Potensi kerja sama dengan Meta, salah satu investor terbesar untuk pusat data dan pengembangan AI, dapat menjadi kemenangan signifikan bagi Google. Namun, keberhasilan jangka panjang bergantung pada kemampuan TPU menunjukkan efisiensi daya dan performa komputasi yang memadai.
Chip tensor yang dikembangkan lebih dari satu dekade lalu khusus untuk tugas AI kini makin banyak digunakan untuk melatih dan menjalankan model AI kompleks. Ketertarikan terhadap TPU meningkat seiring kekhawatiran perusahaan global terkait ketergantungan berlebihan pada chip NVIDIA, di tengah pasar di mana AMD masih tertinggal cukup jauh.
GPU NVIDIA awalnya dirancang untuk merender grafis video game, tetapi kemudian terbukti efektif untuk melatih model AI karena kemampuannya menangani data dan komputasi dalam jumlah besar. TPU, sebaliknya, adalah chip application-specific integrated circuit (ASIC) yang dibuat untuk fungsi tertentu dan telah diadaptasi sebagai akselerator AI dalam aplikasi internal Google.
Meski saham NVIDIA turun, pengembangan model AI kompetitor seperti Gemini oleh Google dan unit DeepMind memberi perusahaan keuntungan besar. Hal ini dikarenakan inovasi tersebut dapat membawa pembelajaran dari tim AI ke tim perancang chip, sekaligus memungkinkan penyesuaian chip sesuai kebutuhan komputasi mereka.