Google Cloud Siapkan Infrastruktur NVIDIA Vera Rubin untuk Layanan Komputasi AI November
Google Cloud memperluas kerja sama dengan NVIDIA untuk menghadirkan infrastruktur komputasi AI generasi terbaru melalui layanan A5X berbasis NVIDIA Vera Rubin. Dalam pengumuman pada 21 Oktober 2026 di ajang NVIDIA GTC Berlin, kedua perusahaan menyampaikan rencana ketersediaan umum layanan tersebut pada November 2026. Infrastruktur ini menggabungkan sistem Vera Rubin NVL72, jaringan berkecepatan tinggi, dan teknologi pendinginan pusat data untuk menangani pelatihan model, inferensi, serta reinforcement learning berskala besar. Pengembangan ini menjadi langkah penting dalam persaingan TEKNOLOGI cloud AI karena perusahaan semakin membutuhkan kemampuan komputasi yang cepat, fleksibel, aman, dan mampu mendukung aplikasi kecerdasan buatan yang kompleks.
Google Cloud dan NVIDIA Perluas Infrastruktur Komputasi AI Generasi Baru
Penyedia layanan komputasi awan Google Cloud memperluas kolaborasi pengembangan infrastruktur bersama NVIDIA melalui pengembangan instance komputasi A5X. Instance yang dipersiapkan dibangun berdasarkan arsitektur Vera Rubin NVL72. Pengumuman dilakukan pada 21 Oktober 2026 dalam acara NVIDIA GTC Berlin. Berkat integrasi komputasi generasi terbaru, Google Cloud memperluas pilihan infrastruktur bagi pengembang. Beban kerja kecerdasan buatan saat ini terus meningkat seiring perkembangan model kompleks. Untuk menjawab tantangan tersebut, platform Vera Rubin menjadi pengembangan penting.
Perusahaan merencanakan peluncuran general availability A5X bulan November 2026. Menjelang layanan tersedia secara umum, platform telah dimanfaatkan dalam pengujian awal. Hal tersebut menunjukkan bahwa, akses publik secara luas masih menunggu jadwal November. Selain itu, layanan juga dipersiapkan untuk wilayah EMEA. Rencana ekspansi ini mendukung kepatuhan penyimpanan informasi berdasarkan wilayah. Namun demikian, peluncuran tidak harus berlangsung serentak di semua lokasi. Oleh sebab itu, perusahaan perlu memeriksa region dan kuota saat pemesanan.
Mengenal NVIDIA Vera Rubin NVL72 dan Kemampuan Komputasi A5X
Fondasi utama layanan A5X adalah NVIDIA Vera Rubin NVL72 yang menggabungkan pemrosesan CPU dan GPU dalam satu sistem rak. Pada satu sistem NVL72, tersedia 72 GPU Rubin dan 36 CPU Vera. Kombinasi tersebut dirancang mendukung perhitungan model kompleks. Komponen pemrosesan pusat Vera mendukung pengelolaan proses serta aliran data. Di sisi akselerasi, GPU Rubin menangani perhitungan paralel dalam pelatihan dan inferensi. Melalui pendekatan terintegrasi, beban kerja dapat didistribusikan lebih terarah.
Selain komponen pemrosesan, NVIDIA Vera Rubin NVL72 memanfaatkan jaringan berkecepatan tinggi NVLink 6. Teknologi penghubung tersebut mendukung komunikasi antarkomponen komputasi. Pada pelatihan model berskala besar, hasil perhitungan harus dikomunikasikan dengan cepat. Ketika bandwidth tidak mencukupi, sumber daya komputasi tidak dimanfaatkan secara optimal. Karena itu, NVIDIA mengembangkan interkoneksi berkapasitas tinggi. Namun demikian, setiap aplikasi memiliki karakteristik kebutuhan berbeda. Dengan demikian, pengembang perlu menyesuaikan strategi komputasi dengan kapasitas sistem.
Virgo Network dan ConnectX-9 Mendukung Skalabilitas GPU
Penerapan ribuan akselerator secara bersamaan bergantung pula pada kualitas jaringan antarsistem. Karena itu, Google Cloud memanfaatkan Virgo Network bersama adaptor NVIDIA ConnectX-9 SuperNIC. Teknologi penghubung pusat data Google mendukung lalu lintas data dalam klaster besar. Sebagai pelengkap perangkat keras, NVIDIA ConnectX-9 SuperNIC membantu menyediakan antarmuka data berkecepatan besar. Kombinasi tersebut mendukung distribusi pekerjaan antarserver. Pada pengembangan sistem pembelajaran mesin, pengiriman parameter model memerlukan bandwidth memadai. Dengan jaringan yang sesuai, pembagian pekerjaan berpotensi berlangsung lebih efektif.
Sebagai bagian dari rencana infrastruktur, dukungan penskalaan sampai 80 ribu GPU dalam satu site. Untuk konfigurasi yang lebih luas, perusahaan menargetkan sebanyak 960.000 GPU Rubin pada infrastruktur multi-site. Sasaran kapasitas tersebut menunjukkan kebutuhan infrastruktur AI yang semakin besar. Namun demikian, 960.000 GPU merupakan target penskalaan, bukan bukti seluruh unit telah beroperasi. Realisasi target komputasi tersebut bergantung pada kesiapan jaringan serta perangkat keras. Untuk mendukung stabilitas, penjadwalan beban kerja harus dilakukan secara efisien. Dalam pengembangan komputasi AI, keberhasilan infrastruktur ditentukan oleh keseluruhan sistem.
Penerapan Komputasi GPU Generasi Baru pada Penelitian Kecerdasan Buatan
Kebutuhan penting yang ingin dilayani adalah pelatihan dan inferensi model AI yang membutuhkan proses berulang. Berbeda dari sistem AI sederhana, agentic AI memerlukan pemrosesan untuk menyelesaikan tugas kompleks. Contohnya, sistem bisa mencari informasi lalu mengevaluasi hasil. Pekerjaan bertahap tersebut memerlukan inferensi berulang. Dalam metode pembelajaran penguatan, sistem diperbarui menggunakan umpan balik dari pengalaman. Alur ini menggabungkan inferensi dan pelatihan secara berulang. Berkat kemampuan komputasi terintegrasi, Google Cloud menyediakan sistem bagi beban kerja pembelajaran kompleks.
Contoh pengguna awal infrastruktur A5X adalah Ineffable Intelligence, perusahaan teknologi berbasis di London. Perusahaan tersebut dipimpin oleh David Silver, yang dikenal melalui pengembangan AlphaGo. Dalam kegiatan penelitiannya, perusahaan memanfaatkan model yang belajar melalui pengalaman berulang. Sasaran penelitian tersebut dikenal sebagai superlearner yang dapat terus memperbaiki kemampuan berdasarkan pengalaman. Dalam proses penelitian yang berulang, bandwidth besar dibutuhkan untuk menghasilkan dan mengevaluasi pengalaman. Walaupun pendekatan tersebut menjanjikan, keberhasilan superlearner masih bergantung pada metode penelitian.
WPP Uji Agen Kreatif dan Google Cloud Perluas Confidential Computing
Selain digunakan dalam penelitian, A5X juga telah digunakan dalam demonstrasi WPP. Perusahaan yang berbasis di London tersebut mendemonstrasikan arsitektur agen kreatif. Demonstrasi tersebut menggunakan keluarga model Nemotron bersama NVIDIA OpenShell. Melalui kombinasi tersebut, permintaan bahasa alami dapat diubah menjadi rangkaian pekerjaan kreatif. Proses tersebut meliputi generasi video, upscaling, serta restyling. Namun demikian, pekerjaan tidak sepenuhnya dilepas tanpa kontrol. Berdasarkan demonstrasi WPP, sejumlah pekerjaan multi-node dapat dipindahkan ke satu sistem A5X. Pencapaian awal ini memberikan gambaran kemampuan perangkat keras, meskipun hasil setiap workflow tetap dapat berbeda.
Di samping peningkatan performa, Google Cloud juga memperluas kemampuan Confidential Computing. Kemampuan komputasi terlindungi tersebut ditujukan untuk menjaga data selama pemrosesan. Dalam rencana perlindungan terbaru, Google Cloud mengembangkan layanan bare metal dengan komputasi rahasia. Pada layanan terkait adalah A4X Max berbasis NVIDIA GB300 NVL72. Konfigurasi bare metal tersebut merupakan layanan tersendiri dari instance A5X. Pada layanan GPU lainnya, Confidential Computing tersedia secara umum pada G4 VM menggunakan NVIDIA RTX PRO 6000 Blackwell Server Edition. Perluasan fitur keamanan tersebut memberikan pilihan ketika memproses informasi bisnis sensitif. Meski keamanan perangkat keras semakin berkembang, perlindungan data memerlukan kebijakan organisasi yang sesuai.
Prospek Teknologi Cloud AI Berskala Besar dari Google dan NVIDIA
Pengembangan layanan A5X berbasis Vera Rubin NVL72 menjadi langkah penting dalam industri infrastruktur AI. Dengan menggabungkan komputasi terakselerasi serta jaringan cepat, platform dirancang menangani pekerjaan AI yang kompleks. Dukungan Virgo Network menjadi fondasi bagi pengembangan klaster besar. Rencana mencapai 960.000 Rubin GPU menggambarkan potensi pertumbuhan infrastruktur, tetapi belum dapat dianggap sebagai jumlah perangkat yang sudah beroperasi. Penerapan awal pada penelitian dan industri memberikan gambaran manfaat teknologi. Di tengah transformasi TEKNOLOGI pusat data, efisiensi jaringan, keamanan, dan kapasitas pemrosesan semakin penting. Bagaimana pandangan Anda, seberapa penting kapasitas GPU besar bagi penelitian kecerdasan buatan? Bagikan pemikiran Anda mengenai inovasi Google Cloud dan NVIDIA.
