Anthropic dilaporkan sedang menjajaki kemungkinan membuat chip AI sendiri untuk menopang keluarga model Claude. Langkah ini muncul saat kebutuhan komputasi melonjak dan pasokan chip berperforma tinggi makin ketat di industri kecerdasan buatan.
Jika rencana itu berlanjut, dampaknya bisa terasa langsung ke ekosistem Google dan Nvidia. Keduanya saat ini menjadi bagian penting dari rantai pasok komputasi Anthropic, bersama Amazon dan Broadcom.
Anthropic mencari kendali lebih besar atas infrastruktur AI
Menurut laporan Reuters yang dikutip dalam artikel referensi, Anthropic sedang mengeksplorasi pengembangan chip internal untuk mengurangi ketergantungan pada pemasok luar. Tujuannya bukan hanya soal biaya, tetapi juga soal ketersediaan komputasi saat permintaan AI terus naik.
Saat ini, Anthropic mengandalkan beberapa platform sekaligus untuk melatih dan menjalankan Claude. Infrastruktur itu mencakup AWS Trainium dan AWS Inferentia dari Amazon, tensor processing units atau TPU dari Google, serta GPU Nvidia.
Model bisnis seperti ini umum di industri AI, tetapi juga rentan terhadap perebutan kapasitas. Ketika semakin banyak perusahaan membangun model besar, akses ke chip menjadi hambatan utama pertumbuhan.
Reuters menyebut rencana chip Anthropic masih berada pada tahap awal. Belum ada desain final maupun tim khusus yang diumumkan untuk proyek tersebut.
Artinya, perusahaan belum mengambil keputusan penuh untuk masuk ke jalur pengembangan semikonduktor. Namun, sinyal strategisnya sudah jelas, yaitu mencari kontrol lebih besar atas performa, biaya, dan pasokan komputasi.
Mengapa kebutuhan chip menjadi isu besar
Model AI generatif membutuhkan daya komputasi sangat besar saat pelatihan maupun inferensi. Semakin luas penggunaan chatbot, agen AI, dan alat otomatisasi, semakin besar pula kebutuhan chip yang efisien dan selalu tersedia.
Di sinilah masalah utama muncul. Pasokan chip AI kelas atas masih terbatas, sementara permintaan dari perusahaan teknologi, startup, dan penyedia cloud terus meningkat.
Bagi perusahaan seperti Anthropic, ketergantungan penuh pada vendor luar bisa menjadi risiko bisnis. Jika kapasitas tersendat atau harga infrastruktur naik, ekspansi produk seperti Claude ikut terdampak.
Pengembangan chip internal memberi peluang optimasi yang lebih spesifik. Chip bisa dirancang sesuai kebutuhan model, beban kerja, dan target efisiensi perusahaan.
Apa artinya bagi Google
Di satu sisi, hubungan Anthropic dengan Google justru sedang diperkuat. Artikel referensi menyebut Anthropic baru menjalin kemitraan jangka panjang dengan Google dan Broadcom untuk mengerjakan TPU.
Kerja sama itu disebut terkait dorongan investasi infrastruktur komputasi di Amerika Serikat yang nilainya dilaporkan mencapai $50 billion. Ini menunjukkan Google masih memegang peran penting dalam peta komputasi Anthropic.
Namun di sisi lain, rencana chip internal bisa mengurangi ketergantungan jangka panjang Anthropic pada ekosistem TPU Google. Jika berhasil, sebagian beban kerja yang kini berjalan di infrastruktur mitra dapat dipindahkan ke desain internal yang lebih khusus.
Bagi Google, risiko terbesarnya bukan kehilangan Anthropic dalam waktu dekat. Risikonya adalah perubahan arah pasar, ketika pelanggan AI besar mulai membangun lapisan chip sendiri dan memakai cloud publik secara lebih selektif.
Apa artinya bagi Nvidia
Posisi Nvidia di pasar GPU AI masih sangat dominan. Meski begitu, langkah Anthropic menjadi sinyal bahwa pemain besar tidak ingin bergantung sepenuhnya pada satu pemasok perangkat keras.
Fenomena ini bukan hal baru. Amazon, Google, dan Microsoft lebih dulu mengembangkan chip mereka sendiri untuk beban kerja AI dan cloud.
Jika Anthropic ikut menempuh jalur serupa, Nvidia tetap mungkin menjadi pemasok penting dalam jangka menengah. Tetapi dalam jangka panjang, porsi pembelian GPU bisa tertekan bila perusahaan berhasil memindahkan sebagian kebutuhan ke silikon internal.
Dari sudut industri, ini memperlihatkan satu tren besar. Nilai kompetitif AI tidak lagi hanya berada pada model dan data, tetapi juga pada kepemilikan infrastruktur komputasi.
Tantangan yang tidak ringan
Membuat chip AI bukan proyek cepat atau murah. Artikel referensi menyebut biayanya bisa melampaui $500 million, belum termasuk tantangan perekrutan insinyur spesialis yang sangat langka.
Persaingan talenta juga ketat. Banyak ahli desain chip sudah bekerja di perusahaan seperti Apple, Nvidia, dan Google, sehingga perekrutan menjadi tantangan tersendiri.
Selain itu, ada proses manufaktur, pengujian, dan peningkatan skala produksi yang kompleks. Bahkan perusahaan besar membutuhkan waktu bertahun-tahun untuk membawa chip baru dari desain ke penggunaan luas.
Berikut tantangan utama yang akan dihadapi Anthropic:
- Biaya riset dan desain yang sangat tinggi.
- Perekrutan insinyur semikonduktor berpengalaman.
- Ketergantungan pada mitra manufaktur chip.
- Risiko performa tidak langsung melampaui solusi yang sudah ada.
- Waktu pengembangan yang panjang sebelum siap dipakai massal.
Di luar itu, belum ada rincian teknis tentang seperti apa chip Anthropic nantinya. Belum diketahui juga apakah chip itu akan difokuskan untuk pelatihan model, inferensi, atau keduanya sekaligus.
Yang terlihat saat ini adalah arah strateginya. Di tengah kelangkaan chip dan kompetisi AI yang makin rapat, Anthropic tampak ingin memiliki ruang gerak lebih luas agar Claude tidak sepenuhnya bergantung pada kapasitas yang disediakan Google, Nvidia, Amazon, atau mitra lainnya.
