 5 Agustus 2026 waktu setempat, lalu diangkat ANTARA News. Anthropic mengakui mereka mengembangkan perangkat keras dan model AI secara bersamaan. Tujuannya satu: biar Claude jalan lebih cepat dan lebih efisien, tanpa harus nunggu antrean kapasitas komputasi dari pemasok luar.

Sebenarnya ini bukan keputusan mendadak. Sejak awal tahun, Anthropic sudah dikabarkan menjajaki kerja sama dengan Samsung untuk produksi chip khusus. Sekarang langkah itu dipertegas dengan pembentukan tim internal. Saya rasa ini salah satu sinyal terkuat bahwa era “sewa GPU doang” untuk perusahaan AI kelas kakap sudah mulai ditinggalkan.

Chip AI Anthropic: Tim Khusus Dibentuk, Lowongan Insinyur Semikonduktor Dibuka

Menurut laporan ANTARA News, Anthropic tengah merekrut insinyur yang punya pengalaman di bidang perancangan semikonduktor. Itu artinya mereka serius membangun kemampuan desain chip dari nol, bukan sekadar pesan desain ke pihak ketiga.

Keputusan ini diambil di tengah meningkatnya permintaan terhadap Claude. Model-model terbaru mereka makin banyak dipakai developer dan perusahaan, sementara kapasitas komputasi AI di dunia makin ketat diperebutkan. Alih-alih terus berebut GPU, Anthropic memilih jalur yang lebih permanen: bikin chip yang memang dirancang untuk cara kerja model mereka.

Pendekatan begini sebenarnya sudah jadi tren. Google DeepMind sejak lama mengandalkan TPU buatan Alphabet sendiri. Meta juga punya lini akselerator MTIA (Meta Training and Inference Accelerator). Bahkan OpenAI, rival utama Anthropic, Juni lalu memperkenalkan chip bernama Jalapeño yang dikembangkan bersama Broadcom, khusus untuk beban kerja inferensi.

Kenapa Anthropic Nggak Cukup Sewa GPU dari Nvidia dan AMD?

Selama ini Anthropic bekerja sama dengan banyak pemasok besar: AWS, Google, Nvidia, dan AMD. Mereka dapat akses ke GPU dan TPU kelas data center. Tapi perusahaan menilai ketergantungan ke pihak lain saja tidak cukup untuk memenuhi kebutuhan komputasi yang terus naik. Untuk jangka panjang, chip AI Anthropic buatan sendiri dianggap solusi yang jauh lebih permanen.

Ada tiga alasan yang saya tangkap dari laporan-laporan ini:

• Biaya jangka panjang. Menyewa GPU dalam skala besar itu mahal banget. Kalau punya chip sendiri, biaya per komputasi bisa ditekan signifikan seiring volume pemakaian yang naik.
• Ketersediaan. GPU Nvidia kelas atas masih jadi rebutan global. Perusahaan AI harus antre dan kadang nggak dapat jatah sesuai kebutuhan.
• Efisiensi. Chip yang dirancang khusus untuk arsitektur Claude bisa jauh lebih efisien daripada chip general-purpose yang dipakai buat semua beban kerja.

Baca juga: Krisis DRAM dan NAND 2026: AI/Data Center Bikin Harga Gadget Melonjak

Analogi sederhananya begini: kamu bisa aja naik angkutan umum ke mana-mana, tapi kalau tiap hari harus ke tempat yang sama dengan ritme yang sama, punya kendaraan sendiri akhirnya lebih masuk akal. Chip Anthropic itu ya “kendaraan sendiri”-nya Claude.

Samsung Jadi Kandidat Manufaktur Chip Anthropic

Satu hal yang bikin cerita ini makin seru: siapa yang bakal memproduksi chip tersebut. ANTARA News melaporkan sejak awal Juli, Anthropic dan Samsung Electronics dikabarkan tengah menjajaki kerja sama strategis untuk memproduksi chip AI khusus. TechCrunch juga mengonfirmasi adanya pembicaraan soal custom chip dengan Samsung pada 2 Juli 2026.

Kalau kesepakatan ini jadi, Samsung bakal memproduksi chip AI Anthropic yang dirancang khusus untuk model AI generatif mereka. Kabar ini jadi angin segar buat Samsung dan Intel, yang selama ini kalah dominan dari TSMC di pasar manufaktur chip canggih. Permintaan chip AI yang meledak bikin banyak perusahaan teknologi mulai mencari alternatif pemasok di luar TSMC.

Menariknya, Apple juga disebut-sebut kembali mempertimbangkan Intel sebagai pemasok chip. Artinya peta industri semikonduktor global sedang dirombak total, dan AI jadi dalang utamanya.

Dampaknya ke Industri dan ke Kita sebagai Pengguna

Buat kamu yang cuma pakai Claude buat ngerjain tugas atau bikin kode, perubahan ini mungkin nggak langsung kerasa. Tapi efek jangka panjangnya besar.

Pertama, kalau pengembangan chip AI Anthropic berhasil dan produksinya efisien, biaya operasional Claude bisa turun. Ujung-ujungnya, harga langganan atau batas pemakaian gratis bisa makin ramah. Kedua, persaingan yang makin ketat di sisi hardware bikin ekosistem AI nggak lagi bergantung ke satu pemasok dominan. Ini bagus buat stabilitas industri secara keseluruhan.

Ketiga, tren ini mempercepat siklus inovasi. OpenAI punya Jalapeño, Google punya TPU, Meta punya MTIA, dan sekarang Anthropic menyusul. Tiap pemain bikin chip yang dioptimalkan buat modelnya sendiri, jadi performa per watt-nya makin gila-gilaan. Saya rasa dalam 2-3 tahun ke depan, benchmark AI bakal ditentukan oleh kualitas chip custom, bukan cuma ukuran model.

Baca juga: Claude Opus 5: Model Harian Anthropic yang Mendekati Fable 5 dengan Setengah Harga

Meski begitu, jangan harap chip buatan sendiri langsung dipakai dalam waktu dekat. ANTARA News menegaskan, operasional data center Anthropic dalam waktu dekat masih bergantung pada mitra teknologi utama: chip Titanium milik AWS, TPU Google, dan GPU Nvidia. Proyek chip ini investasi jangka panjang, baru kerasa hasilnya beberapa tahun lagi.

Baca juga: Samsung Galaxy Z Fold 8 Resmi: Desain Paspor, Harga Indonesia, dan Bedanya dengan Ultra

Kesimpulan

Keputusan Anthropic bikin chip AI Anthropic sendiri adalah langkah berani yang sebenarnya sudah ketebak dari arah industri. Semua pemain besar AI bergerak ke arah yang sama: kontrol penuh atas hardware yang menjalankan model mereka. Buat Anthropic, ini soal efisiensi biaya, ketersediaan kapasitas, dan kecepatan inovasi.

Yang perlu kita pantau berikutnya adalah kepastian kerja sama dengan Samsung dan kapan chip pertamanya mulai diproduksi. Kalau keduanya terwujud, industri semikonduktor bakal makin ramai, dan pengguna Claude kemungkinan besar bakal dapat untung dalam bentuk performa lebih baik dengan harga lebih masuk akal.

Buat kamu yang penasaran perkembangan chip AI lain, pantau terus Preset ID ya. Topik kayak gini bakal makin sering muncul ke depannya.

Sumber

ANTARA News: Anthropic bentuk tim pengembangan chip untuk AI Claude

ANTARA News: Anthropic gandeng Samsung kembangkan chip AI khusus

TechCrunch: Anthropic is discussing a new custom chip with Samsung