Kecerdasan Buatan
Apakah Gemini milik Google kini memimpin persaingan AI?
Securities.io mempertahankan standar editorial yang ketat dan dapat menerima kompensasi dari tautan yang ditinjau. Kami bukan penasihat investasi terdaftar dan ini bukan nasihat investasi. Silakan lihat pengungkapan afiliasi.
Pengembangan teknologi AI memang pantas digambarkan sebagai sebuah perlombaan, di mana perusahaan rintisan swasta seperti OpenAI dan Anthropic bersaing ketat dengan raksasa teknologi seperti Microsoft. (MSFT -2.51%) dan Google (GOOGL -2.34%)Perlombaan ini didorong oleh investasi ratusan miliar dolar, tidak hanya dalam pengembangan perangkat lunak, tetapi juga dalam pengeluaran modal besar-besaran untuk membangun pusat data AI yang semakin besar dan boros daya untuk melatih model-model terbaru.
Sementara itu, model-model buatan China juga berkembang pesat, menambah rasa urgensi dan persaingan geopolitik pada upaya perusahaan-perusahaan Barat.
Belakangan ini, tampaknya Gemini milik Google semakin unggul dibandingkan para pesaingnya, terutama dengan dirilisnya Gemini 3 Deep Think, sebuah model yang berfokus pada pemahaman realistis tidak hanya tentang bahasa tetapi juga dunia fisik. Selain itu, Google juga dipilih oleh Apple. (AAPL -1.62%) untuk mendukung AI pada perangkat perusahaan dan terus berkembang dalam bisnis pembuatan chip AI.
Gemini 3 Renungan Mendalam: Apa yang Berubah?
Pemikiran Mendalam dan Pelepasan
Dengan rilis pada tanggal 12 FebruarithDengan peluncuran Gemini 3 Deep Think pada tahun 2026, Google mengambil langkah maju yang pasti dalam beralih dari AI yang sebagian besar berfokus pada pencarian dan bahasa (LLM) menuju AI yang lebih umum yang mampu memahami dunia fisik.
Ini merupakan perkembangan penting, karena “AI Fisik” adalah arah yang dituju oleh industri, sebuah tren yang telah kami bahas lebih detail di “AI Fisik: Berinvestasi dalam Ledakan Robot Humanoid 2026. "
Saat ini, Deep Think yang baru tersedia di aplikasi Gemini untuk pelanggan Google AI Ultra dan, untuk pertama kalinya, tersedia melalui API Gemini untuk peneliti, insinyur, dan perusahaan terpilih, sehingga AI ini sudah tersedia secara komersial, bukan hanya model uji coba.
Matematika & Sains Pertama
Yang membedakan Deep Think dari iterasi Gemini sebelumnya, dan sampai batas tertentu juga dari AI lainnya, adalah fokus pada pemahaman matematika.
Model LLM terkenal memiliki kinerja buruk dalam tugas matematika sederhana, terkadang bahkan gagal dalam penjumlahan sederhana atau penghitungan berurutan. Hal ini tidak berlaku untuk Deep Think, yang telah memungkinkan agen khusus untuk melakukan eksplorasi matematika tingkat penelitian. Model ini jauh mengungguli model lain dalam tes matematika dan sains. Model ini juga berkinerja sangat baik untuk tugas-tugas pengkodean.
Sumber: Google
Perbedaan dengan Gemini Pro Preview bahkan lebih terlihat pada tes tentang topik ilmiah, dari Olimpiade Matematika Internasional atau Olimpiade Kimia Internasional, di mana ia mencetak sekitar 82%, dibandingkan dengan hanya 14% untuk tes matematika dari model Google LLM sebelumnya.
Sumber: Google
Hasil ini dimungkinkan berkat arsitektur yang sangat berbeda dari "AI klasik," yang mengalami halusinasi ketika data terlalu sedikit, yang secara definisi akan selalu terjadi pada penemuan ilmiah terbaru.
Sebagai contoh, untuk matematika murni, agen riset matematika (dengan kode internal Aletheia), yang didukung oleh Gemini Deep Think, memiliki fitur verifikasi bahasa alami untuk mengidentifikasi kekurangan dalam solusi kandidat. Ini memungkinkan proses iteratif dalam menghasilkan dan merevisi solusi. Yang terpenting, agen ini dapat mengakui kegagalan dalam menyelesaikan suatu masalah, fitur kunci yang meningkatkan efisiensi bagi para peneliti.
Sumber: Google
Pendekatan ini tidak hanya lebih ampuh dalam memberikan hasil yang tepat, tetapi juga lebih efisien, karena Aletheia menunjukkan bahwa kualitas penalaran yang lebih tinggi dapat dicapai dengan waktu komputasi inferensi yang lebih rendah.
Pendekatan ini dapat diperluas dari matematika ke ilmu fisika lainnya. Misalnya, Gemini Deep Think menemukan cara menggunakan "solusi baru menggunakan polinomial Gegenbauer" untuk menghitung radiasi gravitasi dari tali kosmik.
Aplikasi Sains Nyata
Kinerja ini sudah mulai diterapkan dalam aplikasi ilmiah nyata oleh para peneliti.
Sebagai contoh, matematikawan Lisa Carbone di Universitas Rutgers menggunakan Deep Think untuk menemukan kesalahan logika yang terlewatkan oleh peninjau manusia dalam makalah matematika yang sangat teknis tentang teori gravitasi Einstein dan mekanika kuantum.
Deep Think juga digunakan oleh Wang Lab di Duke University untuk merancang resep untuk menumbuhkan film tipis semikonduktor yang lebih besar dari 100 mikrometer, target yang sebelumnya sulit dicapai.
Distribusi, Perangkat Keras & Momentum Strategis
Pencapaian Deep Think ini menambah kabar baik lainnya bagi tim AI Google.
Yang terpenting adalah keputusan Apple, satu-satunya raksasa teknologi yang sebagian besar tidak ikut serta dalam perlombaan AI, untuk mengadopsi Gemini sebagai AI bawaan pada perangkat Apple. Dalam konteks itu, Masuk akal jika OpenAI mendeklarasikan "Kode Merah" pada Desember 2025 terkait kemajuan Google dan perusahaan AI lainnya..
“Basis pengguna Gemini terus meningkat sejak peluncuran generator gambar, Nano Banana, pada bulan Agustus, dan Google mengatakan pengguna aktif bulanan tumbuh dari 450 juta pada bulan Juli menjadi 650 juta pada bulan Oktober.
OpenAI juga menghadapi tekanan dari Anthropic, yang semakin populer di kalangan pelanggan bisnis.”
Salah satu kemenangan Google baru-baru ini lainnya adalah keberhasilan chip AI-nya. Pertama, Anthropic-lah yang mengumumkan akan mulai menggunakan chip AI Google, yang disebut TPU. (Tensor Processing Units), termasuk menggunakan hingga 1 juta prosesor untuk mendukung perangkat lunak AI-nya. Sekarang, Perusahaan AI pesaing, Meta, juga ikut menggunakan TPU milik Google., sehingga menimbulkan pertanyaan apakah Google menjadi pesaing Nvidia. (NVDA -2.17%) sama seperti OpenAI.
(Anda dapat membaca lebih lanjut tentang TPU dan perangkat keras berbasis AI lainnya seperti XPU, FPGA, dll., di “Berinvestasi dalam Perangkat Keras AI: Dari CPU hingga XPU")
Strategi AI Alphabet: Integrasi Vertikal dalam Skala Besar
Geser untuk menggulir →
| Perusahaan | Fokus Model | Strategi Perangkat Keras | Kontrol Distribusi | Integrasi vertikal |
|---|---|---|---|---|
| Alfabet | Gemini 3 Pemikiran Mendalam (Matematika/Sains) | TPU internal | Android + Pencarian + Potensi Perutean Apple | Tumpukan lengkap (Chip → Cloud → Konsumen) |
| Microsoft/OpenAI | Model GPT (LLM Umum) | GPU Nvidia melalui Azure | Windows + SaaS Perusahaan | Sebagian |
| meta | Llama (Kelas Terbuka) | GPU + Silikon Kustom | Platform Sosial | Moderat |
| Antropik | Claude (Fokus Perusahaan) | Google TPU | Penawaran API + Perusahaan | Rendah |
Fokus pada TPU merupakan indikasi yang baik dari strategi Google. LLM yang solid seperti Gemini dan kinerja superior dalam aplikasi dunia nyata seperti Deep Think, tentu saja, sangat penting.
Namun, dalam hal pengendalian distribusi AI dan struktur biaya + akses modal, Google memegang posisi yang kuat.
Kehadiran Google di pasar seluler melalui Android sudah kuat, tetapi dengan kesepakatan dengan Apple, hampir dipastikan bahwa sebagian besar permintaan AI yang tidak secara khusus diarahkan ke aplikasi AI tertentu akan menuju ke Gemini, secara langsung atau tidak langsung.
Komponen lainnya adalah meningkatnya ketergantungan pada TPU. Beberapa laporan mengatakan bahwa TPU ~30% lebih murah daripada GPU Nvidia dan memberikan kinerja 2–4 kali lebih baik per dolar dalam beban kerja yang sebanding. Konsumsi energi yang lebih rendah untuk komputasi yang sama bukan hanya masalah finansial; ini juga membantu meningkatkan skala pusat data AI meskipun terdapat kendala pasokan energi yang semakin meningkat.
Terakhir, tingkat integrasi vertikal—mulai dari TPU, hingga pusat data yang dimiliki langsung, platform cloud perusahaan, dan kemudian saluran distribusi konsumen—tidak tertandingi di industri ini, dengan hanya Microsoft yang mendekati di ruang lingkup perusahaan.
Terakhir, pembangunan infrastruktur AI sangatlah mahal. Ratusan miliar dolar yang diinvestasikan dalam chip dan pusat data ini sekarang perlu dibayar dan menciptakan biaya amortisasi yang sangat besar pada neraca setiap tahunnya. Skala arus kas Alphabet dari pencarian, YouTube, Android, dan produk lainnya membuatnya lebih mampu menangani biaya awal dan pemeliharaan infrastruktur ini di masa mendatang.
Apakah Gemini Benar-Benar Mengungguli?
Menyebutkan "pemenang" tertentu dalam perlombaan AI tentu saja terlalu dini. Misalnya, seluruh paradigma saat ini dapat terbalik jika... Pusat data orbital milik xAI/Space yang kini telah bergabung terbukti menjadi keunggulan kompetitif yang kuat.
Namun tampaknya ada beberapa tren yang muncul dan menguntungkan Google.
Yang pertama adalah kebutuhan akan perangkat keras AI khusus, sebuah bidang di mana banyak raksasa teknologi tertinggal, memberikan keuntungan kepada produsen chip dan Google.
Aspek lainnya adalah pentingnya kontrol distribusi bagi masyarakat umum, yang mungkin tidak terlalu menyadari AI mana yang dapat atau harus mereka gunakan. Dalam hal ini, akses langsung ke seluruh ekosistem Apple mencerminkan strategi sebelumnya untuk menjadikan Google sebagai mesin pencari default di iPhone (yang bahkan memicu putusan antimonopoli AS pada akhir tahun 2025 karena dianggap "terlalu menguntungkan".).
Bersama dengan kehebatan Deep Think dalam matematika dan sains, Google mengalami awal yang bagus di tahun 2026 dalam hal AI. Namun, apakah posisi terdepan ini akan bertahan lama menghadapi tekanan dari OpenAI, Microsoft, Meta, Anthropic, dan berbagai model Tiongkok—termasuk dari raksasa teknologi Tiongkok seperti Alibaba—masih perlu diteliti lebih lanjut. (BABA -2.18%) atau ByteDance—masih belum bisa dipastikan.
