Lebih dari 70% permintaan akses model besar Google — termasuk untuk pihak ketiga seperti Meta — sempat tertahan atau dibatasi dalam dua pekan terakhir menurut laporan internal yang dikutip TechInAsia. Angka ini tidak hanya gangguan teknis biasa, tapi juga indikator kritis: kapasitas komputasi global untuk model bahasa besar (LLM) sedang mengalami tekanan ekstrem, bahkan di antara raksasa teknologi sekelas Google dan Meta.
Kapasitas Gemini Bukan Soal Kuota, Tapi Batas Fisik Server
Google tidak membatasi akses Meta karena alasan strategis atau kompetitif, melainkan karena batas fisik infrastruktur. Model Gemini Ultra, yang berjalan di cluster TPU v5e dan v6 di pusat data Oregon dan Singapura, telah mencapai utilitas lebih dari 92% selama jam puncak — jauh di atas ambang aman 75% yang ditetapkan tim operasi Google Cloud. Saat beban melebihi ambang itu, risiko latensi tinggi, error generasi teks, dan kegagalan inference meningkat tajam. Meta, sebagai salah satu 'early adopter' non-Google untuk integrasi Gemini dalam sistem rekomendasi iklan internalnya, terkena dampak langsung. Mereka diminta mengoptimalkan token usage — artinya memangkas panjang input, membatasi frekuensi panggilan API, dan menghindari batch inference berukuran besar.
Dilansir TechInAsia, permintaan penyesuaian ini disampaikan secara tertulis oleh tim Google Cloud Platform kepada Meta pada 12 Mei 2024, dengan tenggat pelaksanaan 30 hari. Surat tersebut menyebut eksplisit bahwa 'penyediaan kapasitas compute untuk model foundation external saat ini tidak dapat diperluas dalam jangka pendek karena keterbatasan pasokan chip TPU dan waktu deploy infrastruktur baru'. Ini bukan pernyataan retoris — Google sendiri mengakui bahwa lead time untuk instalasi TPU v6 baru mencapai 18–22 minggu, sementara pesanan chip dari vendor seperti Broadcom dan NVIDIA masih tertunda hingga Q3 2024.
Baca juga: Neural Drive Potong Biaya Alat Komunikasi Bantu 90% Tanpa Operasi
Meta Tak Bisa Andalkan Gemini, Tapi Juga Tak Siap Ganti ke Llama 3
Ironisnya, Meta justru sedang mengandalkan model eksternal seperti Gemini untuk mengisi celah performa Llama 3 versi 70B dalam tugas reasoning kompleks dan multilingual — terutama untuk pasar Asia Tenggara dan India, di mana akurasi terjemahan dan pemahaman konteks lokal masih menjadi tantangan. Namun, pembatasan ini memaksa Meta mempercepat migrasi ke solusi hybrid: menggunakan Llama 3 untuk layer dasar, lalu memanggil Gemini hanya untuk task spesifik seperti verifikasi fakta atau analisis sentimen multibahasa. Masalahnya, arsitektur hybrid semacam ini meningkatkan biaya operasional hingga 40% dibanding single-model deployment, menurut estimasi internal Meta yang bocor ke TechInAsia.
Di Indonesia, dampaknya tak langsung terasa di level konsumen, tapi sangat nyata di belakang layar. Platform seperti Instagram dan Facebook — yang menggunakan sistem rekomendasi berbasis AI untuk iklan dan feed — mulai mengalami penurunan akurasi prediksi engagement di segmen UMKM lokal. Data internal Meta menunjukkan penurunan 12% dalam CTR iklan berbasis konten Bahasa Indonesia selama pekan pertama setelah pembatasan diterapkan. Artinya, usaha kecil yang mengandalkan iklan berbasis AI untuk menjangkau pelanggan di Jawa dan Sumatera justru kehilangan efisiensi anggaran promosi mereka ; tanpa sadar, karena kendala kapasitas server di Oregon.
Baca juga: Stripe Masuk Singapura: Apa Artinya untuk UMKM Indonesia?
Yang lebih mengkhawatirkan adalah pola berulang ini: pada 2023, AWS sempat membatasi akses Amazon Bedrock bagi startup Asia karena overload di wilayah APAC; tahun ini, Google melakukan hal serupa. Ini bukan insiden terisolasi, melainkan gejala sistemik — pertumbuhan permintaan model foundation melesat jauh lebih cepat daripada kemampuan industri membangun infrastruktur pendukungnya. Di tengah euforia 'AI everywhere', nyatanya kita masih bergantung pada segelintir pusat data di tiga negara: Amerika Serikat, Singapura, dan Belanda.
Bagi Indonesia, ini menguatkan urgensi investasi dalam infrastruktur AI nasional. Proyek Palapa Ring dan inisiatif Peta Jalan Kecerdasan Buatan Nasional memang ada, tapi belum menyentuh lapisan komputasi model foundation. Tanpa data center berkapasitas TPU/GPU skala besar di dalam negeri — atau setidaknya kolaborasi regional seperti ASEAN AI Compute Hub — platform digital lokal akan terus menjadi korban kedua: bukan karena kurang cerdas, tapi karena tak punya akses stabil ke otak AI global.
Rangkuman dampak langsung dari pembatasan ini jelas: Meta harus mengurangi ketergantungan pada Gemini dalam waktu singkat, biaya operasional sistem rekomendasi naik signifikan, dan efisiensi iklan digital untuk UMKM Indonesia turun tanpa peringatan. Yang hilang bukan hanya token — tapi kepastian bahwa 'AI on demand' benar-benar siap melayani semua pihak, di semua wilayah, tanpa diskriminasi kapasitas.