Oracle memperluas kemampuan komputasi kecerdasan buatan melalui kerja sama dengan Google dan Cerebras Systems. Dalam pengumuman pada 27 Oktober 2026 di ajang Oracle AI World, perusahaan memperkenalkan rencana menghadirkan Google Tensor Processing Unit atau TPU serta sistem inferensi AI berkecepatan tinggi dari Cerebras ke Oracle Cloud Infrastructure. Langkah ini bertujuan memberikan lebih banyak pilihan perangkat keras bagi perusahaan yang mengembangkan model AI maupun menjalankan aplikasi berbasis kecerdasan buatan. Perkembangan TEKNOLOGI tersebut juga memperlihatkan perubahan industri komputasi awan yang semakin mengutamakan efisiensi, fleksibilitas, dan kemampuan menyesuaikan infrastruktur dengan karakteristik pekerjaan AI.
Pengembangan Komputasi AI Oracle dengan Dukungan Google dan Cerebras
Kemajuan infrastruktur pemrosesan cerdas memacu kebutuhan terhadap sistem komputasi berkapasitas besar. Oracle merespons perubahan tersebut dengan menambah pilihan arsitektur komputasi pada Oracle Cloud Infrastructure atau OCI. Berkat kolaborasi bersama Google dan Cerebras, perusahaan berencana penyediaan infrastruktur yang semakin beragam berdasarkan jenis pekerjaan AI. Strategi pengembangan ini memperlihatkan bahwa kebutuhan komputasi untuk pelatihan model tidak selalu sama dengan kebutuhan menjalankan model yang telah selesai dilatih. Karena itu, penyedia cloud perlu menyediakan beberapa pilihan akselerator dengan karakteristik berbeda. Kebijakan infrastruktur tersebut diharapkan dapat mempermudah pelanggan memilih sistem berdasarkan performa, biaya operasional, dan kebutuhan pengembangan aplikasi.
Rencana ekspansi ini diperkenalkan dalam acara Oracle AI World di Las Vegas pada 27 Oktober 2026. Tidak hanya mengembangkan kerja sama dengan Google dan Cerebras, Oracle juga mengembangkan dukungan terhadap teknologi NVIDIA, AMD, dan Intel. Melalui langkah tersebut, pelanggan OCI akan mendapatkan pilihan komputasi yang lebih fleksibel dalam satu ekosistem cloud. Model infrastruktur tersebut bertujuan untuk membatasi ketergantungan pada satu jenis akselerator. Meskipun menawarkan berbagai peluang, ketersediaan perangkat keras tidak selalu berlangsung secara bersamaan. Masing-masing platform memiliki jadwal peluncuran, persyaratan perangkat lunak, dan konfigurasi yang sebaiknya diperiksa sebelum digunakan untuk pekerjaan produksi.
Google TPU Menjadi Pilihan Baru Komputasi AI pada Oracle Cloud
Langkah penting dalam kerja sama tersebut adalah rencana menghadirkan Google Tensor Processing Unit pada Oracle Cloud Infrastructure. TPU merupakan prosesor yang dirancang khusus untuk menjalankan operasi komputasi yang banyak digunakan dalam pembelajaran mesin. Berbeda dengan prosesor serbaguna, TPU dirancang untuk memaksimalkan efisiensi pemrosesan model AI melalui kombinasi perangkat keras dan perangkat lunak. Google terus menyempurnakan teknologi ini selama lebih dari satu dekade. Dengan integrasi yang direncanakan, OCI akan menjadi penyedia cloud hyperscale pertama di luar Google yang menawarkan TPU. Pilihan baru tersebut berpotensi mempermudah organisasi menjalankan berbagai pekerjaan AI tanpa harus memindahkan seluruh infrastruktur ke platform cloud berbeda.
Sebagai bagian dari generasi terbarunya, Google menghadirkan arsitektur TPU generasi kedelapan yang terdiri atas TPU 8t dan TPU 8i. Kedua arsitektur tersebut memiliki fokus penggunaan yang berbeda. TPU 8t dirancang untuk mendukung proses pelatihan model AI berukuran besar, sedangkan TPU 8i dioptimalkan untuk kebutuhan inferensi. Dengan perbedaan karakteristik ini, pengguna dapat memilih akselerator berdasarkan jenis pekerjaan yang dikembangkan. Dalam penerapan tertentu, laboratorium AI yang melatih model besar membutuhkan karakteristik komputasi berbeda dari perusahaan yang melayani permintaan chatbot secara terus-menerus. Oracle dan Google merencanakan ketersediaan TPU di OCI mulai tahun kalender 2027. Karena itu, layanan tersebut masih merupakan pengembangan yang dijadwalkan, bukan fasilitas yang sudah tersedia secara umum pada saat pengumuman.
Kerja Sama Cerebras Memperkuat Pemrosesan Model AI di OCI
Selain menjalin kemitraan dengan Google, Oracle juga memperkenalkan kerja sama dengan Cerebras Systems. Kemitraan teknologi ini diarahkan pada penyediaan kemampuan inferensi AI berkecepatan tinggi melalui infrastruktur OCI. Proses inferensi adalah tahap ketika model yang telah dilatih menyusun respons berdasarkan permintaan pengguna. Dalam penggunaan sehari-hari, proses ini berlangsung ketika chatbot menanggapi pertanyaan, sistem pencarian menghasilkan jawaban, atau asisten digital melaksanakan tugas tertentu. Kemampuan menghasilkan keluaran merupakan faktor penting karena secara langsung menentukan pengalaman pengguna. Berkat sistem inferensi khusus tersebut, Oracle berupaya menyediakan pilihan untuk menjalankan aplikasi AI yang membutuhkan respons cepat.
Salah satu karakteristik teknologi Cerebras adalah penggunaan arsitektur wafer-scale yang berbeda dibandingkan banyak akselerator AI konvensional. Melalui teknologi tersebut, Cerebras berupaya peningkatan kemampuan pemrosesan model AI dengan membatasi hambatan perpindahan data antarkomponen. Karakteristik ini merupakan salah satu alasan teknologi Cerebras menarik untuk pekerjaan inferensi. Ketika menjalankan sistem produksi, manfaat kecepatan tetap dipengaruhi oleh model, konfigurasi, serta karakteristik permintaan. Oracle merencanakan penggunaan sistem inferensi wafer-scale Cerebras pada 2027. Walaupun demikian, rincian layanan, harga, dan ketersediaan berdasarkan wilayah masih harus diverifikasi setelah layanan resmi diluncurkan.
Peran Beragam Akselerator dalam Infrastruktur Komputasi Modern
Rencana perluasan infrastruktur perusahaan tidak hanya berfokus pada chip Google dan Cerebras. Oracle juga melanjutkan kerja sama dengan berbagai produsen semikonduktor untuk menyediakan sistem komputasi dengan kebutuhan berbeda. Untuk kebutuhan pemrosesan skala besar, perusahaan menawarkan teknologi NVIDIA untuk berbagai pekerjaan AI intensif. Selain itu, Oracle mengembangkan dukungan terhadap prosesor AMD EPYC generasi terbaru serta teknologi Intel. Kolaborasi bersama SambaNova juga termasuk bagian dari strategi memperluas pilihan inferensi. Melalui kombinasi beberapa produsen chip, Oracle berupaya infrastruktur yang dapat menyesuaikan kebutuhan aplikasi secara lebih tepat. Pendekatan tersebut relevan karena tidak semua pekerjaan AI memerlukan tingkat performa dan karakteristik perangkat keras yang sama.
Penentuan perangkat pemrosesan yang tepat dapat menentukan efisiensi biaya serta pengalaman pengguna aplikasi AI. Pada pekerjaan training, organisasi biasanya mengutamakan throughput komputasi, kapasitas memori, dan kemampuan komunikasi antarchip. Sementara itu, aplikasi inferensi sering mengutamakan respons cepat, biaya pemrosesan per permintaan, dan kestabilan layanan. Akibat variasi beban komputasi, penggunaan satu arsitektur untuk seluruh aktivitas belum tentu memberikan efisiensi terbaik. Melalui pendekatan multiarsitektur, pelanggan OCI memiliki kesempatan untuk mengalokasikan pekerjaan pada perangkat yang paling sesuai. Namun, keputusan tersebut tetap membutuhkan evaluasi kompatibilitas perangkat lunak dan perhitungan biaya secara menyeluruh.
Peluang Infrastruktur AI yang Lebih Fleksibel dan Efisien
Khususnya bagi pelanggan enterprise, perluasan pilihan komputasi AI memiliki peluang untuk menawarkan fleksibilitas dalam mengembangkan aplikasi berbasis kecerdasan buatan. Perusahaan yang mengelola sistem data pada Oracle Cloud Infrastructure dapat mengevaluasi penggunaan akselerator yang sesuai tanpa harus memindahkan seluruh lingkungan kerja ke penyedia cloud berbeda. Strategi penempatan komputasi tersebut dapat mendukung pengelolaan data serta mengurangi kompleksitas operasional. Dalam skenario tertentu, perusahaan yang membangun layanan pelanggan berbasis AI dapat menggunakan sistem inferensi berdasarkan jumlah permintaan dan kebutuhan latensi. Untuk pekerjaan berbeda, organisasi yang melatih model khusus dapat memilih akselerator dengan kemampuan pemrosesan skala besar. Walaupun terlihat menjanjikan, efisiensi nyata tetap ditentukan oleh harga layanan, kebutuhan pemindahan data, serta optimasi aplikasi.
Selain manfaat bagi perusahaan, langkah Oracle juga memberikan peluang bagi pengembang perangkat lunak dan laboratorium penelitian AI. Dengan tersedianya beberapa arsitektur pemrosesan, pengembang dapat menguji kemampuan perangkat keras untuk model dan aplikasi yang berbeda. Sebagai contoh, model bahasa besar dapat mengandalkan konfigurasi yang berbeda dari sistem pengenalan gambar atau aplikasi pencarian berbasis AI. Dengan evaluasi langsung, tim pengembangan dapat menyusun strategi penerapan yang lebih efisien. Aspek tambahan yang harus dievaluasi adalah konsumsi energi dan kemampuan pendinginan pusat data. Oracle menyediakan infrastruktur daya, jaringan, serta pendinginan untuk mendukung akselerator AI berkapasitas tinggi. Berkat integrasi sistem yang sesuai, pelanggan dapat menyesuaikan penggunaan sumber daya komputasi.
Penutup dan Prospek Komputasi AI Oracle
Strategi komputasi terbaru Oracle bersama Google dan Cerebras merupakan perubahan strategis dalam industri komputasi awan. Melalui rencana menghadirkan Google TPU dan sistem inferensi Cerebras, OCI menawarkan pilihan arsitektur pemrosesan yang lebih fleksibel. Dukungan teknologi tersebut diharapkan dapat mendukung perusahaan menyesuaikan kebutuhan pelatihan dan inferensi model AI. Meskipun menawarkan potensi besar, ketersediaan layanan Google TPU dan Cerebras masih dijadwalkan untuk 2027 sehingga pelanggan perlu meninjau perkembangan implementasinya. Dalam perkembangan berikutnya, persaingan penyedia cloud kemungkinan akan semakin menitikberatkan efisiensi biaya, fleksibilitas, dan performa komputasi. Menurut Anda, apakah penggunaan berbagai jenis chip AI akan meningkatkan efisiensi komputasi dalam industri TEKNOLOGI? Tuliskan pandangan Anda mengenai manfaat infrastruktur kecerdasan buatan ini.
