Google, Ekstensi Penyebaran Lokal Gemini... Apakah Konflik antara "Kendali vs Kinerja" dalam Infrastruktur AI Perusahaan Bisa Diselesaikan

html

Melampaui AI generatif, era “AI agen” yang mampu menjalankan tugas secara mandiri telah tiba, standar desain infrastruktur perusahaan juga sedang berubah dengan cepat. Terutama di industri pengawasan, lembaga pemerintah, dan perusahaan yang memiliki tuntutan kuat terhadap kedaulatan data, mereka menuntut sebuah infrastruktur “siap AI” yang memungkinkan menjalankan model AI terbaru di lingkungan internal tanpa perlu mengirim data sensitif ke luar.

Untuk memenuhi kebutuhan tersebut, Google memperluas strategi infrastruktur mereka agar perusahaan dapat menggunakan model AI dan teknologi cloud secara lokal. Wakil Presiden dan General Manager Divisi Jaringan dan Keamanan Google, Muninder Sambi, mengatakan dalam acara Google Cloud Next baru-baru ini: “Perusahaan selalu dihadapkan pada pilihan untuk mematuhi kedaulatan dan regulasi, atau mengabaikan prinsip tersebut dan beralih ke cloud. Cloud terdistribusi Google adalah solusi yang membawa Gemini dan kemampuan AI Google ke lingkungan lokal.”

Gemini bekerja sama dengan NVIDIA, Dell, memperluas ke jaringan internal

Google bekerja sama dengan NVIDIA ($NVDA) dan Dell Technologies ($DELL), mendukung operasi model berbasis Gemini di lingkungan yang terisolasi dari jaringan publik dan lingkungan lokal yang terhubung jaringan. Khususnya, model Gemini Flash kini mendukung deployment lokal berbasis GPU NVIDIA Blackwell B200 dan B300. Bagi perusahaan, ini berarti dapat menjalankan beban kerja “AI kedaulatan” tanpa data keluar dari lingkungan.

Wakil Presiden Sambi menekankan bahwa ini bukan sekadar menyediakan “pabrik AI”, melainkan menyediakan “mesin AI” yang memungkinkan perusahaan membangun sistem produksi AI mereka sendiri. Bagi sektor keuangan, kesehatan, pertahanan, dan publik yang mengalami kesulitan menggunakan cloud, ini adalah perubahan yang patut diperhatikan.

Kubernetes bangkit sebagai sistem operasi nyata di era AI

Seiring ekspansi infrastruktur AI lokal, peran Kubernetes menjadi semakin penting. Kepala Produk Senior Divisi Kubernetes dan Google Compute Engine, Drew Bradstock, menilai bahwa Kubernetes kini berperan sebagai “sistem operasi” untuk tugas AI yang mencakup pelatihan, inferensi, hingga pembelajaran penguatan.

Dia menjelaskan bahwa di awal popularitas model bahasa besar, belum pasti Kubernetes bisa menjadi inti pengendali AI, tetapi seiring ekosistem open source berkembang cepat ke arah yang ramah AI, Kubernetes telah menjadi fondasi menjalankan agen di lingkungan hybrid cloud. Dalam konteks perusahaan yang ingin menyebarkan layanan AI di berbagai lingkungan, manfaat standarisasi Kubernetes semakin terlihat.

Sekarang, pengguna tidak lagi terbatas pada manusia

Perkembangan AI agen tidak hanya mengubah cara infrastruktur beroperasi, tetapi juga mengubah filosofi desain produk. Bradstock menegaskan bahwa pusat pengalaman pengembang kini tidak harus selalu manusia. Dengan AI agen yang secara besar-besaran menggantikan penulisan kode dan operasi, dokumen, antarmuka, bahkan alat itu sendiri mulai didesain ulang menjadi struktur yang “mudah dibaca dan digunakan oleh AI agen.”

Dia menyatakan, “DevOps baru menggunakan Claude dan Gemini untuk mengelola pekerjaan,” dan menunjukkan bahwa lingkungan pengguna, dokumen, serta berbagai alat sedang dirombak berfokus pada “keterampilan.” Ini mengindikasikan bahwa di masa depan, perangkat lunak perusahaan mungkin melampaui UI yang dirancang untuk manusia, berkembang menjadi struktur yang memungkinkan AI agen memanggil dan menjalankan secara langsung.

Tujuan utama: mencapai “pengendalian” dan “kinerja” secara bersamaan

Inti dari perubahan ini adalah bahwa perusahaan tidak lagi mau memilih antara kendali data dan kinerja AI. Infrastruktur siap AI saat ini bukan sekadar perluasan server, tetapi bertransformasi menjadi desain komprehensif yang mengintegrasikan kedaulatan data, sumber daya GPU, deployment model, pengelolaan, dan orkestrasi.

Dari sudut pandang pasar, strategi Google ini menunjukkan bahwa perusahaan cloud kembali menargetkan area lokal dan hybrid cloud secara mendalam. Dengan proses adopsi AI yang resmi dimulai, faktor penentu keberhasilan bukan lagi sekadar performa model, tetapi bagaimana memastikan keamanan dan fleksibilitas saat deployment di lingkungan operasional nyata.

Catatan TP AI Artikel ini merupakan ringkasan yang dibuat menggunakan model bahasa berbasis TokenPost.ai. Isi mungkin kehilangan detail utama atau berbeda dari fakta.