Ledakan kecerdasan buatan dalam satu dekade terakhir tidak hanya ditopang oleh algoritma baru, tetapi juga oleh hardware khusus yang dirancang untuk mempercepat komputasi. Dua nama yang sering muncul dalam diskusi teknologi akselerator AI adalah Cerebras Systems dengan Wafer-Scale Engine (WSE) dan Google dengan Tensor Processing Unit (TPU). Keduanya menawarkan pendekatan berbeda untuk memecahkan masalah inti deep learning: bagaimana memproses jutaan hingga miliaran parameter model dengan cepat, efisien, dan hemat energi. Pertanyaannya, siapa yang berpotensi menjadi penguasa baru hardware AI?
Cerebras dikenal berani mendobrak batas desain chip konvensional dengan meluncurkan Wafer-Scale Engine, chip raksasa sebesar satu wafer penuh dengan luas lebih dari 46.000 mm² dan berisi ratusan ribu core khusus AI. Arsitektur ini memungkinkan komunikasi antar-core yang sangat cepat, sehingga meminimalkan bottleneck yang biasanya muncul pada GPU atau CPU. Menurut Feldman (2021), WSE-2 milik Cerebras mampu memberikan performa setara dengan ratusan GPU kelas atas, tetapi dengan latensi komunikasi jauh lebih rendah. Teknologi ini sangat cocok untuk melatih model AI skala besar seperti GPT atau model genomik yang membutuhkan paralelisme ekstrem.
Sementara itu, Google TPU mengambil pendekatan berbeda. TPU didesain khusus untuk mempercepat operasi tensor dalam deep learning, terutama pada framework TensorFlow. Generasi terbaru, TPU v4, mampu memberikan performa hingga 275 teraflops per chip dan terintegrasi langsung dengan infrastruktur Google Cloud. Keunggulan TPU terletak pada skalabilitasnya: ribuan chip TPU dapat dikombinasikan dalam TPU Pod, yang menjadikannya salah satu sistem komputasi AI terbesar di dunia. Jouppi et al. (2021) menunjukkan bahwa TPU v4 memberikan efisiensi energi hampir 2x lipat dibanding GPU terbaru dalam beban kerja machine learning tertentu.
Persaingan Cerebras vs Google TPU bukan sekadar angka performa, tetapi juga soal ekosistem. TPU unggul karena terintegrasi penuh dengan Google Cloud, sehingga mudah diakses perusahaan atau peneliti tanpa harus membeli hardware fisik. Sebaliknya, Cerebras lebih fokus pada sektor riset ilmiah dan institusi yang membutuhkan komputasi AI on-premise dengan kontrol penuh. Menurut Mattson et al. (2020), TPU lebih populer untuk aplikasi industri dan cloud-scale AI, sedangkan Cerebras lebih menonjol di bidang penelitian frontier, seperti genomika, material science, dan large language models (LLM).
Meski begitu, keduanya sama-sama mendorong batas teknologi AI. Cerebras dengan chip raksasa berbasis wafer membawa paradigma baru dalam desain hardware, sementara Google TPU membuktikan kekuatan integrasi antara akselerator khusus dan ekosistem cloud. Schuman et al. (2022) menilai bahwa masa depan hardware AI kemungkinan tidak akan didominasi hanya oleh satu pemain, melainkan oleh kombinasi berbagai pendekatan, di mana Cerebras dan TPU menjadi pionir utama.
Dengan demikian, tidak ada jawaban tunggal siapa penguasa baru hardware AI—Cerebras unggul dalam arsitektur revolusioner untuk riset frontier, sedangkan Google TPU memimpin dalam ekosistem cloud dan adopsi massal. Yang pasti, keduanya mewakili arah baru komputasi AI: semakin besar, semakin efisien, dan semakin dekat dengan kebutuhan model kecerdasan buatan yang kian kompleks.
Referensi
- Feldman, A. (2021). The Wafer-Scale Engine: Accelerating AI Beyond GPUs. Communications of the ACM, 64(12), 34–38. https://doi.org/10.1145/3470496
- Jouppi, N. P., et al. (2021). Ten Lessons From Three Generations Shaped Google’s TPUv4i. Proceedings of the 48th Annual International Symposium on Computer Architecture (ISCA). https://doi.org/10.1145/3466752.3480110
- Mattson, P., Reddi, V. J., Cheng, C., et al. (2020). MLPerf: An Industry Standard Benchmark Suite for Machine Learning Performance. IEEE Micro, 40(2), 8–16. https://doi.org/10.1109/MM.2020.2974843
- Schuman, C. D., Potok, T. E., & Plank, J. S. (2022). Opportunities for Neuromorphic and Specialized Hardware in AI. Nature Computational Science, 2, 10–19. https://doi.org/10.1038/s43588-021-00184-y
- Cerebras Systems. (2023). Cerebras Wafer-Scale Engine 2 Technical Overview. Cerebras Technical Paper. https://cerebras.net