Kecerdasan buatan
Apakah Gemini Google Sekarang Memimpin Perlombaan AI?
Pengembangan teknologi AI memang dapat digambarkan sebagai perlombaan, dengan startup swasta seperti OpenAI dan Anthropic bersaing setara dengan raksasa teknologi seperti Microsoft (MSFT ) dan Google (GOOGL ). Perlombaan ini didorong oleh ratusan miliar dolar investasi, tidak hanya dalam pengembangan perangkat lunak, tetapi juga dalam belanja modal besar-besaran untuk membangun pusat data AI yang semakin besar dan lebih boros energi guna melatih model terbaru.
Sementara itu, model-model China juga berkembang dengan cepat, menambah rasa urgensi dan kompetisi geopolitik terhadap upaya perusahaan Barat.
Baru-baru ini, tampaknya Gemini Google mulai unggul dibandingkan pesaingnya, terutama dengan peluncuran Gemini 3 Deep Think, sebuah model yang berfokus pada pemahaman realistis tidak hanya bahasa tetapi juga dunia fisik. Selain itu, Google juga dipilih oleh Apple (AAPL ) untuk menggerakkan AI pada perangkat perusahaan tersebut dan sedang berkembang dalam bisnis pembuatan chip AI.
Gemini 3 Deep Think: Apa yang Berubah?
Rilis Deep Think
Dengan rilis pada 12 Februarith, 2026, Gemini 3 Deep Think, Google membuat langkah pasti ke depan dalam beralih dari AI yang kebanyakan berfokus pada pencarian dan bahasa (LLM) menuju AI yang lebih generalis yang mampu memahami dunia fisik.
Ini merupakan perkembangan penting, karena “Physical AI” adalah arah yang diambil industri, sebuah tren yang kami jelajahi lebih detail dalam “Physical AI: Investing in the 2026 Humanoid Robot Boom.”
Untuk saat ini, Deep Think baru tersedia di aplikasi Gemini untuk pelanggan Google AI Ultra dan, untuk pertama kalinya, tersedia melalui Gemini API bagi peneliti, insinyur, dan perusahaan terpilih, menjadikan AI ini sudah tersedia secara komersial, bukan hanya model uji.
Matematika & Ilmu Pengetahuan Terlebih Dahulu
Apa yang membedakan Deep Think dari iterasi Gemini sebelumnya, dan sampai batas tertentu dari AI lain juga, adalah fokus pada pemahaman matematika.
LLM secara terkenal berkinerja buruk dalam tugas matematika sederhana, kadang gagal bahkan pada penjumlahan sederhana atau menghitung secara berurutan. Hal ini tidak berlaku untuk Deep Think, yang memungkinkan agen khusus melakukan eksplorasi matematika tingkat riset. Model ini secara signifikan melampaui model lain dalam tes matematika dan sains. Ia juga tampil sangat baik dalam tugas pemrograman.
Sumber: Google
Perbedaan dengan Gemini Pro Preview bahkan lebih jelas pada tes tentang topik ilmiah, dari Olimpiade Matematika Internasional atau Olimpiade Kimia Internasional, di mana ia mencetak sekitar 82%, dibandingkan hanya 14% untuk tes matematika dari model LLM Google 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 untuk penemuan ilmiah terbaru.
Misalnya, untuk matematika murni, agen riset matematika (dengan kode internal Aletheia), yang didukung oleh Gemini Deep Think, memiliki verifikator bahasa alami untuk mengidentifikasi cacat pada solusi kandidat. Ini memungkinkan proses iteratif menghasilkan dan merevisi solusi. Secara penting, agen ini dapat mengakui kegagalan menyelesaikan masalah, fitur kunci yang meningkatkan efisiensi bagi peneliti.
Sumber: Google
Pendekatan ini tidak hanya lebih kuat dalam memberikan hasil yang tepat, tetapi juga lebih efisien, karena Aletheia menunjukkan bahwa kualitas penalaran yang lebih tinggi dapat dicapai dengan komputasi waktu inferensi yang lebih rendah.
Pendekatan ini dapat diperluas dari matematika ke ilmu fisika lainnya. Misalnya, Gemini Deep Think menemukan cara menggunakan “solusi baru dengan polinomial Gegenbauer” untuk menghitung radiasi gravitasi dari tali kosmik.
Aplikasi Ilmu Pengetahuan Nyata
Kinerja ini sudah diterjemahkan menjadi penggunaan ilmiah nyata oleh peneliti.
Misalnya, matematikawan Lisa Carbone dari Universitas Rutgers menggunakan Deep Think untuk menemukan cacat 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 Universitas Duke untuk merancang resep pertumbuhan film tipis semikonduktor lebih besar dari 100 mikrometer, target yang sebelumnya sulit dicapai.
Distribusi, Perangkat Keras & Momentum Strategis
Pencapaian Deep Think datang di atas kabar baik lainnya untuk tim AI Google.
Yang paling penting adalah keputusan Apple, satu-satunya raksasa teknologi yang sebagian besar tidak ikut dalam perlombaan AI, untuk mengadopsi Gemini sebagai AI default pada perangkat Apple. Dalam konteks itu, masuk akal bahwa OpenAI menyatakan pada Desember 2025 sebuah “Code Red” terkait kemajuan Google dan perusahaan AI lainnya juga.
“Basis pengguna Gemini telah meningkat sejak peluncuran generator gambar pada bulan Agustus, Nano Banana, dan Google mengatakan pengguna aktif bulanan meningkat dari 450 juta pada Juli menjadi 650 juta pada Oktober.
OpenAI juga menghadapi tekanan dari Anthropic, yang semakin populer di antara pelanggan bisnis.”
Salah satu kemenangan terbaru Google adalah keberhasilan chip AI-nya. Pertama, adalah Anthropic, yang mengumumkan akan mulai menggunakan chip AI Google, yang disebut TPUs (Tensor Processing Units), termasuk menggunakan hingga 1 juta prosesor untuk menggerakkan perangkat lunak AI mereka. Sekarang, perusahaan AI pesaing Meta juga bergabung menggunakan TPUs Google, menimbulkan pertanyaan apakah Google menjadi pesaing Nvidia (NVDA ) sebanyak terhadap OpenAI.
(Anda dapat membaca lebih lanjut tentang TPUs dan perangkat keras lain yang berfokus pada AI seperti XPUs, FPGAs, dll., dalam “Investing in AI Hardware: From CPUs to XPUs”)
Strategi AI Alphabet: Integrasi Vertikal pada Skala Besar
Geser untuk menggulir →
| Perusahaan | Fokus Model | Strategi Perangkat Keras | Kontrol Distribusi | Integrasi Vertikal |
|---|---|---|---|---|
| Alphabet | Gemini 3 Deep Think (Math/Science) | TPU internal | Android + Search + Potensial Routing Apple | Full stack (Chip → Cloud → Konsumen) |
| Microsoft/OpenAI | GPT Models (General LLM) | GPU Nvidia via Azure | Windows + SaaS Enterprise | Parsial |
| Meta | Llama (Open-weight) | GPU + Silicon Kustom | Platform Sosial | Sedang |
| Anthropic | Claude (Enterprise Focus) | Google TPUs | API + Kesepakatan Enterprise | Rendah |
Fokus pada TPUs merupakan indikasi yang baik dari strategi Google. LLM yang solid seperti Gemini dan kinerja superior dalam aplikasi dunia nyata seperti Deep Think tentu sangat penting.
Namun, kontrol atas distribusi AI serta struktur biaya + akses modal adalah area di mana Google memiliki posisi yang kuat.
Kehadiran Google di pasar seluler melalui Android sudah kuat, tetapi dengan kesepakatan dengan Apple, hampir menjamin bahwa sebagian besar permintaan AI yang tidak secara khusus diarahkan ke aplikasi AI tertentu akan menuju Gemini, secara langsung atau tidak langsung.
Komponen lain adalah ketergantungan yang meningkat pada TPUs. Beberapa laporan menyatakan bahwa TPUs sekitar 30% lebih murah daripada GPU Nvidia dan memberikan 2–4 kali kinerja lebih baik per dolar dalam beban kerja yang sebanding. Konsumsi energi yang lebih rendah untuk komputasi yang sama bukan hanya masalah keuangan; hal ini juga membantu memperluas pusat data AI meskipun terdapat kendala pasokan energi yang meningkat.
Terakhir, tingkat integrasi vertikal—dimulai dengan TPUs, ke pusat data yang dimiliki langsung, platform cloud perusahaan, dan kemudian saluran distribusi konsumen—tidak tertandingi di industri, dengan hanya Microsoft yang mendekati di ruang perusahaan.
Akhirnya, pembangunan infrastruktur AI telah sangat mahal. Ratusan miliar dolar dalam chip dan pusat data ini kini harus dibayar dan menciptakan biaya amortisasi besar pada neraca setiap tahun ke depan. Skala arus kas Alphabet dari pencarian, YouTube, Android, dan produk lainnya membuatnya lebih mampu menangani baik biaya awal maupun pemeliharaan masa depan infrastruktur ini.
Apakah Gemini Sebenarnya Mendahului?
Menyebutkan “pemenang” tertentu dalam perlombaan AI tentu masih prematur. Misalnya, seluruh paradigma saat ini dapat terguncang jika pusat data orbital oleh xAI/Space yang kini bergabung terbukti menjadi keunggulan kompetitif yang kuat.
Tetapi tampaknya beberapa tren muncul yang menguntungkan Google.
Yang pertama adalah kebutuhan akan perangkat keras AI khusus, sebuah domain di mana banyak raksasa teknologi tertinggal, memberikan keunggulan kepada produsen chip dan Google.
Yang lainnya adalah pentingnya kontrol distribusi bagi publik 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 mesin pencari default di iPhone (yang bahkan memicu keputusan antitrust AS pada akhir 2025 karena “terlalu menguntungkan”).
Dengan kehebatan Deep Think dalam matematika dan sains, Google mengalami awal yang sangat baik pada 2026 dalam hal AI. Apakah posisi terdepan ini akan bertahan lama melawan tekanan dari OpenAI, Microsoft, Meta, Anthropic, dan beragam model China—termasuk dari raksasa teknologi China seperti Alibaba (BABA ) atau ByteDance—masih belum dapat dipastikan.
