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
Perkembangan infrastruktur pemrosesan cerdas meningkatkan kebutuhan terhadap sistem komputasi berkapasitas besar. Oracle merespons perubahan tersebut dengan mengembangkan pilihan arsitektur komputasi pada Oracle Cloud Infrastructure atau OCI. Berkat kolaborasi bersama Google dan Cerebras, perusahaan berupaya 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. Oleh sebab itu, penyedia cloud semakin dituntut untuk menyediakan beberapa pilihan akselerator dengan karakteristik berbeda. Kebijakan infrastruktur tersebut diharapkan dapat mempermudah pelanggan memilih sistem berdasarkan performa, biaya operasional, dan kebutuhan pengembangan aplikasi.
Perluasan layanan tersebut disampaikan 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. Artinya, pelanggan OCI direncanakan memiliki pilihan komputasi yang lebih beragam dalam satu ekosistem cloud. Model infrastruktur tersebut dirancang untuk mengurangi ketergantungan pada satu jenis akselerator. Walaupun menghadirkan pilihan baru, ketersediaan perangkat keras tidak otomatis tersedia secara bersamaan. Masing-masing platform memiliki jadwal peluncuran, persyaratan perangkat lunak, dan konfigurasi yang perlu diperhatikan sebelum digunakan untuk pekerjaan produksi.
Keunggulan Chip Google untuk Pelatihan dan Inferensi Model AI
Langkah penting dalam kerja sama tersebut adalah rencana menghadirkan Google Tensor Processing Unit pada Oracle Cloud Infrastructure. TPU merupakan perangkat pemrosesan teroptimasi untuk menangani operasi komputasi yang banyak digunakan dalam pembelajaran mesin. Jika dibandingkan dengan prosesor serbaguna, TPU dikembangkan untuk memaksimalkan efisiensi pemrosesan model AI melalui kombinasi perangkat keras dan perangkat lunak. Google terus menyempurnakan teknologi ini selama lebih dari satu dekade. Berkat kemitraan terbaru, OCI akan menjadi penyedia cloud hyperscale pertama di luar Google yang menawarkan TPU. Kemampuan ini berpotensi mempermudah organisasi menjalankan berbagai pekerjaan AI tanpa harus memindahkan seluruh infrastruktur ke platform cloud berbeda.
Google juga memperkenalkan arsitektur TPU generasi kedelapan yang terdiri atas TPU 8t dan TPU 8i. Dua rancangan pemrosesan tersebut menghadirkan fokus penggunaan yang berbeda. TPU 8t dirancang untuk mendukung proses pelatihan model AI berukuran besar, sedangkan TPU 8i dipersiapkan untuk kebutuhan inferensi. Dengan perbedaan karakteristik ini, pengguna dapat memilih akselerator berdasarkan jenis pekerjaan yang dijalankan. 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 menargetkan ketersediaan TPU di OCI mulai tahun kalender 2027. Oleh sebab itu, layanan tersebut masih merupakan rencana implementasi, bukan fasilitas yang sudah tersedia secara umum pada saat pengumuman.
Kerja Sama Cerebras Memperkuat Pemrosesan Model AI di OCI
Tidak hanya memperluas pilihan akselerator melalui Google, Oracle juga menjalin kerja sama dengan Cerebras Systems. Kolaborasi tersebut diarahkan pada penyediaan kemampuan inferensi AI berkecepatan tinggi melalui infrastruktur OCI. Inferensi merupakan tahap ketika model yang telah dilatih menyusun respons berdasarkan permintaan pengguna. Dalam penggunaan sehari-hari, proses ini terjadi ketika chatbot menjawab pertanyaan, sistem pencarian menampilkan jawaban, atau asisten digital melaksanakan tugas tertentu. Kecepatan inferensi merupakan faktor penting karena secara langsung memengaruhi pengalaman pengguna. Berkat sistem inferensi khusus tersebut, Oracle berencana 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 mengurangi hambatan perpindahan data antarkomponen. Pendekatan tersebut menjadi salah satu alasan teknologi Cerebras menarik untuk pekerjaan inferensi. Ketika menjalankan sistem produksi, manfaat kecepatan tetap dipengaruhi oleh model, konfigurasi, serta karakteristik permintaan. Oracle menjadwalkan penggunaan sistem inferensi wafer-scale Cerebras pada 2027. Kendati rencana pengembangan telah disampaikan, 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 berhenti pada chip Google dan Cerebras. Oracle juga mempertahankan kerja sama dengan berbagai produsen semikonduktor untuk menyediakan sistem komputasi dengan kebutuhan berbeda. Dalam pengembangan berikutnya, perusahaan menghadirkan teknologi NVIDIA untuk berbagai pekerjaan AI intensif. Di samping itu, Oracle mempersiapkan dukungan terhadap prosesor AMD EPYC generasi terbaru serta teknologi Intel. Integrasi teknologi dari SambaNova juga menjadi bagian dari strategi memperluas pilihan inferensi. Dengan beragam arsitektur tersebut, Oracle menargetkan infrastruktur yang dapat menyesuaikan kebutuhan aplikasi secara lebih tepat. Hal tersebut penting karena tidak semua pekerjaan AI membutuhkan tingkat performa dan karakteristik perangkat keras yang sama.
Penggunaan jenis chip yang tepat dapat memengaruhi efisiensi biaya serta pengalaman pengguna aplikasi AI. Ketika mengembangkan model baru, organisasi biasanya mempertimbangkan throughput komputasi, kapasitas memori, dan kemampuan komunikasi antarchip. Untuk pekerjaan berbeda, aplikasi inferensi sering memerlukan respons cepat, biaya pemrosesan per permintaan, dan kestabilan layanan. Dengan karakteristik pekerjaan yang beragam, penggunaan satu arsitektur untuk seluruh aktivitas belum tentu menghasilkan efisiensi terbaik. Dengan penyediaan beragam pilihan chip, pelanggan OCI memiliki kesempatan untuk mengalokasikan pekerjaan pada perangkat yang paling sesuai. Namun, pemilihan infrastruktur tetap membutuhkan evaluasi kompatibilitas perangkat lunak dan perhitungan biaya secara menyeluruh.
Peluang Infrastruktur AI yang Lebih Fleksibel dan Efisien
Untuk organisasi bisnis, perluasan pilihan komputasi AI berpotensi menawarkan fleksibilitas dalam mengembangkan aplikasi berbasis kecerdasan buatan. Organisasi yang memiliki sistem data pada Oracle Cloud Infrastructure dapat merencanakan penggunaan akselerator yang sesuai tanpa harus mengalihkan seluruh lingkungan kerja ke penyedia cloud berbeda. Strategi penempatan komputasi tersebut berpotensi membantu pengelolaan data serta meminimalkan kompleksitas operasional. Dalam skenario tertentu, perusahaan yang mengembangkan layanan pelanggan berbasis AI dapat menentukan sistem inferensi berdasarkan jumlah permintaan dan kebutuhan latensi. Sementara itu, organisasi yang melatih model khusus dapat memilih akselerator dengan kemampuan pemrosesan skala besar. Meskipun menawarkan berbagai manfaat, efisiensi nyata tetap dipengaruhi oleh harga layanan, kebutuhan pemindahan data, serta optimasi aplikasi.
Di samping kebutuhan organisasi besar, langkah Oracle juga memberikan peluang bagi pengembang perangkat lunak dan laboratorium penelitian AI. Berkat penambahan beberapa arsitektur pemrosesan, pengembang dapat menguji kemampuan perangkat keras untuk model dan aplikasi yang berbeda. Untuk kebutuhan penelitian, model bahasa besar dapat memerlukan konfigurasi yang berbeda dari sistem pengenalan gambar atau aplikasi pencarian berbasis AI. Dengan evaluasi langsung, tim pengembangan dapat menyusun strategi penerapan yang lebih terukur. Pertimbangan berikutnya yang harus dievaluasi adalah konsumsi energi dan kemampuan pendinginan pusat data. Oracle mempersiapkan infrastruktur daya, jaringan, serta pendinginan untuk mendukung akselerator AI berkapasitas tinggi. Melalui pengelolaan infrastruktur yang baik, pelanggan dapat meningkatkan efisiensi penggunaan sumber daya komputasi.
Penutup dan Prospek Komputasi AI Oracle
Perluasan kerja sama Oracle bersama Google dan Cerebras merupakan perubahan strategis dalam ekosistem infrastruktur AI. Melalui rencana menghadirkan Google TPU dan sistem inferensi Cerebras, OCI mempersiapkan pilihan arsitektur pemrosesan yang lebih beragam. Kehadiran teknologi tersebut berpotensi membantu perusahaan menyesuaikan kebutuhan pelatihan dan inferensi model AI. Meskipun menawarkan potensi besar, ketersediaan layanan Google TPU dan Cerebras masih ditargetkan untuk 2027 sehingga pelanggan perlu memantau perkembangan implementasinya. Ke depan, persaingan penyedia cloud kemungkinan akan semakin mengutamakan efisiensi biaya, fleksibilitas, dan performa komputasi. Menurut Anda, apakah penggunaan berbagai jenis chip AI akan membuka peluang baru dalam industri TEKNOLOGI? Bagikan pandangan Anda mengenai masa depan infrastruktur kecerdasan buatan ini.
