Anthropic Bangun Chip AI Khusus untuk Claude: Langkah Besar Menuju Silicon Buatan Sendiri

• Kelangkaan chip dan keterbatasan pasokan. Kelangkaan chip AI global membuat Anthropic kesulitan mendapatkan daya komputasi yang dibutuhkan untuk melatih dan menjalankan model yang semakin canggih .
• Biaya inferensi yang membumbung tinggi. Dengan melayani miliaran token setiap hari dan mencapai pendapatan sekitar 30 miliar dolar AS per tahun, chip custom menjadi alat yang ampuh untuk menekan biaya. Analis memperkirakan bahwa chip yang dirancang khusus untuk Claude bisa memangkas biaya inferensi hingga setengahnya .
• Optimalisasi model-perangkat keras bersama. Merancang chip secara eksplisit untuk arsitektur Claude memungkinkan Anthropic memberikan performa dan efisiensi yang lebih baik dibandingkan GPU generik .
• Strategi multi-chip. Chip custom ini akan melengkapi, bukan menggantikan, kemitraan yang sudah ada dengan Nvidia, AMD, AWS, dan Google Cloud. Ini adalah bagian dari diversifikasi untuk tidak hanya bergantung pada GPU Nvidia .

Anthropic belum mengungkapkan target kapan chip pertama akan selesai atau diproduksi, yang wajar untuk program yang masih dalam tahap awal .

Bagaimana Perusahaan AI Besar Lain Membangun Chip Custom

OpenAI dan Chip 'Jalapeño'

OpenAI meluncurkan chip AI custom pertamanya dengan nama kode Jalapeño pada 24 Juni 2026 . Chip ini dirancang bersama Broadcom dan diproduksi oleh TSMC, khusus untuk tugas inferensi . OpenAI memulai proses desain pada awal 2025 dan awalnya sempat mempertimbangkan untuk membangun pabrik sendiri, namun akhirnya beralih ke model kemitraan desain . OpenAI juga mengumumkan kolaborasi strategis dengan Broadcom senilai hingga 10 miliar dolar AS untuk menyebarkan sistem akselerator dan jaringan hingga 2029 .

Google DeepMind dan Delapan Generasi TPU

Google memiliki program chip AI internal yang paling lama, dengan lebih dari satu dekade pengembangan silicon khusus. Keluarga Tensor Processing Unit (TPU) kini telah mencapai delapan generasi .

TPU Ironwood (generasi ke-7) yang diluncurkan pada akhir 2025 dapat menghubungkan 9.216 chip dalam satu pod untuk pelatihan dan inferensi . Pada April 2026, Google mengumumkan TPU generasi ke-8 dengan dua arsitektur khusus: TPU 8t untuk pelatihan dan TPU 8i untuk inferensi . Google juga dikabarkan telah menggandeng AMD untuk membantu mendesain salah satu TPU generasi ke-10 .

Menariknya, Google juga memasok TPU ke Anthropic dalam kesepakatan besar senilai puluhan miliar dolar AS, menyediakan hingga satu juta chip .

Meta dan Keluarga MTIA

Pada Maret 2026, Meta meluncurkan peta jalan empat chip baru buatan sendiri di bawah keluarga Meta Training and Inference Accelerator (MTIA) . MTIA 300 sudah digunakan; MTIA 400, MTIA 450, dan MTIA 500 dijadwalkan rilis setiap enam bulan hingga 2027 .

Meta mengembangkan chip ini bersama Broadcom dan berencana memulai produksi salah satunya pada September 2026 sebagai bagian dari upaya untuk menggandakan kapasitas komputasi secara keseluruhan . Keluarga MTIA mencakup chip untuk inferensi dan, untuk pertama kalinya, chip pelatihan khusus — sebelumnya Meta mengandalkan GPU Nvidia untuk pelatihan model .

Ringkasan Program Chip AI Custom

Apa Artinya Bagi Lanskap Perangkat Keras AI

Pergeseran menuju silicon custom menandai perubahan fundamental dalam cara perusahaan AI mendekati infrastruktur. Alih-alih hanya bersaing dalam arsitektur model dan data pelatihan, para pemimpin industri kini membangun perangkat keras sebagai keunggulan kompetitif.

Bagi Anthropic, program chip custom masih dalam tahap paling awal — belum ada target tanggal produksi, detail arsitektur, atau perjanjian manufaktur yang diumumkan . Namun, langkah ini menandakan bahwa Anthropic memandang desain chip sebagai elemen penting dalam strategi jangka panjangnya, terutama karena biaya inferensi terus meningkat seiring skala penerapan.

Bagi industri secara keseluruhan, diversifikasi dari GPU Nvidia bisa memiliki implikasi yang luas. Jika chip custom berhasil mewujudkan janji biaya lebih rendah dan performa lebih tinggi, ekonomi inferensi AI bisa berubah secara dramatis, membuat aplikasi AI lebih terjangkau dan dapat diakses oleh lebih banyak orang.