Di Balik Strategi Multi-Jalur Chip AI ByteDance untuk Lepas dari Nvidia

ByteDance sedang mengorkestrasi salah satu strategi semikonduktor kustom paling komprehensif di luar raksasa teknologi AS. Menghadapi kombinasi permintaan inferensi AI yang eksplosif, harga CPU server yang bergejolak, dan kontrol ekspor AS yang memutus akses ke perangkat keras Nvidia canggih, perusahaan induk TikTok ini secara simultan menyerang masalah ini dari empat lini depan yang berbeda . Tujuannya bukanlah satu chip ajaib, melainkan sebuah ekosistem akselerator AI dan CPU server yang lengkap dan berlapis untuk menopang ambisi AI berbasis agen (AI agent) mereka yang masif.

LPU ala Groq: Menyiasati Kemacetan HBM dengan SRAM

Bagian paling cerdik dari strategi ByteDance adalah laporan pengembangan chip inferensi AI kustom yang dimodelkan berdasarkan arsitektur Language Processing Unit (LPU) milik Groq . Fitur penentu LPU adalah ketergantungannya pada SRAM on-chip yang masif alih-alih high-bandwidth memory (HBM) . Pilihan arsitektur ini sangat signifikan karena HBM adalah komponen yang paling ketat dibatasi oleh kontrol ekspor AS ke Tiongkok .

Dengan menjaga seluruh model dalam SRAM on-chip, ByteDance berpotensi mencapai pembuatan token berlatensi rendah dan throughput tinggi tanpa perlu mengimpor teknologi memori yang dibatasi. Langkah ini mencerminkan validasi industri yang lebih luas terhadap pendekatan LPU. Nvidia sendiri dilaporkan membayar $20 miliar untuk melisensikan arsitektur LPU Groq pada akhir 2025, mengintegrasikannya sebagai co-prosesor inferensi khusus bernama Groq 3 LPX, di samping GPU Vera Rubin mereka . ByteDance pada dasarnya mengadopsi arah arsitektur yang sama untuk kebutuhan eksklusifnya sendiri, bertujuan menjalankan model AI dengan biaya lebih rendah dan rantai pasokan yang lebih aman .

Pertaruhan CPU ISA Ganda: Arm dan RISC-V

Di luar akselerator AI, ByteDance bergerak untuk mengamankan fondasi komputasi serba guna mereka. Reuters melaporkan pada 28 Mei 2026 bahwa perusahaan tersebut mengembangkan CPU servernya sendiri menggunakan dua jalur arsitektur paralel: satu berbasis Arm dan lainnya pada set instruksi open-source RISC-V .

Motivasinya adalah perhitungan klasik "buat vs beli" yang menjadi mendesak karena tekanan rantai pasokan. Intel dan AMD dilaporkan telah menaikkan harga CPU server sebesar 10% hingga 35% dalam beberapa bulan terakhir, dengan Intel memperingatkan pelanggan Tiongkok tentang keterlambatan pengiriman enam bulan . Untuk perusahaan yang merencanakan peluncuran besar-besaran layanan berbasis agen AI, ini adalah kendala yang tidak dapat diterima. CPU kustom ByteDance ditujukan untuk pusat data mereka sendiri guna mendukung operasi internal dan platform seperti Coze, lingkungan pengembangan agen AI mereka . Pendekatan ISA ganda, Arm dan RISC-V, bertindak sebagai lindung nilai (hedge), memungkinkan ByteDance untuk mengevaluasi arsitektur mana yang paling sesuai dengan kebutuhan jangka panjang mereka dalam hal kinerja, biaya, dan ketahanan geopolitik .

Kesepakatan ASIC Qualcomm: Dari Desain ke Silikon

Pada 26 Mei 2026, Bloomberg melaporkan bahwa Qualcomm telah mencapai kesepakatan untuk memasok jutaan application-specific integrated circuits (ASIC) kustom kepada ByteDance untuk pusat data AI-nya . Ini bukan sekadar pembelian chip biasa. Berbagai laporan mengklarifikasi bahwa kesepakatan ini adalah perjanjian pengadaan dan manufaktur gabungan di mana Qualcomm akan membantu mengubah desain chip internal ByteDance menjadi silikon yang dapat diproduksi massal, menggunakan pabrik pengecoran seperti TSMC .

Kasus penggunaan utama untuk ASIC ini adalah untuk mendukung perangkat lunak agen AI ByteDance, terutama agen AI 'Doubao' mereka . Kemitraan ini merupakan kemenangan signifikan bagi Qualcomm saat mereka berekspansi dari prosesor ponsel pintar ke pasar pusat data AI, dan memberi ByteDance jalur produksi silikon kustom yang dioptimalkan beban kerja dan beroperasi dalam batas kepatuhan ekspor AS, sebuah strategi yang oleh beberapa laporan disebut sebagai "desain kepatuhan yang sangat presisi" .

Kemitraan Broadcom dan TSMC: Taruhan GPU AI Jangka Panjang

Mendasari langkah-langkah terbaru ini adalah kemitraan fundamental yang lebih lama. ByteDance telah bekerja sama dengan Broadcom dan TSMC untuk bersama-sama mengembangkan GPU AI kustom, yang sering dirujuk dengan nama kode "SeedChip". Laporan dari tahun 2024 menunjukkan ByteDance bekerja dengan TSMC untuk memproduksi dua chip AI pada proses 5nm—satu untuk pelatihan (training) dan satu lagi untuk inferensi (inference)—dengan produksi massal diharapkan pada tahun 2026 . Meskipun ada laporan yang saling bertentangan pada saat itu, dengan ByteDance menyangkal rencana untuk menggantikan Nvidia dalam jangka pendek , banjir aktivitas CPU dan LPU berikutnya menunjukkan strategi silikon kustom hanya semakin dalam dan meluas.

ByteDance sekarang adalah pelanggan yang dikonfirmasi untuk platform silikon AI kustom Broadcom, yang menggunakan teknik pengemasan 3.5D canggih, menempatkan pemilik TikTok dalam jajaran pelanggan chip kustom bersama Google dan Meta .

Gambaran Lebih Besar: Taruhan 160 Miliar Yuan pada Inferensi

Semua strategi chip ini bukanlah latihan akademis; mereka adalah fondasi infrastruktur untuk peta jalan produk AI yang sangat ambisius. Anggaran AI ByteDance untuk tahun 2026 dilaporkan sekitar 160 miliar yuan, naik dari 150 miliar yuan pada tahun 2025, dengan 85 miliar yuan secara khusus dialokasikan untuk prosesor AI .

Pengeluaran ini didorong oleh ekonomi inferensi. Saat produk berbasis agen AI seperti Coze dan Doubao berkembang ke skala ratusan juta pengguna, biaya-per-token untuk menghasilkan respons menjadi metrik bisnis utama. Membeli jutaan GPU Nvidia yang mahal dan dibatasi pasokannya adalah risiko finansial dan strategis. Mengembangkan chip gaya LPU kustom untuk inferensi berbiaya rendah, CPU kustom untuk menghindari lonjakan harga x86, dan ASIC kustom untuk beban kerja agen adalah serangan langsung terhadap risiko itu.

Strategi ByteDance paling baik dipahami bukan sebagai upaya untuk "menggantikan Nvidia", tetapi sebagai sebuah pemutusan hubungan secara metodis. Gunakan perangkat keras Nvidia di tempat yang tersedia dan tak tertandingi, seperti untuk pelatihan model mutakhir, sambil membangun seluruh tumpukan (stack) paralel silikon kustom untuk beban kerja inferensi bervolume tinggi yang akan semakin diandalkan oleh bisnis. Ini adalah cetak biru multi-jalur untuk kedaulatan komputasi AI di era fragmentasi teknologi.