Google Cloud Next '26 berlangsung selama tiga hari, dan sinyal terbesarnya dapat diringkas dalam satu kalimat: Nama Vertex AI tidak lagi digunakan; nama barunya adalah Gemini Enterprise Agent Platform.
Kedengarannya hanya perubahan nama, tetapi Google kali ini telah merombak seluruh lini produk, seluruh peta jalan perangkat keras, dan bahkan cara menjual layanan cloud, semuanya di sekitar inti "agen."
Menjadi apa Vertex AI?
Gemini Enterprise Agent Platform bukan sekadar perubahan tampilan Vertex AI; platform ini telah ditulis ulang menjadi platform tumpukan penuh yang dirancang khusus untuk menjalankan agen.
Platform ini mengintegrasikan lebih dari 200 model, termasuk model Google sendiri seperti Gemini 3.1 Pro, Flash Image, Lyria 3, dan Gemma 4, dan juga langsung menampung Claude Opus, Sonnet, dan Haiku dari Anthropic. Ini adalah langkah yang halus namun signifikan: Google telah menginvestasikan $40 miliar di Anthropic sambil menempatkan Claude sebagai opsi yang setara dengan Gemini-nya sendiri dalam produk perusahaan.
Menurut Google, komponen platform mencakup seluruh siklus hidup agen:
- Agent Studio — Lingkungan pengembangan
- Agent Development Kit — SDK
- Agent Runtime — Runtime
- Agent-to-Agent Orchestration — Kolaborasi multi-agen
- Agent Gateway — Kontrol lalu lintas dan akses
- Agent Identity — Autentikasi identitas
- Agent Registry — Registry
- Agent Observability — Observabilitas
- Agent Simulation / Evaluation — Simulasi dan evaluasi
Mereka yang akrab dengan terminologi ini akan menyadari bahwa Google pada dasarnya telah memindahkan tumpukan cloud-native dekade terakhir (Service Mesh, API Gateway, Identity, dll.) langsung ke agen. Singkatnya: memperlakukan agen sebagai bentuk layanan baru untuk dikelola.
TPU kini terpecah menjadi dua lini yang berbeda
Di sisi perangkat keras, TPU generasi kedelapan diumumkan secara resmi, tetapi alih-alih satu chip "serba guna" seperti pendahulunya, pelatihan dan inferensi telah dipisahkan menjadi dua lini produk.
TPU 8t (Pelatihan):
- Superpod tunggal meluas hingga 9.600 chip
- Memori bersama 2 PB
- Daya komputasi 121 ExaFlops
- Komputasi per pod hampir 3x generasi sebelumnya
- Kecepatan akses penyimpanan 10x generasi sebelumnya
TPU 8i (Inferensi):
- SRAM pada chip tiga kali lipat
- Bandwidth interkoneksi dua kali lipat menjadi 19,2 Tb/s
- Peningkatan kinerja per dolar sebesar 80%
Alasan di balik pemisahan ini jelas: persyaratan perangkat keras untuk pelatihan dan inferensi telah terlalu jauh berbeda. Pelatihan membutuhkan memori bersama yang sangat besar untuk optimasi terdistribusi, sementara inferensi membutuhkan latensi rendah, bandwidth interkoneksi tinggi, dan cache pada chip yang besar. Menggunakan satu chip untuk memuaskan keduanya tidak lagi hemat biaya.
Nvidia telah mengikuti jalur yang serupa (diferensiasi antara H100/H200 dan L40S), tetapi Google secara langsung memasukkan perbedaan ini ke dalam penamaan generasi TPU, menunjukkan sikap yang lebih tegas.
Mendesain ulang seluruh pusat data
Mendukung TPU baru ini adalah arsitektur pusat data baru yang disebut Virgo Network:
- Satu jaringan menghubungkan 134.000 chip TPU 8t
- Bandwidth non-blocking 47 Pb/s
- Bandwidth yang tersedia per TPU 8t 4x generasi sebelumnya
- Latensi tanpa beban berkurang 40%
Untuk memberikan perspektif tentang 47 Pb/s: ini kira-kira setara dengan memasukkan total bandwidth node inti internet global ke dalam satu pusat data.
Lapisan perangkat lunak terus memangkas biaya
Perangkat keras saja tidak cukup; lapisan perangkat lunak juga melakukan pemotongan signifikan pada biaya operasional:
- GKE Agent Sandbox: Meluncurkan 300 sandbox per detik, peningkatan kinerja per dolar sebesar 30%
- BigQuery fluid scaling: Pengurangan biaya rata-rata 34%
- Lightning Engine for Apache Spark: Menggandakan kinerja per dolar
- Managed Lustre: Throughput hingga 10 TB/s
- Seri mesin virtual M4N: Menjalankan beban kerja Oracle, TCO berkurang lebih dari 20%
Langkah-langkah lapisan data dan orkestrasi ini menargetkan beban kerja perusahaan tradisional yang tidak mampu menggunakan Vertex AI tetapi tetap perlu melakukan AI.
Seberapa besar taruhan ini?
Keynote Google Cloud Next beberapa tahun terakhir selalu menampilkan "AI," tetapi tahun ini jelas berbeda:
- Nama berubah — dari platform perkakas (Vertex AI) menjadi platform aplikasi (Agent Platform)
- Chip terpecah — pelatihan dan inferensi dipisahkan, taruhan tingkat lini produk
- Pusat data didesain ulang — Virgo adalah perombakan arsitektur dari awal
- Poin penjualan bergeser — dari menjual "kemampuan AI" menjadi menjual "manajemen siklus hidup agen"
Penilaian yang mendasarinya adalah: di masa depan, beban kerja utama di cloud bukan lagi kode yang ditulis manusia, melainkan tugas yang dijalankan oleh agen. Jika penilaian ini benar, semua produk vendor cloud perlu didesain ulang di sekitar agen; jika salah, Google pada dasarnya telah mempertaruhkan setidaknya dua tahun anggaran R&D pada arah yang salah.
AWS belum bergerak (re:Invent dijadwalkan akhir tahun), dan Azure dengan Microsoft Fabric MCP telah bergerak bulan lalu. Namun, keberanian Google kali ini terletak pada rekayasa ulang perangkat keras, jaringan, platform, dan model komersialisasi secara bersamaan.
Siapa pun yang akrab dengan industri cloud tahu: salah dalam menentukan generasi chip dan arsitektur pusat data berarti butuh setidaknya tiga tahun untuk pulih. Kesediaan Google untuk bertaruh sebesar ini menunjukkan keyakinan nyata pada peta jalan agennya.
Sumber referensi: Google Cloud Next '26: Gemini Enterprise Agent Platform Leads AI-Centric News (Virtualization Review); Google Cloud Next made it clear: AI is coming for everything (The Register); CocoLoop; Google Cloud Next 2026: News and updates (Blog Resmi Google)