NVIDIA dan Meta Perluas Kolaborasi AI untuk Pengembangan Muse

Bayangkan asisten digital yang tidak hanya menjawab pertanyaan, tetapi juga dapat memahami tujuan, menggunakan alat, dan membantu menyelesaikan rangkaian pekerjaan. Untuk menghadirkan pengalaman tersebut kepada banyak orang, model yang cerdas saja belum cukup. Dibutuhkan infrastruktur komputasi, jaringan, dan sistem pengawasan yang mampu bekerja bersama.

Gambaran itu menjadi latar perluasan kolaborasi NVIDIA dan Meta yang diumumkan pada 26 Oktober 2026. Kedua perusahaan berencana meningkatkan performa pelatihan dan inferensi Muse, keluarga model dan agen milik Meta. Kerja sama ini memperlihatkan bagaimana persaingan AI semakin bergantung pada kemampuan menghadirkan layanan yang cepat, efisien, dan dapat digunakan dalam skala besar. NVIDIA Newsroom

Apa isi kerja sama NVIDIA dan Meta?

NVIDIA dan Meta akan memperluas kerja sama pada Muse dan keluarga modelnya. Menurut pengumuman tersebut, kedua perusahaan bermaksud mengoptimalkan alur kerja untuk meningkatkan performa sekaligus memperbaiki total biaya kepemilikan infrastruktur.

Meta juga bermaksud memperluas penggunaan NVIDIA Vera Rubin dan Vera CPU. Selain itu, Meta akan menggunakan Spectrum-X Ethernet dan BlueField-4 untuk mendukung efisiensi serta kapasitas jaringan.

Di sisi keamanan, kedua perusahaan masih mempertimbangkan peluang kerja sama terkait NVIDIA OpenShell Reference Architecture, termasuk OpenShell dan Sentry. NVIDIA juga mengumumkan rencana investasi sebesar US$3 miliar dalam penawaran saham Meta. NVIDIA Newsroom

Secara analitis, kesepakatan ini menyatukan tiga kepentingan: pengembangan model, efisiensi infrastruktur, dan potensi pengamanan agen. Masing-masing penting karena peningkatan pada satu lapisan saja belum tentu menghasilkan pengalaman pengguna yang lebih baik.

Apa itu Muse dan mengapa model AI ini menjadi fokus kolaborasi?

Dalam pengumuman NVIDIA, Muse disebut sebagai keluarga model dan agen milik Meta yang menggunakan infrastruktur NVIDIA. NVIDIA menyatakan bahwa model dan agen tersebut mencatat performa kompetitif dalam pengujian serta pertumbuhan unduhan konsumen sejak diluncurkan.

Fokus kerja sama berikutnya adalah meningkatkan training, yaitu proses melatih model, dan inference, yaitu proses saat model digunakan untuk menghasilkan respons. Pengumuman tidak merinci angka unduhan, hasil pengujian tertentu, maupun target peningkatan performa Muse. NVIDIA Newsroom

Bagi pengguna, perbedaan antara pelatihan dan inferensi penting. Pelatihan memengaruhi proses pengembangan kemampuan model, sedangkan inferensi berhubungan langsung dengan pengalaman saat layanan digunakan, termasuk waktu respons dan kebutuhan komputasi.

Mengapa agen AI membutuhkan infrastruktur berbeda?

Agen AI dirancang untuk membantu mencapai tujuan melalui beberapa langkah. Dalam sebuah tugas, sistem dapat memproses instruksi, menggunakan alat yang tersedia, lalu memeriksa hasil sebelum melanjutkan.

Sebagai ilustrasi, pengguna dapat meminta agen menyusun rencana perjalanan. Agen mungkin perlu mencari informasi, membandingkan pilihan, dan menyajikan rekomendasi. Contoh ini menggambarkan konsep agen secara umum, bukan fitur Muse yang diumumkan dalam kerja sama tersebut.

Ketika proses tersebut digunakan secara luas, beban komputasinya tidak berhenti pada satu jawaban. Setiap tahap dapat membutuhkan pemrosesan tambahan dan pertukaran data. Karena itu, kecepatan model, kemampuan prosesor, dan kapasitas jaringan perlu diperhatikan bersama.

Apa peran Vera Rubin, Vera CPU, dan jaringan NVIDIA?

Perluasan infrastruktur Meta mencakup beberapa komponen yang memiliki fungsi berbeda:

• NVIDIA Vera Rubin: platform komputasi yang dirancang untuk menjalankan berbagai beban kerja, termasuk pelatihan model dan inferensi.
• NVIDIA Vera CPU: prosesor yang ditujukan untuk beban kerja agen, termasuk pemrosesan dan pelaksanaan tugas.
• NVIDIA Spectrum-X Ethernet: teknologi jaringan untuk mendukung komunikasi antarsistem dalam infrastruktur berskala besar.
• NVIDIA BlueField-4: unit pemrosesan data yang membantu menangani fungsi infrastruktur dan jaringan.

Kombinasi ini menunjukkan bahwa performa layanan AI dipengaruhi seluruh sistem. Infrastruktur yang cepat pada satu bagian dapat menghadapi hambatan jika perpindahan data atau pemrosesan pada bagian lain tidak seimbang.

Meta menyatakan rencana perluasan ini untuk mendukung performa dan skala kerja, termasuk perhatian terhadap performa per watt. Namun, pengumuman belum memberikan ukuran peningkatan khusus yang akan dicapai Muse. NVIDIA Newsroom

Mengapa efisiensi dan biaya menjadi perhatian utama?

Semakin banyak orang menggunakan layanan digital, semakin besar kebutuhan untuk menjaga kualitas respons secara konsisten. Pengembang perlu mempertimbangkan kecepatan, kapasitas, konsumsi energi, dan biaya infrastruktur secara bersamaan.

Istilah total cost of ownership mencakup biaya kepemilikan dan pengoperasian sistem. Dalam konteks layanan AI, efisiensi dapat dipengaruhi pemilihan perangkat keras, penggunaan energi, jaringan, serta cara model dijalankan.

Bagi penyedia layanan, perbaikan efisiensi berpotensi membantu melayani lebih banyak permintaan dengan sumber daya yang tersedia. Akan tetapi, manfaat akhirnya bergantung pada implementasi nyata dan belum dapat diukur dari pengumuman ini.

Bagaimana keamanan agen dipertimbangkan?

Kemampuan agen menggunakan alat juga menimbulkan kebutuhan akan batas akses dan pemantauan. NVIDIA dan Meta menyatakan sedang mempertimbangkan kolaborasi tambahan yang melibatkan OpenShell untuk penerapan agen dan Sentry untuk memantau perilakunya. NVIDIA Newsroom

Secara umum, NVIDIA menjelaskan bahwa OpenShell menyediakan lingkungan eksekusi dengan kebijakan yang mengatur aktivitas agen. Sentry menambahkan pemantauan dan penegakan kebijakan melalui lapisan yang terpisah dari perangkat lunak utama. Penggunaan teknologi ini dalam Muse masih merupakan peluang yang dipertimbangkan, bukan penerapan yang telah diumumkan. NVIDIA Newsroom

Bagi pengguna, aspek yang patut diperhatikan adalah izin yang diberikan kepada agen, transparansi tindakannya, dan kapan persetujuan manusia diperlukan. Agen AI yang mampu melakukan lebih banyak tugas juga membutuhkan kendali yang sesuai dengan dampak tugas tersebut.

Apa dampaknya bagi perkembangan layanan digital berbasis AI?

Kerja sama ini memperlihatkan arah investasi menuju agen yang lebih berguna dalam aktivitas sehari-hari. Jika tujuan peningkatan performa dan efisiensi tercapai, pengembang berpotensi memiliki dasar yang lebih kuat untuk menghadirkan layanan kepada lebih banyak pengguna.

Meski demikian, dampaknya perlu dinilai melalui hasil nyata: kualitas jawaban, kecepatan, perlindungan data, dan kemudahan pengguna mengendalikan agen. Belum ada rincian dalam pengumuman mengenai fitur baru, jadwal peluncuran, atau manfaat khusus bagi pengguna di Indonesia.

Kesimpulan

Kolaborasi NVIDIA dan Meta menempatkan Muse dalam strategi yang menghubungkan pengembangan model dengan infrastruktur komputasi dan potensi pengamanan agen. Rencana ini menunjukkan bahwa masa depan AI semakin ditentukan oleh kemampuan sebuah sistem bekerja secara efisien dari ujung ke ujung.

Bagi pengguna, ukuran keberhasilannya pada akhirnya adalah apakah teknologi tersebut dapat membantu menyelesaikan pekerjaan dengan respons yang berguna, pengalaman yang konsisten, dan kendali yang jelas.