Jakarta – Industri kecerdasan buatan (AI) tengah menghadapi tantangan besar terkait kapasitas komputasi, bahkan di kalangan raksasa teknologi. Google dilaporkan terpaksa membatasi penggunaan model AI Gemini-nya oleh Meta, perusahaan induk Facebook, setelah Meta melampaui batas kapasitas komputasi yang tersedia. Insiden ini, yang diungkap oleh sumber yang mengetahui masalah tersebut kepada The Financial Times, menyoroti krisis infrastruktur yang mendera pengembangan AI secara global.
Pembatasan ini terjadi setelah Meta, perusahaan di balik platform media sosial terbesar di dunia, membutuhkan daya komputasi yang masif untuk menjalankan berbagai aplikasi AI. Google telah memberikan peringatan kepada Meta mengenai keterbatasan kapasitas ini sejak Maret lalu. Akibatnya, Meta harus meminta karyawannya untuk menggunakan "token" – unit dasar komputasi dalam model AI – secara lebih efisien.
Meta diketahui tidak mengoperasikan bisnis cloud miliknya sendiri, sehingga sangat bergantung pada penyedia eksternal untuk kebutuhan komputasinya. Meskipun demikian, perusahaan yang dipimpin Mark Zuckerberg ini tengah gencar membangun pusat data miliknya sendiri. Meta bahkan telah berkomitmen untuk menginvestasikan dana sebesar 600 miliar dolar AS dalam dua tahun ke depan untuk infrastruktur cloud computing demi mendukung ambisi AI-nya.
Penggunaan Gemini AI oleh Meta sangat beragam dan krusial bagi operasionalnya. Model bahasa besar (LLM) canggih ini dimanfaatkan untuk layanan pelanggan, chatbot pengiklan, dan berbagai proses coding. Selain itu, Gemini juga berperan penting dalam tugas-tugas sensitif seperti penghapusan konten berbahaya dan deteksi penipuan di platform-platform Meta.
Menurut sumber yang sama, Meta awalnya memilih Gemini karena model AI tersebut menunjukkan kinerja yang lebih unggul dibandingkan model open-source Llama miliknya sendiri untuk tugas-tugas spesifik tersebut. Selain Gemini, Meta juga diketahui memanfaatkan model AI lain seperti Claude dari Anthropic untuk tujuan serupa, menunjukkan strategi multi-model dalam memenuhi kebutuhan AI-nya.
Fenomena keterbatasan kapasitas komputasi ini bukan hanya dialami oleh Meta. Meskipun miliaran dolar telah diinvestasikan dalam pembangunan pusat data, perusahaan-perusahaan besar masih kesulitan mendapatkan kapasitas yang cukup untuk memenuhi kebutuhan penggunaan AI mereka yang terus melonjak. Permintaan akan daya komputasi yang ekstrem menjadi kendala utama dalam ekspansi dan inovasi AI.
Bahkan Google sendiri, sebagai pengembang Gemini, juga menghadapi tantangan serupa. Perusahaan teknologi raksasa ini baru-baru ini menyepakati pembayaran sebesar 920 juta dolar AS per bulan kepada SpaceX untuk menggunakan pusat data xAI. Kesepakatan ini dilakukan untuk mendapatkan daya komputasi tambahan yang diperlukan guna mendukung Gemini Enterprise, versi AI Gemini yang lebih canggih dan intensif komputasi.
Situasi ini menciptakan paradoks di mana para pengguna AI yang haus daya komputasi memang diuntungkan oleh perkembangan pesat ini, namun para penyedia AI seperti OpenAI belum sepenuhnya bisa meraup keuntungan. Analis industri menyebutkan bahwa pendapatan yang diperoleh dari layanan AI sejauh ini masih merupakan persentase kecil dari biaya operasional yang sangat besar. Tingginya biaya operasional ini sebagian besar didorong oleh kebutuhan akan chip pemrosesan grafis (GPU) dan infrastruktur pusat data yang sangat mahal.
Lebih lanjut, harga "token" AI – unit biaya yang dikenakan untuk penggunaan model AI – telah melonjak secara signifikan. Kenaikan harga ini memaksa beberapa perusahaan untuk mengurangi penggunaan AI mereka, termasuk, tampaknya, perusahaan AI itu sendiri. Krisis kapasitas dan lonjakan biaya ini menggarisbawahi bahwa meskipun ambisi AI meluas, realitas infrastruktur fisik masih menjadi hambatan fundamental yang harus diatasi oleh seluruh ekosistem teknologi global.
Keterbatasan daya komputasi ini diperkirakan akan terus menjadi isu sentral dalam beberapa tahun mendatang, seiring dengan semakin kompleksnya model AI dan meningkatnya adopsi teknologi ini di berbagai sektor. Investasi besar-besaran untuk pembangunan pusat data dan pengembangan chip AI yang lebih efisien akan menjadi kunci untuk mengatasi tantangan ini, sekaligus memastikan keberlanjutan inovasi di era kecerdasan buatan.
