Bayangkan dua laptop dengan spesifikasi kertas yang mirip. Yang satu bisa menjalankan live caption, background blur di video call, dan asisten AI ringan tanpa bikin baterai cepat habis atau kipas berisik. Yang satu lagi langsung ngos-ngosan begitu fitur AI yang sama dinyalakan. Bedanya bukan di prosesor utamanya. Bedanya ada di sebuah chip kecil bernama NPU yang jarang disebut di brosur penjualan, padahal makin sering muncul di slide peluncuran laptop terbaru.
Apa Itu NPU?
NPU (Neural Processing Unit) adalah chip khusus yang dirancang hanya untuk menjalankan komputasi AI, terutama operasi matematika di balik jaringan saraf tiruan (neural network). Berbeda dari prosesor serba bisa yang harus menangani banyak jenis tugas sekaligus, “pekerjaan harian” NPU cuma satu: AI. Menurut penjelasan Qualcomm, NPU dibangun khusus untuk AI sementara CPU dan GPU adalah prosesor serba guna yang punya tugas lain seperti menjalankan sistem operasi atau merender game.
Secara arsitektur, NPU dioptimalkan untuk operasi matriks dan konvolusi, semacam hitung-hitungan matematika berulang dalam jumlah sangat banyak (bayangkan mengalikan jutaan angka sekaligus, bukan satu per satu) yang jadi dasar cara kerja model AI modern. Karena hanya fokus pada satu jenis pekerjaan, NPU bisa membuang semua fitur yang tidak relevan dengan inferensi AI (proses menjalankan model AI yang sudah “dilatih” untuk menghasilkan jawaban atau output), sehingga jauh lebih hemat daya dibanding memaksa CPU atau GPU mengerjakan tugas yang sama.
Kenapa NPU Bukan Cuma Soal Angka TOPS?
Salah satu peran penting NPU adalah kemampuannya untuk memindahkan beban kerja AI dari cloud ke perangkat itu sendiri dan menjalankannya secara mandiri, seperti pada laptop dan PC desktop. Ini berarti berarti fitur AI bisa tetap dijalankan tanpa koneksi internet. Untuk beberapa skenario, kinerjanya jadi lebih cepat karena tidak perlu bolak-balik data ke server. Perangkat juga lebih hemat baterai dibanding menjalankan model AI yang sama di CPU atau GPU.
Untuk memberikan gambaran kecepatannya, dipakai satuan TOPS (Tera Operations Per Second), yaitu berapa triliun operasi hitung AI yang sanggup dikerjakan chip itu dalam satu detik. Makin tinggi angkanya, secara kasar makin banyak tugas AI yang bisa diproses cepat tanpa bikin perangkat lag. Namun ini hanya salah satu indikator dari kemampuan pemrosesan AI sebuah perangkat, bukan satu-satunya ukuran yang menentukan pengalaman AI di perangkat.
Microsoft, misalnya, tidak sekadar menetapkan angka acak saat menentukan syarat minimum NPU 40 TOPS untuk kategori Copilot+ PC. Menurut laporan yang merujuk sumber Microsoft, ambang batas itu ditetapkan agar perangkat sanggup menjalankan beberapa tugas AI ringan sekaligus secara bersamaan, seperti live caption, background blur berbasis semantic segmentation (teknik AI memisahkan wajah dari latar belakang secara presisi), dan ringkasan teks real-time, dengan latensi rendah dan konsumsi daya yang terkendali. Jadi angka TOPS itu proxy dari kemampuan menjalankan banyak fitur AI sekaligus tanpa membuat baterai laptop cepat habis.
Di luar TOPS, juga ada beberapa indikator lain yang tergantung dari tugas yang dibutuhkan AI. Misalnya untuk pemrosesan gambar, besaran VRAM (memori khusus di GPU untuk menyimpan data yang sedang diproses) juga berpengaruh penting pada kemampuan memuat instruksi yang dibutuhkan. Selain itu, beberapa tugas juga bisa menurunkan angka TOPS secara signifikan. Jadi angka TOPS ini belum bisa dijadikan patokan absolut untuk menilai kemampuan sebuah laptop dalam menjalankan tugas AI.
Apa Perbedaan NPU dari CPU dan GPU?
NPU berbeda dari CPU dan GPU dalam hal spesialisasi, efisiensi daya, dan jenis komputasi yang dijalankan. CPU dirancang fleksibel untuk berbagai instruksi berurutan, GPU dirancang untuk komputasi paralel yang tadinya ditujukan buat grafis, sementara NPU dirancang murni untuk mempercepat operasi tensor (struktur data angka berdimensi banyak yang jadi “bahasa” perhitungan AI) dan matriks yang jadi inti dari jaringan saraf tiruan.
Perbedaan ini paling terasa di sisi efisiensi daya. Berikut perbandingan singkatnya:
| Aspek | CPU | GPU | NPU |
|---|---|---|---|
| Tugas utama | Instruksi umum, logika aplikasi, sistem operasi | Rendering grafis, komputasi paralel berat | Inferensi AI, operasi matriks dan konvolusi |
| Efisiensi daya untuk AI | Rendah, boros baterai untuk tugas AI berkelanjutan | Sedang, kuat tapi rakus daya saat AI berjalan lama | Tinggi, dirancang untuk AI yang menyala terus tanpa menguras baterai |
| Cocok untuk | Multitasking umum, aplikasi harian | Game, editing video, beban kerja paralel besar | Background blur video call, live caption, asisten offline, generative AI ringan |
Ketiganya sebenarnya bekerja sama, bukan saling menggantikan. Menurut Qualcomm, arsitektur ini disebut heterogeneous computing (komputasi campuran, beberapa jenis chip berbeda bekerja bareng), seperti pada platform laptop Snapdragon X Elite, di mana Hexagon NPU, GPU Adreno, dan CPU dirancang saling melengkapi. NPU menangani beban AI berat, sehingga GPU tetap fokus merender tampilan dan CPU tetap fokus menjalankan logika aplikasi utama.
Bagaimana Peran GPU NVIDIA RTX dan CUDA untuk Tugas AI?
Di laptop dan desktop yang punya GPU diskrit, NVIDIA GeForce RTX menawarkan jalur lain untuk memproses AI yang jauh lebih bertenaga dibanding NPU, lewat unit khusus bernama Tensor Core yang tertanam di dalam GPU tersebut.
NVIDIA mengklaim GeForce RTX 5070 Laptop GPU sanggup mencapai hingga 798 AI TOPS, sementara RTX 5090 Laptop GPU sebagai laptop RTX tercepat saat ini bisa mencapai hingga 1.824 AI TOPS, jauh melampaui NPU pada kebanyakan SoC (System on Chip, chip tunggal yang menggabungkan CPU, GPU, dan NPU dalam satu keping) laptop tipis maupun ultrabook, menurut NVIDIA.
Di balik tenaga itu ada CUDA (Compute Unified Device Architecture), platform komputasi paralel milik NVIDIA yang memungkinkan software AI memecah pekerjaan berat jadi ribuan proses kecil dan menjalankannya bersamaan lewat ribuan CUDA core di dalam GPU. NVIDIA menyebut CUDA sebagai fondasi software yang dipakai membangun mayoritas AI dunia saat ini, sehingga hampir semua tool AI populer seperti PyTorch dan Stable Diffusion secara default berjalan paling optimal di GPU NVIDIA.
Dalam praktiknya, kombinasi Tensor Core dan CUDA ini terasa lewat fitur seperti DLSS (upscaling gambar game berbasis AI) dan RTX Video Super Resolution (upscaling video AI di browser), sampai kemampuan menjalankan model bahasa atau generative AI secara lokal di laptop gaming atau PC desktop tanpa bergantung cloud. Bedanya dengan NPU, GPU RTX ini jauh lebih rakus daya, jadi masuk akal dipakai untuk beban kerja AI berat saat perangkat tercolok listrik, bukan untuk fitur AI ringan yang perlu menyala terus-menerus di baterai seperti tugas NPU pada laptop tipis.
Kenapa Brand Ramai-Ramai Promosikan TOPS?
Brand mempromosikan TOPS karena angka ini gampang dibandingkan dan menjadi cara singkat menunjukkan lompatan generasi chip, meski TOPS bukan patokan tunggal performa AI di dunia nyata. Beberapa contoh angka yang diklaim vendor menggambarkan seberapa cepat tren ini bergerak.
- Qualcomm mengklaim Hexagon NPU pada Snapdragon X Elite generasi pertama memberikan 45 TOPS, lalu pada Snapdragon X2 Elite yang diumumkan September 2025 di ajang Snapdragon Summit naik menjadi 80 TOPS untuk platform laptop, menurut data resmi Qualcomm.
- Apple mengklaim Neural Engine pada chip M4 untuk lini MacBook berjalan di 38 TOPS, menurut spesifikasi resmi Apple.
- Microsoft menetapkan ambang 40 TOPS sebagai syarat minimum kategori Copilot+ PC, dipenuhi oleh chip seperti Snapdragon X Elite/Plus, Intel Core Ultra 200V, dan AMD Ryzen AI 300.
- NVIDIA mengklaim GeForce RTX 5090 Laptop GPU mencapai hingga 1.824 AI TOPS lewat Tensor Core generasi kelima, jauh di atas ambang NPU manapun, meski GPU ini menyasar laptop gaming yang tercolok listrik, bukan skenario hemat baterai seperti NPU.
Masalahnya, metode pengukuran TOPS antar vendor tidak selalu identik, jadi angka 50 TOPS dari satu chip belum tentu setara persis dengan 50 TOPS dari chip lain. TOPS lebih cocok dibaca sebagai indikator arah lompatan generasi, bukan angka mutlak yang bisa dibandingkan apel ke apel antar brand.
Apa yang Perlu Diperhatikan Pembeli Soal NPU?
Pembeli perlu memperhatikan bukan cuma angka TOPS di atas kertas, tapi juga fitur AI spesifik apa yang benar-benar didukung software di perangkat tersebut, karena NPU secepat apa pun tidak berguna kalau aplikasinya belum dioptimalkan untuk memakainya. Beberapa hal yang layak dicek sebelum membeli laptop atau PC yang mengklaim punya “AI onboard”:
- Fitur AI apa saja yang benar-benar berjalan offline di perangkat, bukan cuma fitur yang butuh koneksi cloud meski dipasarkan sebagai “AI on-device”.
- Dukungan software jangka panjang, karena NPU baru biasanya butuh update sistem operasi dan aplikasi supaya benar-benar termanfaatkan.
- Konteks penggunaan pribadi, misalnya kebutuhan live caption untuk meeting harian, atau editing foto/video generatif yang sering dipakai untuk kerja.
- Untuk laptop yang juga dipakai gaming atau kerja kreatif berat, cek juga apakah GPU-nya NVIDIA RTX dengan Tensor Core, karena tugas AI berat seperti generative AI lokal lebih mengandalkan GPU ini dibanding NPU.
Untuk laptop, tren ini juga makin terlihat di segmen gaming. Sebagaimana disinggung dalam pembahasan ROG Nebula Display, sejumlah laptop gaming terbaru kini turut dibekali kemampuan local AI inference, bukan cuma laptop kerja atau ultrabook, sehingga NPU perlahan jadi komponen standar di berbagai kategori perangkat, berdampingan dengan GPU RTX untuk beban kerja AI yang lebih berat.
Kesimpulan
NPU adalah chip khusus AI yang bekerja berdampingan dengan CPU dan GPU, membuat fitur seperti live caption, background blur video call, dan asisten offline bisa berjalan di laptop tanpa bergantung penuh pada cloud. Angka TOPS yang dipromosikan brand seperti Qualcomm, Apple, Intel, dan AMD berguna sebagai indikator arah lompatan generasi chip, tapi bukan ukuran mutlak yang bisa dibandingkan langsung antar merek karena metode pengukurannya berbeda-beda. Untuk tugas AI yang jauh lebih berat, GPU NVIDIA RTX dengan Tensor Core dan CUDA menawarkan tenaga lebih besar daripada NPU manapun meski jauh lebih boros daya, dan pada akhirnya yang lebih menentukan buat pembeli adalah fitur AI konkret apa yang benar-benar berjalan offline di perangkat, bukan sekadar angka di spesifikasi.
FAQ
Apa itu NPU pada laptop dan PC?
NPU (Neural Processing Unit) adalah chip khusus yang dirancang untuk menjalankan komputasi AI, terutama operasi matriks yang jadi dasar kerja jaringan saraf tiruan. Berbeda dari CPU dan GPU yang serba guna, NPU fokus pada satu jenis tugas saja sehingga jauh lebih hemat daya untuk menjalankan fitur AI secara terus-menerus di laptop atau PC.
Kenapa NPU penting untuk AI on-device?
NPU penting karena memungkinkan pemrosesan AI dilakukan langsung di perangkat tanpa mengirim data ke server cloud. Ini membuat fitur AI seperti live caption atau asisten suara tetap berjalan meski tanpa internet, responsnya lebih cepat, dan lebih hemat baterai dibanding menjalankan model AI yang sama lewat CPU atau GPU biasa.
Apa beda NPU dengan GPU untuk AI?
GPU dirancang untuk komputasi paralel yang awalnya ditujukan untuk grafis dan bisa dipakai menjalankan AI, tapi boros daya kalau dipakai terus-menerus. NPU dirancang khusus untuk operasi tensor dan konvolusi neural network, sehingga jauh lebih efisien secara daya untuk tugas AI yang berjalan berkelanjutan, seperti background blur video call secara real-time.
Apa manfaat GPU NVIDIA RTX dan CUDA untuk tugas AI dibanding NPU?
GPU NVIDIA RTX punya Tensor Core yang menurut NVIDIA sanggup mencapai ratusan AI TOPS, jauh di atas NPU pada kebanyakan SoC, dan didukung CUDA sebagai platform komputasi paralel yang jadi fondasi mayoritas software AI dunia. Kombinasi ini cocok untuk tugas AI berat seperti generative AI lokal atau upscaling video, tapi jauh lebih boros daya dibanding NPU sehingga lebih pas dipakai saat perangkat tercolok listrik.
Kenapa TOPS Qualcomm dan Apple tidak bisa dibandingkan langsung?
Karena metode pengukuran TOPS antar vendor tidak selalu memakai standar identik. Qualcomm mengklaim Hexagon NPU pada Snapdragon X2 Elite mencapai 80 TOPS, sementara Apple menyebut Neural Engine M4 di 38 TOPS. Angka ini lebih tepat dibaca sebagai indikator lompatan generasi masing-masing chip, bukan perbandingan performa AI yang setara satu sama lain.
Apa itu syarat 40 TOPS pada Copilot+ PC?
Syarat 40 TOPS adalah ambang batas minimum NPU yang ditetapkan Microsoft agar sebuah laptop bisa disebut Copilot+ PC. Menurut Microsoft, angka ini ditetapkan supaya perangkat sanggup menjalankan beberapa fitur AI ringan sekaligus, seperti live caption dan background blur video call, tanpa menguras baterai secara berlebihan.
Fitur AI apa saja yang berjalan lewat NPU tanpa internet?
Beberapa contohnya adalah live caption, background blur pada video call, dan asisten AI ringan yang berjalan lokal di laptop. Menurut Microsoft, fitur-fitur seperti ini jadi alasan utama di balik syarat minimum 40 TOPS pada Copilot+ PC, supaya semuanya bisa berjalan bersamaan tanpa menguras baterai berlebihan.
Apakah semua laptop AI sekarang sudah punya NPU?
Belum semua, meski tren ke arah sana makin jelas. Chip flagship terbaru dari Qualcomm, Apple, Intel, dan AMD sudah menyertakan NPU khusus, tapi laptop kelas menengah ke bawah kadang masih memasarkan fitur “AI” yang sebagian besar diproses lewat cloud, bukan lewat NPU on-device.
Apa yang perlu diperhatikan sebelum membeli laptop karena fitur NPU-nya?
Cek fitur AI spesifik yang benar-benar berjalan offline di perangkat tersebut, bukan cuma klaim “AI onboard” di brosur. Perhatikan juga dukungan update software jangka panjang, karena NPU baru butuh optimasi aplikasi supaya benar-benar termanfaatkan, dan sesuaikan dengan kebutuhan pribadi seperti live caption untuk meeting atau editing foto/video generatif harian.