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.
Kemitraan Google Cloud dengan NVIDIA untuk Menghadirkan Vera Rubin
Penyedia layanan komputasi awan Google Cloud memperluas kemitraan strategis dengan NVIDIA melalui rencana penyediaan infrastruktur A5X. Platform komputasi terbaru ini memanfaatkan platform akselerasi NVIDIA Vera Rubin. Informasi kerja sama tersebut disampaikan pada 21 Oktober 2026 dalam konferensi teknologi GTC 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, infrastruktur GPU terbaru dipersiapkan untuk penggunaan perusahaan.
Dalam pengumuman resminya, Google Cloud menargetkan akses komersial yang lebih luas mulai November 2026. Pada periode pengembangan awal, platform telah dimanfaatkan dalam pengujian awal. Artinya, ketersediaan komersial mengikuti tahapan distribusi Google Cloud. Selain itu, Google Cloud merencanakan perluasan menuju Eropa. Pengembangan regional tersebut mendukung kepatuhan penyimpanan informasi berdasarkan wilayah. Meski rencana distribusi sudah tersedia, peluncuran tidak harus berlangsung serentak di semua lokasi. Dengan mempertimbangkan faktor tersebut, perusahaan perlu memeriksa region dan kuota saat pemesanan.
Mengenal NVIDIA Vera Rubin NVL72 dan Kemampuan Komputasi A5X
Komponen terpenting dalam instance baru adalah NVIDIA Vera Rubin NVL72 yang menyatukan akselerator grafis serta prosesor khusus AI. Dalam konfigurasi satu rak Vera Rubin, tersedia 72 GPU Rubin dan 36 CPU Vera. Kombinasi tersebut membantu mengurangi hambatan pada pemrosesan kecerdasan buatan. Komponen pemrosesan pusat Vera mendukung pengelolaan proses serta aliran data. Sebagai komponen utama komputasi paralel, GPU Rubin menangani perhitungan paralel dalam pelatihan dan inferensi. Berkat rancangan CPU dan GPU bersama, beban kerja dapat didistribusikan lebih terarah.
Untuk mendukung komunikasi antarakselerator, NVIDIA Vera Rubin NVL72 dilengkapi interkoneksi NVLink generasi keenam. Interkoneksi tersebut mendukung komunikasi antarkomponen komputasi. Ketika menjalankan sistem pembelajaran mesin, banyak operasi membutuhkan sinkronisasi antarakselerator. Jika perpindahan data berlangsung lambat, efisiensi pemrosesan berpotensi menurun. Untuk mengurangi kendala tersebut, konektivitas antarakselerator mendapat perhatian khusus. Meskipun perangkat keras menawarkan kemampuan besar, performa akhir tetap bergantung pada model dan perangkat lunak. Dengan demikian, pengaturan model dan distribusi beban tetap diperlukan.
Teknologi Jaringan Google Cloud untuk Menghubungkan Ribuan Rubin GPU
Penerapan ribuan akselerator secara bersamaan memerlukan lebih dari sekadar perangkat komputasi kuat. Dalam rancangan A5X, Google Cloud mengintegrasikan jaringan Virgo dan perangkat ConnectX-9. Sistem jaringan milik Google tersebut dirancang menghubungkan infrastruktur AI secara efisien. Pada lapisan koneksi server, NVIDIA ConnectX-9 SuperNIC berperan dalam pertukaran informasi antarperangkat. Kombinasi tersebut ditujukan untuk mengurangi kemacetan komunikasi. Pada pengembangan sistem pembelajaran mesin, pengiriman parameter model memerlukan bandwidth memadai. Melalui infrastruktur komunikasi berkapasitas tinggi, pembagian pekerjaan berpotensi berlangsung lebih efektif.
Dalam target pengembangan A5X, rencana pengoperasian sebanyak 80.000 GPU Rubin di satu pusat lokasi. Apabila klaster diperluas lintas fasilitas, skala keseluruhan dapat dikembangkan hingga 960.000 GPU pada sejumlah site yang saling terhubung. Sasaran kapasitas tersebut menunjukkan kebutuhan infrastruktur AI yang semakin besar. Perlu ditegaskan, rencana kapasitas tidak boleh dianggap sebagai jumlah GPU yang sudah aktif. Realisasi target komputasi tersebut bergantung pada kesiapan jaringan serta perangkat keras. Selain itu, orkestrasi banyak server memerlukan sistem yang tepat. Oleh sebab itu, kapasitas jaringan dan manajemen klaster sama pentingnya dengan GPU.
Manfaat Google Cloud A5X bagi Pelatihan Model dan Inferensi AI
Salah satu fokus utama A5X adalah pelatihan dan inferensi model AI yang membutuhkan proses berulang. Dibandingkan penggunaan model untuk satu tugas singkat, agentic AI dapat menjalankan rangkaian pekerjaan bertahap. Dalam penggunaan perusahaan, agen AI dapat menganalisis dokumen sebelum menyusun laporan. Proses tersebut memerlukan inferensi berulang. Pada pengembangan reinforcement learning, sistem diperbarui menggunakan umpan balik dari pengalaman. Proses pelatihan semacam itu membutuhkan penghasilan data interaksi serta optimasi. Melalui dukungan infrastruktur yang sesuai, Google Cloud menyediakan sistem bagi beban kerja pembelajaran kompleks.
Perusahaan pertama yang memperoleh akses adalah Ineffable Intelligence, startup penelitian AI dari Inggris. Laboratorium penelitian tersebut dibangun oleh peneliti AI David Silver, yang merupakan salah satu tokoh di balik AlphaGo. Melalui akses awal A5X, tim mengembangkan sistem pembelajaran penguatan skala besar. Sasaran penelitian tersebut berfokus pada sistem superlearner yang dapat terus memperbaiki kemampuan berdasarkan pengalaman. Agar pembelajaran berjalan efektif, hubungan cepat antara CPU Vera dan GPU Rubin sangat penting. Meski infrastruktur mendukung penelitian tingkat lanjut, keberhasilan superlearner masih bergantung pada metode penelitian.
Infrastruktur AI Google Cloud untuk Workflow Kreatif dan Komputasi Rahasia
Untuk menunjukkan penerapan pada industri kreatif, A5X juga telah digunakan dalam demonstrasi WPP. Grup pemasaran dan komunikasi WPP menguji sistem AI untuk proses produksi konten. Pengujian agen AI ini menggunakan keluarga model Nemotron bersama NVIDIA OpenShell. Berkat integrasi perangkat lunak, pengguna dapat memberikan perintah yang diolah menjadi workflow multimedia. Proses tersebut meliputi generasi video, upscaling, serta restyling. Namun demikian, persetujuan manusia tetap diperlukan sebelum pelaksanaan. Dalam pengujian awal, beban kerja yang biasanya membutuhkan beberapa node dapat dijalankan pada satu A5X. Hasil tersebut menunjukkan potensi konsolidasi komputasi, meskipun hasil setiap workflow tetap dapat berbeda.
Di samping peningkatan performa, Google Cloud mengembangkan layanan komputasi rahasia. Teknologi keamanan ini membantu melindungi model serta informasi sensitif. Melalui integrasi keamanan NVIDIA, Google Cloud mengembangkan layanan bare metal dengan komputasi rahasia. Salah satu konfigurasi yang disebutkan adalah A4X Max berbasis NVIDIA GB300 NVL72. Konfigurasi bare metal tersebut tidak boleh disamakan dengan platform A5X. Untuk pelanggan yang memerlukan mesin virtual, Google Cloud menyediakan komputasi rahasia untuk 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, penggunaan layanan masih membutuhkan evaluasi kepatuhan.
Masa Depan Layanan Komputasi AI dengan GPU Rubin pada November 2026
Peluncuran yang dijadwalkan untuk NVIDIA Vera Rubin di Google Cloud memperluas pilihan komputasi bagi perusahaan teknologi. Berkat integrasi sistem Vera Rubin NVL72, platform dirancang menangani pekerjaan AI yang kompleks. Integrasi NVIDIA ConnectX-9 mendukung konektivitas antarperangkat pada infrastruktur luas. Target ekspansi hingga 960 ribu GPU menggambarkan potensi pertumbuhan infrastruktur, tetapi realisasinya masih bergantung pada pengembangan fasilitas. 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.
