NUSA TENGGARA TIMUR — Google resmi memperkenalkan Tensor G6 untuk jajaran Pixel 11 yang mengusung unit pemrosesan tensor (TPU) dengan peningkatan daya komputasi hingga 50 persen. Langkah ini kembali memunculkan pertanyaan besar di kalangan pengguna: apa sebenarnya TPU itu dan mengapa istilah ini berbeda dari NPU yang lazim ditemui di HP flagship lain?
Secara sederhana, TPU di Pixel 11 adalah istilah milik Google untuk menyebut NPU. Namun, di balik nama yang membingungkan tersebut, ada perbedaan arsitektur dan skala penggunaan yang signifikan antara TPU untuk pusat data dan versi yang tertanam di chip mobile.
TPU Versus NPU: Dua Nama, Satu Fungsi di Perangkat Mobile
Di dalam Pixel 11, TPU berperan sebagai akselerator AI yang menangani pemrosesan kamera, efek foto, dan tugas AI lokal seperti terjemahan real-time. Google mengklaim chip ini memproses AI hingga 3,5 kali lebih cepat dengan konsumsi daya 3,5 kali lebih hemat dibandingkan generasi sebelumnya.
Fungsi ini identik dengan NPU yang tertanam di chipset Snapdragon atau Dimensity pada HP Android lain, serta chip M-series di Mac dan perangkat Apple. NPU dirancang khusus untuk mengeksekusi jutaan perhitungan matematis untuk model AI dan machine learning (ML) berdaya rendah, sehingga cocok untuk tugas yang berjalan langsung di perangkat tanpa perlu koneksi internet.
TPU Skala Data Center: Arsitektur Berbeda untuk Beban Berat
Berbeda dengan versi mobile, TPU yang dikembangkan Google sejak 2015 untuk pusat data memiliki arsitektur hardware yang jauh lebih kompleks. TPU server memakai susunan sistolik (systolic array), yaitu kisi-kisi dua dimensi dari unit pengali yang memungkinkan data mengalir langsung dari satu unit ke unit berikutnya tanpa harus menulis ulang ke memori.
Desain ini menghilangkan hambatan (bottleneck) yang sering terjadi pada GPU, yang harus bolak-balik membaca dan menulis data antara unit komputasi dan memori ber-bandwidth tinggi. Karena itu, TPU data center lebih efisien untuk melatih model bahasa besar (LLM) dan tugas deep learning skala masif yang melayani miliaran permintaan AI harian dari perusahaan seperti Anthropic dan Midjourney.
GPU: Serba Bisa untuk Gaming dan AI
GPU adalah komponen yang paling familier bagi para gamer dan kreator 3D. Sebelum era AI, GPU diburu untuk menjalankan game berat dengan frame rate tinggi dan rendering mulus. Kini, GPU juga dipakai untuk pelatihan AI, penambangan kripto, dan akselerasi grafis, menjadikannya komponen serba bisa dengan harga yang sangat mahal.
Namun, GPU memiliki kelemahan dalam efisiensi energi untuk skala besar. Siklus baca-tulis memori yang konstan membuat GPU kurang ideal untuk melatih jaringan saraf berskala raksasa dibandingkan TPU yang dirancang khusus untuk itu.
Mana yang Lebih Baik untuk Pengguna HP?
Jawabannya bergantung pada kebutuhan. Untuk pengguna smartphone, NPU atau TPU versi mobile sudah lebih dari cukup untuk menangani tugas AI sehari-hari seperti menghapus objek dari foto, mengaburkan latar belakang saat video call, atau menerjemahkan bahasa secara langsung. Konsumsi dayanya yang rendah membuatnya tidak membebani baterai.
Adapun TPU data center adalah solusi efisien untuk menjalankan layanan AI global. Meski begitu, kemampuan TPU mobile tetap terbatas pada model AI kecil yang terdefinisi baik, bukan untuk menjalankan LLM besar seperti GPT-4 secara penuh di perangkat.
Bagi calon pembeli Pixel 11, kehadiran TPU dengan peningkatan 50 persen berarti pengalaman AI on-device yang lebih responsif dan hemat daya, terutama untuk fitur kamera dan asisten pintar. Namun, bagi pengguna yang tidak terlalu bergantung pada fitur AI, perbedaan ini mungkin tidak terasa signifikan dibandingkan peningkatan di sektor lain seperti layar atau baterai.
