Google dilaporkan membatasi penggunaan model kecerdasan buatan (AI) Gemini untuk Meta, setelah perusahaan media sosial itu meminta kapasitas komputasi yang lebih besar daripada yang mampu disediakan Google.
Laporan Financial Times menyebut Google telah memberi tahu Meta sekitar Maret 2026 lalu bahwa perusahaan tidak dapat memenuhi seluruh permintaan kapasitas Gemini yang ingin dibeli. Akibatnya, sejumlah proyek AI internal Meta dilaporkan mengalami gangguan dan penundaan.
Google maupun Meta belum memberikan tanggapan resmi terkait isu tersebut.
Pembatasan kapasitas model AI Gemini disebut tidak hanya dirasakan Meta. Sejumlah pelanggan Google lainnya juga terdampak, meski dalam skala yang lebih kecil. Meta disebut menjadi pihak yang paling merasakan dampaknya karena memiliki kebutuhan komputasi AI yang jauh lebih besar dibanding pelanggan lain.
Kondisi itu membuat Meta meminta para karyawannya menggunakan token AI secara lebih efisien. Token merupakan satuan yang digunakan untuk mengukur penggunaan model AI, sehingga penghematan token dapat membantu menekan kebutuhan komputasi.
Peristiwa ini menunjukkan bahwa keterbatasan infrastruktur AI masih menjadi tantangan besar, bahkan bagi perusahaan teknologi terbesar di dunia. Meski industri telah menggelontorkan investasi puluhan hingga ratusan miliar dolar AS untuk membangun pusat data (data center) dan membeli chip AI, permintaan terhadap daya komputasi masih melampaui pasokan yang tersedia.
Google sendiri sebelumnya telah mengakui adanya kendala kapasitas komputasi. Pada laporan keuangan kuartal pertama, CEO Google Sundar Pichai mengatakan pendapatan Google Cloud sebenarnya bisa lebih tinggi apabila perusahaan memiliki kapasitas komputasi yang cukup untuk memenuhi seluruh permintaan pelanggan. Pendapatan Google Cloud pada periode tersebut mencapai 20 miliar dolar AS, sementara backlog kontrak cloud hampir dua kali lipat dibanding kuartal sebelumnya.
Laporan Financial Times juga menggambarkan bagaimana persaingan AI kini tidak lagi hanya ditentukan oleh kualitas model bahasa besar atau large language model (LLM), tetapi juga oleh ketersediaan infrastruktur seperti GPU, data center, listrik, dan kapasitas inferensi untuk menjalankan model AI dalam skala besar.
