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
Perkembangan infrastruktur pemrosesan cerdas memacu kebutuhan terhadap perangkat keras berkinerja tinggi. Oracle merespons perubahan tersebut dengan mengembangkan pilihan arsitektur komputasi pada Oracle Cloud Infrastructure atau OCI. Melalui kerja sama bersama Google dan Cerebras, perusahaan menargetkan penyediaan infrastruktur yang lebih mudah disesuaikan berdasarkan jenis pekerjaan AI. Strategi pengembangan ini menunjukkan bahwa kebutuhan komputasi untuk pelatihan model tidak selalu sama dengan kebutuhan menjalankan model yang telah selesai dilatih. Karena itu, penyedia cloud semakin dituntut untuk menyediakan beberapa pilihan akselerator dengan karakteristik berbeda. Pendekatan ini diharapkan dapat mendukung pelanggan memilih sistem berdasarkan performa, biaya operasional, dan kebutuhan pengembangan aplikasi.
Pengumuman 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 melanjutkan dukungan terhadap teknologi NVIDIA, AMD, dan Intel. Artinya, pelanggan OCI direncanakan memiliki pilihan komputasi yang lebih luas dalam satu ekosistem cloud. Strategi penggunaan berbagai jenis chip tersebut dirancang untuk membatasi ketergantungan pada satu jenis akselerator. Meskipun menawarkan berbagai peluang, ketersediaan perangkat keras tidak otomatis tersedia secara bersamaan. Setiap sistem akselerator memiliki jadwal peluncuran, persyaratan perangkat lunak, dan konfigurasi yang perlu diperhatikan sebelum digunakan untuk pekerjaan produksi.
Teknologi Tensor Processing Unit Google Hadir di Infrastruktur Oracle
Salah satu pengumuman utama dalam kerja sama tersebut adalah rencana mengintegrasikan Google Tensor Processing Unit pada Oracle Cloud Infrastructure. TPU merupakan akselerator khusus untuk menjalankan operasi komputasi yang banyak digunakan dalam pembelajaran mesin. Jika dibandingkan dengan prosesor serbaguna, TPU dirancang untuk meningkatkan efisiensi pemrosesan model AI melalui kombinasi perangkat keras dan perangkat lunak. Google memiliki pengalaman mengembangkan teknologi ini selama lebih dari satu dekade. Berkat kemitraan terbaru, OCI akan menjadi penyedia cloud hyperscale pertama di luar Google yang menawarkan TPU. Penambahan akselerator tersebut berpotensi membantu 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. Kedua arsitektur tersebut menawarkan fokus penggunaan yang berbeda. TPU 8t dikembangkan untuk menangani proses pelatihan model AI berukuran besar, sedangkan TPU 8i dioptimalkan untuk kebutuhan inferensi. Melalui pembagian tersebut, pengguna dapat menyesuaikan akselerator berdasarkan jenis pekerjaan yang diproses. 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 menargetkan ketersediaan TPU di OCI mulai tahun kalender 2027. Oleh sebab itu, layanan tersebut masih merupakan pengembangan yang dijadwalkan, bukan fasilitas yang sudah tersedia secara umum pada saat pengumuman.
Cerebras Menghadirkan Teknologi Inferensi AI Berkecepatan Tinggi
Di samping menghadirkan rencana penggunaan TPU, Oracle juga mengumumkan kerja sama dengan Cerebras Systems. Kesepakatan pengembangan tersebut 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. Ketika menjalankan layanan digital, proses ini terjadi ketika chatbot menanggapi pertanyaan, sistem pencarian menyusun jawaban, atau asisten digital menyelesaikan tugas tertentu. Waktu pemrosesan respons menjadi faktor penting karena secara langsung berkaitan dengan pengalaman pengguna. Melalui teknologi yang dikembangkan Cerebras, Oracle menargetkan menyediakan pilihan untuk menjalankan aplikasi AI yang membutuhkan respons cepat.
Cerebras dikenal penggunaan arsitektur wafer-scale yang memiliki rancangan tersendiri dibandingkan banyak akselerator AI konvensional. Dengan rancangan chip berukuran besar, Cerebras mencoba peningkatan kemampuan pemrosesan model AI dengan meminimalkan hambatan perpindahan data antarkomponen. Pendekatan tersebut menjadi 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 masih harus diverifikasi setelah layanan resmi diluncurkan.
Strategi Multiarsitektur Oracle Menghadirkan Pilihan Chip Lebih Luas
Strategi terbaru Oracle tidak berhenti pada chip Google dan Cerebras. Oracle juga mempertahankan kerja sama dengan berbagai produsen semikonduktor untuk mengembangkan sistem komputasi dengan kebutuhan berbeda. Dalam pengembangan berikutnya, perusahaan menawarkan teknologi NVIDIA untuk berbagai pekerjaan AI intensif. Di samping itu, Oracle mengembangkan dukungan terhadap prosesor AMD EPYC generasi terbaru serta teknologi Intel. Kolaborasi bersama SambaNova juga menjadi bagian dari strategi memperluas pilihan inferensi. Dengan beragam arsitektur tersebut, Oracle berupaya infrastruktur yang dapat menyesuaikan kebutuhan aplikasi secara lebih tepat. Pendekatan tersebut relevan karena tidak semua pekerjaan AI mengandalkan tingkat performa dan karakteristik perangkat keras yang sama.
Pemilihan akselerator yang tepat dapat berdampak pada efisiensi biaya serta pengalaman pengguna aplikasi AI. Ketika mengembangkan model baru, organisasi biasanya mempertimbangkan throughput komputasi, kapasitas memori, dan kemampuan komunikasi antarchip. Sementara itu, aplikasi inferensi sering mengutamakan respons cepat, biaya pemrosesan per permintaan, dan kestabilan layanan. Dengan karakteristik pekerjaan yang beragam, penggunaan satu arsitektur untuk seluruh aktivitas belum tentu memberikan efisiensi terbaik. Berkat strategi komputasi yang fleksibel, pelanggan OCI memiliki kesempatan untuk mengalokasikan pekerjaan pada perangkat yang paling sesuai. Namun, keputusan tersebut tetap mengandalkan evaluasi kompatibilitas perangkat lunak dan perhitungan biaya secara menyeluruh.
Peluang Infrastruktur AI yang Lebih Fleksibel dan Efisien
Bagi perusahaan, perluasan pilihan komputasi AI berpotensi memberikan fleksibilitas dalam mengembangkan aplikasi berbasis kecerdasan buatan. Pelaku bisnis dengan sistem data pada Oracle Cloud Infrastructure dapat mempertimbangkan penggunaan akselerator yang sesuai tanpa harus memindahkan seluruh lingkungan kerja ke penyedia cloud berbeda. Strategi penempatan komputasi tersebut berpotensi membantu pengelolaan data serta mengurangi kompleksitas operasional. Dalam skenario tertentu, perusahaan yang mengoperasikan 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. Walaupun terlihat menjanjikan, efisiensi nyata tetap bergantung oleh harga layanan, kebutuhan pemindahan data, serta optimasi aplikasi.
Selain manfaat bagi perusahaan, langkah Oracle juga menghadirkan 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. Untuk kebutuhan penelitian, model bahasa besar dapat membutuhkan konfigurasi yang berbeda dari sistem pengenalan gambar atau aplikasi pencarian berbasis AI. Berkat perbandingan performa, tim pengembangan dapat menentukan strategi penerapan yang lebih sesuai kebutuhan. Aspek tambahan yang harus dievaluasi adalah konsumsi energi dan kemampuan pendinginan pusat data. Oracle mengembangkan infrastruktur daya, jaringan, serta pendinginan untuk mendukung akselerator AI berkapasitas tinggi. Melalui pengelolaan infrastruktur yang baik, pelanggan dapat mengoptimalkan penggunaan sumber daya komputasi.
Kesimpulan
Perluasan kerja sama Oracle bersama Google dan Cerebras menandai perkembangan menarik dalam pengembangan teknologi kecerdasan buatan. Dengan menambahkan Google TPU dan sistem inferensi Cerebras, OCI menawarkan pilihan arsitektur pemrosesan yang lebih fleksibel. Kehadiran teknologi tersebut memiliki peluang untuk mendukung perusahaan menyesuaikan kebutuhan pelatihan dan inferensi model AI. Kendati menghadirkan pilihan baru, ketersediaan layanan Google TPU dan Cerebras masih ditargetkan untuk 2027 sehingga pelanggan perlu memeriksa perkembangan implementasinya. Ke depan, persaingan penyedia cloud kemungkinan akan semakin menitikberatkan 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 masa depan infrastruktur kecerdasan buatan ini.
