NVIDIA mengambil langkah penting dalam pengembangan infrastruktur kecerdasan buatan dengan membuka rancangan arsitektur Vera Rubin kepada komunitas Open Compute Project (OCP). Pengumuman yang disampaikan pada 12 Oktober 2026 dalam ajang OCP Global Summit ini bertujuan membantu produsen server dan pengelola pusat data membangun sistem komputasi AI secara lebih fleksibel. Melalui teknologi NVIDIA MGX, perusahaan membagikan spesifikasi desain rak dan modul komputasi yang mendukung pendinginan cair, distribusi daya berkapasitas tinggi, serta integrasi perangkat keras. Langkah tersebut memperlihatkan semakin besarnya kebutuhan standar terbuka untuk mempercepat pembangunan pusat data AI generasi berikutnya.
Arsitektur Vera Rubin Kini Menjadi Bagian dari Pengembangan Open Compute Project
NVIDIA mengumumkan pembukaan desain infrastruktur Vera Rubin melalui komunitas OCP. Inisiatif pengembangan tersebut berlangsung dalam OCP Global Summit 2026. Dengan pendekatan tersebut, pembuat server memiliki pedoman lebih seragam untuk membangun infrastruktur. Komponen yang dibagikan mencakup struktur kabinet server serta modul komputasi. Bagian perangkat keras ini membantu mengintegrasikan banyak perangkat komputasi. Melalui standar yang dibagikan, produsen dapat mempercepat persiapan komponen yang kompatibel.
Keputusan memperluas kontribusi kepada OCP tidak berarti seluruh teknologi Vera Rubin menjadi sumber terbuka. Dalam menilai pengumuman tersebut, spesifikasi rak yang tersedia bagi industri dengan arsitektur internal akselerator. Produsen tersebut tetap mengelola komponen pemrosesan serta perangkat lunak khusus. Sementara itu, standar bersama memungkinkan penyesuaian antarkomponen. Pendekatan tersebut mendukung produksi sistem dalam jumlah besar. Walaupun menawarkan sejumlah manfaat, implementasi memerlukan validasi teknis. Karena itu, inisiatif ini merupakan bentuk kolaborasi desain perangkat keras.
Arsitektur NVIDIA MGX 1.2 Menjadi Fondasi Infrastruktur Vera Rubin
Fondasi teknis dari rancangan terbuka tersebut adalah arsitektur NVIDIA MGX 1.2. Arsitektur MGX dikenal sebagai rancangan referensi modular untuk infrastruktur komputasi. Dengan memanfaatkan spesifikasi MGX, integrator memperoleh pedoman untuk menggabungkan berbagai bagian sistem. Pembaruan MGX terbaru memperluas kemampuan integrasi sistem pendingin cair. Selain itu, tersedia dukungan perangkat berukuran 19 inci. Penerapan rancangan modular mendukung integrasi komponen dengan susunan yang lebih konsisten. Melalui rancangan tersebut, pengembangan rak AI dapat dilakukan melalui standar yang lebih jelas.
Spesifikasi modular yang diperbarui menyediakan dukungan infrastruktur dengan kapasitas daya maksimal 250 kW. Angka tersebut menggambarkan tingginya kepadatan komputasi modern. Walaupun kapasitasnya tinggi, daya aktual bergantung pada konfigurasi perangkat. Pada fasilitas nyata, kebutuhan listrik mengikuti jumlah komponen serta pola penggunaan. Sebagai bagian dari MGX 1.2, tersedia bay antarmuka masukan dan keluaran yang bisa disesuaikan. Pilihan modul tambahan memberikan ruang bagi integrasi perangkat yang berbeda. Berkat arsitektur yang dapat dikonfigurasi, penggunaan sumber daya dapat direncanakan lebih terarah.
Teknologi Blind-Mate Cooling Mempermudah Perawatan Server AI
Hambatan utama pada infrastruktur AI berkepadatan tinggi adalah pengendalian panas dari komponen komputasi. Akselerator AI serta CPU server membutuhkan pengendalian suhu saat beroperasi. Sebagai bagian dari pengembangan MGX, NVIDIA menghadirkan mekanisme liquid cooling yang lebih terintegrasi. Komponen penting dalam spesifikasi tersebut adalah sistem sambungan pendingin blind-mate. Teknologi ini mengurangi kebutuhan menyambungkan selang secara manual. Sistem koneksi yang lebih praktis membantu menyederhanakan penggantian komponen. Meskipun proses pemasangan lebih sederhana, kualitas sambungan harus diperiksa.
Untuk mendukung kebutuhan listrik, NVIDIA memperkenalkan busbar berpendingin cair berkapasitas 5.000 ampere. Komponen busbar dikenal sebagai bagian distribusi daya pada sistem listrik. Pada rak dengan kebutuhan energi besar, pengelolaan arus menjadi semakin penting. Penggunaan liquid cooling untuk penghantar mendukung pengoperasian sistem distribusi berkapasitas besar. Arsitektur ini turut mendukung modul komputasi yang tidak mengandalkan kipas internal. Pendekatan pendinginan ini dapat mengurangi kompleksitas komponen bergerak. Berkat pendekatan sistem terpadu, produsen memperoleh dasar untuk membangun rak yang lebih mudah dirawat.
Vera Rubin Mendukung Pelatihan Model Besar dan Infrastruktur Agentic AI
Ekosistem perangkat keras terbaru NVIDIA menggabungkan komponen untuk pelatihan dan inferensi berskala besar. Konfigurasi penting dalam platform tersebut adalah Vera Rubin NVL72 yang dirancang bagi kebutuhan training dan inference berkapasitas tinggi. Tahap pembelajaran model menggunakan kapasitas komputasi besar untuk memproses data. Pada pekerjaan inferensi, sistem menghasilkan respons berdasarkan masukan pengguna. Aktivitas pelatihan dan inferensi memerlukan sistem yang dirancang sesuai kebutuhan. Melalui integrasi tingkat rak, NVIDIA berupaya meningkatkan efisiensi komunikasi antarakselerator. Meskipun desainnya diarahkan pada performa tinggi, kecepatan pemrosesan harus dinilai berdasarkan beban kerja.
NVIDIA juga memperluas rancangan rak khusus CPU Vera. Rancangan rak CPU ini mendukung eksekusi aplikasi agentic AI. Berbeda dari pelatihan model besar, aplikasi agentic membutuhkan pengelolaan banyak tindakan. Contohnya, agen dapat memanggil alat digital, mengakses layanan, dan menjalankan kode. Kebutuhan pemrosesan tersebut tidak selalu membutuhkan GPU untuk setiap langkah. Berkat desain komputasi tambahan, NVIDIA menyediakan pilihan bagi pengembang infrastruktur agentic AI. Pendekatan tersebut mendukung penggunaan perangkat berdasarkan kebutuhan. Namun, keuntungan performa perlu diuji melalui penerapan nyata.
Kemitraan Meta, Google, Cisco, dan Microsoft Dukung Infrastruktur Terbuka
Pengembangan Vera Rubin didukung kolaborasi lintas pelaku industri. Dalam pengumuman OCP, NVIDIA berkolaborasi dengan AMD, Google, dan Meta dalam publikasi standar bersama untuk infrastruktur komputasi. Standar yang diumumkan bersama adalah Open Data Center Specification versi 0.7. Dokumen standar ini mencakup rancangan daya, pendinginan, serta tata letak fasilitas. Untuk meningkatkan ketahanan operasional, tersedia standar bersama mengenai respons pusat data terhadap gangguan utilitas. Fokus pengembangan standar ini mengurangi dampak gangguan pasokan listrik. Melalui kolaborasi tersebut, produsen dapat merancang infrastruktur berdasarkan spesifikasi yang seragam.
Kerja sama industri tambahan berfokus pada peningkatan jaringan AI melalui kemitraan NVIDIA dan Cisco. NVIDIA bersama Cisco memperkenalkan rencana standar transceiver USFP. Standar transceiver yang direncanakan ditujukan untuk konektivitas 400 gigabit per detik per jalur. Untuk meningkatkan interoperabilitas jaringan, dukungan transportasi Falcon direncanakan bagi ConnectX-10 serta BlueField. Meta juga, mengadopsi teknologi switch Spectrum-6. Dukungan beberapa perusahaan besar menunjukkan bahwa pusat data AI memerlukan ekosistem luas. Namun demikian, spesifikasi terbuka tetap memerlukan penerapan yang matang.
Kesimpulan: Rancangan Terbuka Vera Rubin Dorong Masa Depan Pusat Data AI
Kontribusi arsitektur Vera Rubin kepada OCP memperlihatkan perubahan pendekatan pembangunan infrastruktur AI. Melalui spesifikasi MGX 1.2, produsen memperoleh pedoman untuk mengembangkan rak komputasi. Teknologi pendinginan cair menjadi bagian penting bagi kepadatan komputasi modern. Selain itu, Vera CPU dan Vera Rubin NVL72 menunjukkan kebutuhan komputasi yang semakin beragam. Dukungan komunitas standar terbuka berpotensi mempercepat pembangunan fasilitas. Meskipun pendekatan ini menjanjikan, keuntungan teknis memerlukan pembuktian melalui sistem yang diterapkan. Dengan perkembangan teknologi AI, desain modular berpotensi semakin dibutuhkan. Menurut Anda, apakah pembukaan rancangan Vera Rubin dapat mempercepat pembangunan pusat data? Silakan bagikan pandangan Anda agar diskusi mengenai teknologi pusat data semakin bermanfaat.
