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 kemitraan strategis dengan NVIDIA melalui pengumuman layanan A5X. Instance yang dipersiapkan memanfaatkan platform akselerasi NVIDIA Vera Rubin. Informasi kerja sama tersebut disampaikan pada 21 Oktober 2026 dalam rangkaian kegiatan NVIDIA GTC di Berlin. Berkat integrasi komputasi generasi terbaru, Google Cloud berupaya menyediakan sumber daya lebih besar bagi perusahaan. Beban kerja kecerdasan buatan saat ini membutuhkan sistem yang mampu menangani banyak operasi sekaligus. Untuk menjawab tantangan tersebut, instance A5X diarahkan pada kebutuhan AI tingkat lanjut.
Google Cloud menjadwalkan ketersediaan umum A5X pada November 2026. Menjelang layanan tersedia secara umum, platform telah dimanfaatkan dalam pengujian awal. Dengan kata lain, pengumuman Oktober belum berarti seluruh pelanggan dapat langsung memesan layanan. Sebagai bagian dari ekspansi, Google Cloud merencanakan perluasan menuju Eropa. Perluasan lokasi layanan mendukung kepatuhan penyimpanan informasi berdasarkan wilayah. Namun demikian, peluncuran tidak harus berlangsung serentak di semua lokasi. Untuk merencanakan penggunaan layanan, tim infrastruktur harus memastikan akses sesuai kebutuhan operasional.
Mengenal NVIDIA Vera Rubin NVL72 dan Kemampuan Komputasi A5X
Dasar rancangan infrastruktur komputasi tersebut adalah NVIDIA Vera Rubin NVL72 yang menyatukan akselerator grafis serta prosesor khusus AI. Dalam konfigurasi satu rak Vera Rubin, NVIDIA menggabungkan 72 akselerator Rubin dengan 36 prosesor Vera. Konfigurasi perangkat keras ini dirancang mendukung perhitungan model kompleks. Prosesor NVIDIA Vera melengkapi pekerjaan akselerator GPU. Sementara itu, GPU Rubin menangani perhitungan paralel dalam pelatihan dan inferensi. Melalui pendekatan terintegrasi, beban kerja dapat didistribusikan lebih terarah.
Di luar kekuatan CPU dan GPU, NVIDIA Vera Rubin NVL72 dilengkapi interkoneksi NVLink generasi keenam. Sistem komunikasi internal ini memungkinkan pertukaran informasi antar-GPU. Ketika menjalankan sistem pembelajaran mesin, pertukaran data antarprosesor menjadi sangat penting. Jika perpindahan data berlangsung lambat, efisiensi pemrosesan berpotensi menurun. Sebagai bagian dari desain sistem, NVIDIA mengembangkan interkoneksi berkapasitas tinggi. Walaupun sistem menggunakan interkoneksi modern, performa akhir tetap bergantung pada model dan perangkat lunak. Dengan demikian, pengaturan model dan distribusi beban tetap diperlukan.
Virgo Network dan ConnectX-9 Mendukung Skalabilitas GPU
Pengembangan klaster kecerdasan buatan bergantung pula pada kualitas jaringan antarsistem. Untuk memenuhi kebutuhan tersebut, Google Cloud menggabungkan Virgo Network dengan NVIDIA ConnectX-9 SuperNIC. Teknologi penghubung pusat data Google dirancang menghubungkan infrastruktur AI secara efisien. Sementara itu, NVIDIA ConnectX-9 SuperNIC berperan dalam pertukaran informasi antarperangkat. Penggabungan perangkat dan fabric jaringan mendukung distribusi pekerjaan antarserver. Dalam latihan model AI, komunikasi antarnode harus berlangsung konsisten. Dengan jaringan yang sesuai, sistem memiliki dasar untuk penskalaan komputasi.
Dalam target pengembangan A5X, kapasitas hingga 80.000 Rubin GPU pada satu lokasi. Untuk konfigurasi yang lebih luas, skala keseluruhan dapat dikembangkan hingga 960.000 GPU pada berbagai lokasi pusat data. Sasaran kapasitas tersebut menunjukkan kebutuhan infrastruktur AI yang semakin besar. Walaupun jumlahnya sangat besar, angka tersebut belum berarti seluruh kapasitas tersedia pada Oktober 2026. Realisasi target komputasi tersebut memerlukan fasilitas pusat data yang memadai. Sebagai pertimbangan operasional, penjadwalan beban kerja harus dilakukan secara efisien. Dalam pengembangan komputasi AI, kapasitas jaringan dan manajemen klaster sama pentingnya dengan GPU.
Pemanfaatan Vera Rubin untuk Agentic AI dan Reinforcement Learning
Salah satu fokus utama A5X adalah pelatihan dan inferensi model AI yang membutuhkan proses berulang. Dibandingkan penggunaan model untuk satu tugas singkat, agentic AI dirancang merencanakan beberapa tindakan. Contohnya, sistem bisa mencari informasi lalu mengevaluasi hasil. Proses tersebut dapat menghasilkan banyak permintaan komputasi. Pada pengembangan reinforcement learning, agen menjalani proses percobaan dan penilaian. Alur ini menggabungkan inferensi dan pelatihan secara berulang. Dengan demikian, A5X ditujukan untuk menangani proses yang intensif tersebut.
Salah satu pelanggan awal adalah Ineffable Intelligence, perusahaan teknologi berbasis di London. Perusahaan tersebut didirikan oleh David Silver, yang memiliki keterlibatan penting dalam proyek AlphaGo. Ineffable Intelligence menggunakan sistem pembelajaran penguatan skala besar. Sasaran penelitian tersebut mengarah pada pengembangan superlearner yang ditujukan meningkatkan performa melalui proses belajar terus-menerus. Agar pembelajaran berjalan efektif, konektivitas antar-GPU membantu pemrosesan model. Meski infrastruktur mendukung penelitian tingkat lanjut, keberhasilan superlearner masih bergantung pada metode penelitian.
Infrastruktur AI Google Cloud untuk Workflow Kreatif dan Komputasi Rahasia
Di luar kegiatan reinforcement learning, A5X menjadi platform percobaan bagi grup komunikasi WPP. Penyedia layanan kreatif internasional WPP mengembangkan workflow kreatif berbasis kecerdasan buatan. Sistem yang diperlihatkan menggunakan keluarga model Nemotron bersama NVIDIA OpenShell. Berkat integrasi perangkat lunak, instruksi percakapan bisa diproses menjadi beberapa langkah produksi. Rangkaian aktivitas kreatif tersebut meliputi generasi video, upscaling, serta restyling. Dalam proses demonstrasi, tindakan agen menggunakan mekanisme persetujuan. Dalam pengujian awal, sejumlah pekerjaan multi-node dapat dipindahkan ke satu sistem A5X. Demonstrasi tersebut menunjukkan potensi konsolidasi komputasi, meskipun pengujian lebih luas masih diperlukan.
Untuk memenuhi kebutuhan organisasi, Google Cloud mengembangkan layanan komputasi rahasia. Pendekatan tersebut membantu melindungi model serta informasi sensitif. Sebagai bagian dari pengembangan, Google Cloud menyiapkan Confidential Bare Metal. Sebagai contoh infrastruktur yang digunakan adalah A4X Max berbasis NVIDIA GB300 NVL72. Konfigurasi bare metal tersebut merupakan layanan tersendiri dari instance A5X. Untuk pelanggan yang memerlukan mesin virtual, fitur perlindungan telah hadir pada mesin virtual G4 menggunakan NVIDIA RTX PRO 6000 Blackwell Server Edition. Strategi pengamanan infrastruktur ini relevan bagi perusahaan yang menangani data rahasia. Meski keamanan perangkat keras semakin berkembang, pengaturan akses dan tata kelola tetap harus diterapkan.
Kesimpulan tentang Google Cloud A5X dan Infrastruktur NVIDIA Vera Rubin
Rencana ketersediaan umum Google Cloud A5X menunjukkan perkembangan pusat data untuk kecerdasan buatan. Dengan menggabungkan komputasi terakselerasi serta jaringan cepat, Google Cloud menargetkan peningkatan kemampuan pelatihan dan inferensi. Dukungan Virgo Network menjadi fondasi bagi pengembangan klaster besar. Rencana mencapai 960.000 Rubin GPU memperlihatkan skala kebutuhan komputasi AI, tetapi tetap merupakan target, bukan kapasitas yang telah aktif seluruhnya. Demonstrasi agen kreatif bersama WPP menjadi contoh kebutuhan komputasi tingkat lanjut. Di tengah transformasi TEKNOLOGI pusat data, efisiensi jaringan, keamanan, dan kapasitas pemrosesan semakin penting. Menurut Anda, seberapa penting kapasitas GPU besar bagi penelitian kecerdasan buatan? Mari sampaikan pandangan tentang masa depan komputasi AI.
