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.
Oracle Memperluas Infrastruktur AI melalui Kerja Sama Teknologi
Pertumbuhan infrastruktur pemrosesan cerdas mendorong kebutuhan terhadap akselerator pemrosesan modern. Oracle menyikapi perubahan tersebut dengan mengembangkan pilihan arsitektur komputasi pada Oracle Cloud Infrastructure atau OCI. Dengan menjalin kemitraan bersama Google dan Cerebras, perusahaan berencana penyediaan infrastruktur yang lebih mudah disesuaikan berdasarkan jenis pekerjaan AI. Langkah tersebut 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 menawarkan beberapa pilihan akselerator dengan karakteristik berbeda. Pendekatan ini diharapkan dapat mempermudah pelanggan memilih sistem berdasarkan performa, biaya operasional, dan kebutuhan pengembangan aplikasi.
Perluasan layanan tersebut dipaparkan dalam acara Oracle AI World di Las Vegas pada 27 Oktober 2026. Tidak hanya mengembangkan kerja sama dengan Google dan Cerebras, Oracle juga mempertahankan dukungan terhadap teknologi NVIDIA, AMD, dan Intel. Melalui langkah tersebut, pelanggan OCI akan mendapatkan pilihan komputasi yang lebih beragam dalam satu ekosistem cloud. Model infrastruktur tersebut bertujuan untuk membatasi ketergantungan pada satu jenis akselerator. Walaupun menghadirkan pilihan baru, ketersediaan perangkat keras belum tentu terjadi secara bersamaan. Setiap teknologi memiliki jadwal peluncuran, persyaratan perangkat lunak, dan konfigurasi yang harus dipahami sebelum digunakan untuk pekerjaan produksi.
Teknologi Tensor Processing Unit Google Hadir di Infrastruktur Oracle
Langkah penting dalam kerja sama tersebut adalah rencana menghadirkan Google Tensor Processing Unit pada Oracle Cloud Infrastructure. TPU merupakan prosesor yang dirancang khusus untuk menangani operasi komputasi yang banyak digunakan dalam pembelajaran mesin. Berbeda dengan prosesor serbaguna, TPU dikembangkan untuk memperbaiki efisiensi pemrosesan model AI melalui kombinasi perangkat keras dan perangkat lunak. Google telah mengembangkan teknologi ini selama lebih dari satu dekade. Dengan integrasi yang direncanakan, OCI akan menjadi penyedia cloud hyperscale pertama di luar Google yang menawarkan TPU. Kemampuan ini memiliki peluang untuk mendukung organisasi menjalankan berbagai pekerjaan AI tanpa harus memindahkan seluruh infrastruktur ke platform cloud berbeda.
Perusahaan tersebut turut mengembangkan arsitektur TPU generasi kedelapan yang terdiri atas TPU 8t dan TPU 8i. Dua rancangan pemrosesan tersebut menghadirkan fokus penggunaan yang berbeda. TPU 8t dikembangkan untuk mempercepat proses pelatihan model AI berukuran besar, sedangkan TPU 8i dipersiapkan untuk kebutuhan inferensi. Melalui pembagian tersebut, pengguna dapat menentukan akselerator berdasarkan jenis pekerjaan yang dikembangkan. Untuk memberikan gambaran, laboratorium AI yang melatih model besar membutuhkan karakteristik komputasi berbeda dari perusahaan yang melayani permintaan chatbot secara terus-menerus. Oracle dan Google menjadwalkan ketersediaan TPU di OCI mulai tahun kalender 2027. Dengan demikian, layanan tersebut masih merupakan rencana implementasi, bukan fasilitas yang sudah tersedia secara umum pada saat pengumuman.
Oracle Menambahkan Sistem Wafer Scale Engine dari Cerebras
Selain menjalin kemitraan dengan Google, Oracle juga menjalin kerja sama dengan Cerebras Systems. Kesepakatan pengembangan tersebut berfokus pada penyediaan kemampuan inferensi AI berkecepatan tinggi melalui infrastruktur OCI. Inferensi merupakan tahap ketika model yang telah dilatih menyusun respons berdasarkan permintaan pengguna. Ketika menjalankan layanan digital, proses ini dijalankan ketika chatbot menanggapi pertanyaan, sistem pencarian menyusun jawaban, atau asisten digital menyelesaikan tugas tertentu. Waktu pemrosesan respons merupakan faktor penting karena secara langsung menentukan pengalaman pengguna. Berkat sistem inferensi khusus tersebut, Oracle berencana menyediakan pilihan untuk menjalankan aplikasi AI yang membutuhkan respons cepat.
Cerebras dikenal penggunaan arsitektur wafer-scale yang menggunakan pendekatan khusus dibandingkan banyak akselerator AI konvensional. Dengan rancangan chip berukuran besar, Cerebras mencoba peningkatan kemampuan pemrosesan model AI dengan membatasi hambatan perpindahan data antarkomponen. Strategi arsitektur tersebut termasuk salah satu alasan teknologi Cerebras menarik untuk pekerjaan inferensi. Pada penggunaan nyata, manfaat kecepatan tetap ditentukan oleh model, konfigurasi, serta karakteristik permintaan. Oracle menjadwalkan penggunaan sistem inferensi wafer-scale Cerebras pada 2027. Walaupun demikian, rincian layanan, harga, dan ketersediaan berdasarkan wilayah perlu diperiksa setelah layanan resmi diluncurkan.
NVIDIA AMD Intel dan SambaNova Melengkapi Ekosistem AI Oracle
Rencana perluasan infrastruktur perusahaan tidak hanya berfokus 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 menggunakan teknologi NVIDIA untuk berbagai pekerjaan AI intensif. Sebagai bagian dari portofolio, Oracle mengembangkan dukungan terhadap prosesor AMD EPYC generasi terbaru serta teknologi Intel. Kemitraan dengan SambaNova juga menjadi bagian dari strategi memperluas pilihan inferensi. Berkat portofolio pemrosesan yang lebih luas, Oracle mencoba infrastruktur yang dapat melayani kebutuhan aplikasi secara lebih tepat. Pendekatan 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. Dalam pelatihan model, organisasi biasanya mengutamakan 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. Berkat strategi komputasi yang fleksibel, pelanggan OCI diharapkan mengalokasikan pekerjaan pada perangkat yang paling sesuai. Namun, penentuan akselerator tetap mengandalkan evaluasi kompatibilitas perangkat lunak dan perhitungan biaya secara menyeluruh.
Dampak Kerja Sama Google Cerebras terhadap Layanan Cloud
Untuk organisasi bisnis, perluasan pilihan komputasi AI berpotensi menghadirkan fleksibilitas dalam mengembangkan aplikasi berbasis kecerdasan buatan. Perusahaan yang mengelola sistem data pada Oracle Cloud Infrastructure dapat merencanakan penggunaan akselerator yang sesuai tanpa harus memindahkan seluruh lingkungan kerja ke penyedia cloud berbeda. Pendekatan tersebut berpotensi membantu pengelolaan data serta meminimalkan kompleksitas operasional. Untuk memberikan gambaran, perusahaan yang membangun layanan pelanggan berbasis AI dapat menentukan sistem inferensi berdasarkan jumlah permintaan dan kebutuhan latensi. Sementara itu, organisasi yang melatih model khusus dapat mengandalkan akselerator dengan kemampuan pemrosesan skala besar. Namun demikian, efisiensi nyata tetap ditentukan oleh harga layanan, kebutuhan pemindahan data, serta optimasi aplikasi.
Selain manfaat bagi perusahaan, langkah Oracle juga membuka peluang bagi pengembang perangkat lunak dan laboratorium penelitian AI. Melalui rencana penyediaan beberapa arsitektur pemrosesan, pengembang dapat menguji kemampuan perangkat keras untuk model dan aplikasi yang berbeda. Dalam eksperimen tertentu, model bahasa besar dapat memerlukan konfigurasi yang berbeda dari sistem pengenalan gambar atau aplikasi pencarian berbasis AI. Melalui pengujian tersebut, tim pengembangan dapat menyusun strategi penerapan yang lebih efisien. Faktor lain yang perlu diperhatikan adalah konsumsi energi dan kemampuan pendinginan pusat data. Oracle menyediakan infrastruktur daya, jaringan, serta pendinginan untuk mendukung akselerator AI berkapasitas tinggi. Melalui pengelolaan infrastruktur yang baik, pelanggan dapat menyesuaikan penggunaan sumber daya komputasi.
Penutup dan Prospek Komputasi AI Oracle
Pengembangan infrastruktur Oracle bersama Google dan Cerebras menandai langkah penting dalam pengembangan teknologi kecerdasan buatan. Dengan menambahkan Google TPU dan sistem inferensi Cerebras, OCI mengembangkan pilihan arsitektur pemrosesan yang lebih luas. Penambahan teknologi tersebut memiliki peluang untuk membantu perusahaan menyesuaikan kebutuhan pelatihan dan inferensi model AI. Namun demikian, ketersediaan layanan Google TPU dan Cerebras masih dijadwalkan untuk 2027 sehingga pelanggan perlu meninjau perkembangan implementasinya. Ke depan, persaingan penyedia cloud kemungkinan akan semakin berfokus efisiensi biaya, fleksibilitas, dan performa komputasi. Bagaimana pendapat Anda, apakah penggunaan berbagai jenis chip AI akan meningkatkan efisiensi komputasi dalam industri TEKNOLOGI? Sampaikan pandangan Anda mengenai manfaat infrastruktur kecerdasan buatan ini.
