Oktubre 2026: Nagpapalawig ni NVIDIA at Oracle ang pag-deploy ng Vera Rubin AI sa sukat na maraming gigawatt
Sa Oracle AI World conference noong October 27, 2026, inihayag ng Oracle Corporation at NVIDIA ang malaking pagpapalawak ng kanilang partnership sa enterprise infrastructure. Nakamit ng Oracle Cloud Infrastructure (OCI) ang general availability para sa NVIDIA Vera Rubin NVL72 rack-scale systems at standalone NVIDIA Vera CPUs, habang isinampa ang mga plano para i-scale ang OCI Superclusters patungo sa multi-gigawatt footprint.
Ang pag-deploy na ito ay isa sa mga pinakamaagang public cloud rollout ng NVIDIA’s Rubin platform, na nagdadala ng next-generation architecture diretso sa production cloud data centers. Sa mas malawak na pananaw, ang kasunduang ito ay nagpapakita ng isang structural shift sa paraan ng pagtukoy ng foundational compute sa buong sektor ng teknolohiya. Habang ang mga namumunong laboratoryo sa artificial intelligence, kabilang ang OpenAI, ay nagpapatakbo ng production workloads sa OCI, ang pangunahing benchmark para sa cloud infrastructure ay nabago mula sa pagbilang ng mga indibidwal na processor patungo sa pagpapahintulot sa multi-gigawatt electrical capacity, high-density liquid cooling, at low-latency optical interconnect fabrics.
Sa pamamagitan ng pagpapalawak sa umiiral na mga pag-deploy ng NVIDIA GB200 at GB300 NVL72, ang pinapalawak na pakikipagtulungan ay naglalayon sa mga scalable na OCI Superclusters na kaya mag-link ng higit sa 131,000 na GPUs sa isang solong network fabric. Ang pag-e-evaluate sa mga epekto ng pagpapalabas na ito ay nangangailangan ng pagsusuri sa pisikal na spesipikasyon ng Vera Rubin NVL72 system, ang operasyonal na rasyonal sa paghihiwalay ng mga hiwalay na Vera CPU para sa agentic workloads, ang mga pagpapabuti sa power-efficiency na natamo kumpara sa Blackwell generation, at ang mga modelo ng capital expenditure na sumusuporta sa $90 bilyon hanggang $95 bilyon na budget para sa infrastraktura ng Oracle noong fiscal 2027.
Pagsusuri sa Arkitektura ng Hardware: Vera Rubin NVL72, Magkakahiwalay na Vera CPUs, at HGX NVL8
Ang teknikal na pundasyon ng pinapalawak na pag-deploy ng OCI ay nakabatay sa tatlong magkakaibang hardware configuration na inangkop upang tratuhin ang distributed frontier model training, multi-step agentic workflows, at enterprise fine-tuning.
Mga spesipikasyon ng Vera Rubin NVL72 Rack
Ang pangunahing sistema na ipinapasa sa mga OCI Supercluster ay ang liquid-cooled NVIDIA Vera Rubin NVL72. Gumagana bilang isang pinagsatlang rack-scale compute domain, bawat kabinet ay nagtatampok ng 72 Rubin GPUs at 36 Vera CPUs na konektado sa pamamagitan ng ikapitong henerasyon ng NVIDIA NVLink (NVLink 6), na nag-aalok ng 3.0 TB/s na bidirectional bandwidth bawat GPU at 216 TB/s sa buong rack.
Ang bawat Rubin GPU ay may 288 GB ng next-generation High Bandwidth Memory 4 (HBM4), na nagbibigay ng hanggang 19.2 TB/s ng memory bandwidth bawat chip kasama ang BlueField-4 Data Processing Units (DPUs) at ConnectX-9 SuperNICs para sa storage, security, at network offload. Ang paglipat sa HBM4 ay diretso na tumutugon sa memory-wall bottlenecks na karaniwang nakikita habang sinisilip ang reasoning-focused models at long-context agent environments. Samantalang ang mga mas dating accelerator ay kadalasang nangangailangan ng trillion-parameter models na i-shard sa maraming node para lamang makaroon ng malalaking key-value (KV) caches, ang lalong pinalawig na memory capacity at bandwidth ng arkitekturang Rubin ay nagpapahintulot na manatili sa lokal na high-speed memory ang malalaking context windows, na nagpapabuti sa compute utilization at nagpapababa ng per-token inference costs.
Paghihiwalay ng NVIDIA Vera CPU sa OCI
Ang isang makabuluhang pagkakaiba sa paglunsad ng OCI ay ang kanyang position bilang unang hyperscale cloud provider na nag-aalok ng NVIDIA Vera CPU bilang isang standalone, independiyenteng scalable na compute instance, na may unang deployment ng 150,000 Vera CPUs na plano sa mga Oracle cloud regions. Binuo sa 88 custom Armv9.2-compatible na "Olympus" cores na sumusuporta sa 176 threads sa pamamagitan ng spatial multi-threading at kasama ang hanggang 1.5 TB ng high-bandwidth na LPDDR5X memory, ang Vera CPU ay espesyal na disenyo para sa mga non-GPU stages ng modernong AI workflows.
Sa mga nakaraang henerasyon tulad ng Grace Hopper at Grace Blackwell, ang host CPUs ay pangunahing inilalagay sa mga malapit na kouplad na compute board kasama ang GPUs. Habang napakaepektibo ito para sa malalim na pre-training, ang fixed ratio na ito ay maaaring magdulot ng resource mismatches para sa agentic applications. Ang autonomous AI agents ay nagpapasa ng malaking panahon sa pagitan ng mga model inference calls habang nagpapatakbo ng auxiliary tools, nagpapalikod at nagtataas ng code sa secure sandboxes, nagtatanong sa databases, at nag-o-orchestrate ng retrieval-augmented generation (RAG) pipelines.
Sa pamamagitan ng OCI Compute at ang OCI Kubernetes Engine (OKE), ang mga enterprise customer ay maaari ngayong i-scale nang hiwalay ang Vera CPU instances at Rubin GPU clusters. Halimbawa, ang OpenAI ay nagsisimula nang gamitin ang mga hiwalay na Vera CPU instances ng OCI sa production upang bigyan ng lakas ang kanilang agentic coding sandboxes, habang ang Oracle Acceleron ay nagbibigay ng hardware-enforced isolation para sa pagpapatakbo ng AI-generated code. Ang paghihiwalay ng CPU layer ay nagpapahintulot sa mga engineering team na i-scale nang dinamiko ang host processing nang hindi pinapaligoy ang mahal na GPU silicon.
Planned na ang HGX Rubin NVL8 para sa Enterprise x86 Compatibility
Upang suportahan ang modular na enterprise deployment at ang mga umiiral na ecosystem ng x86 application, inanunsyo rin ni OCI ang kanilang plano na ipakilala ang NVIDIA HGX Rubin NVL8 platform. Konpigurado sa walong NVLink-na-konektadong Rubin GPUs, dual 64-core Intel Xeon 6 processors, 4 TB ng DDR5 system memory, at 6.4 Tbps ng high-speed RDMA networking, ang NVL8 server ay nagbibigay ng mas maliit na eight-GPU building block para sa mga organisasyon na nagpapagawa ng domain-specific training, fine-tuning, at inference nang hindi kailangan ng buong 72-GPU liquid-cooled racks.
Pagsasagawa ng Kapangyarihan sa Bawat Henerasyon kumpara sa mga Botele ng Utility Grid
Ang pagtutok sa multi-gigawatt na AI infrastructure ay malalim na binabago ng mga pisikal na limitasyon sa enerhiya. Kasama sa utility interconnection queues sa mga pangunahing data center hubs na kadalasang kumukuha ng ilang taon para magbigay ng bagong mataas na boltahe na kapasidad, ang cloud operators ay hindi kayang palawakin ang compute supply nang magkakasama lamang sa pagtatayo ng mas maraming facility. Ang paglalawak ay nangangailangan ng pagkuha ng mas malaking compute throughput mula sa bawat megawatt ng available na enerhiya.
Pagsusulong ng Compute Yield sa Ilalim ng Mga Nakapirming Limitasyon ng Substation
Ang pagbibigay ng hanggang 30 beses na mas mataas na inference throughput bawat watt ay nagbabago nang fundamental sa ekonomiks ng cloud unit. Kapag nakakakuha ang isang operator ng data center ng multi-hundred-megawatt na alokasyon ng kuryente, ang hangganan na ito ay nananatiling fixed sa malapit na panahon. Sa pamamagitan ng pag-deploy ng Vera Rubin racks na nagpapagawa ng mas maraming token bawat watt, habang nagbabahagi ng karaniwang CUDA software foundation kasama ang umiiral na GB200 at GB300 infrastructure, maaaring mag-shift nang dinamiko ang OCI ang kapasidad sa pagitan ng pag-train ng frontier model at high-volume production inference, upang maksimisahin ang kita bawat megawatt ng kontratadong kuryente mula sa grid.
Mga Topolohiya ng Network at Pisikal na Infrastruktura: Pagkonekta sa 131,000+ na GPUs
Ang pag-scalar ng isang AI supercluster sa mga daan-daang libo-libo ng processor ay nagdadala ng malalaking hamon sa networking. Kapag nag-synchronize ng mga model gradient ng libo-libo ng GPU, ang mga network bottleneck ay maaaring mag-iiwan ng mga processor na naghihintay sa pag-transfer ng data kaysa mag-execute ng mga computation.
Multipath Reliable Connection (MRC) at Eight-Plane Networking
Nilalampas ng OCI ang mga bottleneck sa pag-scale ng networking sa pamamagitan ng pagpagsasama ng Oracle Acceleron architecture nito kasama ang NVIDIA Spectrum-X Ethernet, gumagamit ng 102.4 Tb/s Spectrum-6 switches, ConnectX-9 SuperNICs, at BlueField-4 DPUs. Sa halip na magtatagpo sa tradisyonal na three-tier network topologies na nagdadagdag ng hop latency at switch costs, pinagsasama ng OCI ang multiplanar networking kasama ang SRv6 source routing upang bumuo ng flat, two-tier networks na kayang suportahan ang higit sa 131,000 GPUs.
Sa transport layer, ginagamit ng Oracle Acceleron ang kanyang Multipath Reliable Connection (MRC) protocol sa isang walong-plane na network architecture, kung saan ang bawat server ay nagkonekta sa walong independiyenteng network plane nang sabay-sabay. Sa halip na i-pinch ang GPU-to-GPU data transfer sa isang solong physical fiber path, na madalas ay nagdudulot ng congestion hotspots kapag nagkakasalubong ang malalaking data streams, sinisira ng MRC ang mga packet mula sa isang koneksyon sa mga daan-daang available na network path nang sabay-sabay. Sa pamamagitan ng dinamikong pagbalanse ng trapiko sa multiplanar na fabric, minimi nito ang tail latency at pinapanatili ang paggamit ng GPU clusters sa maipagkakasya.
Ang Disenyo ng Kampus na Dalawang Kilometro
Ang pisikal na layo ay nagtatadhana rin sa distributed superclusters, dahil ang optical fiber ay nagdudulot ng humigit-kumulang 5 mikrosekondong propagation delay bawat kilometer. Kung iskater ang isang multi-gigawatt na deployment sa mga malalayong facility, ang speed-of-light latency ay nagpapababa sa performance ng synchronous training. Bilang tugon, ang OCI Superclusters ay disenyo sa loob ng mga campus na may kapasidad sa giga-watt, na optimal para sa mataas na density sa loob ng isang radius na dalawang kilometro, na nag-iintegrate ng multi-rack power delivery at closed-loop liquid cooling sa isang kompakto na pisikal na footprint.
Ang $40B bawat Gigawatt na benchmark at ang multi-vendor na estratehiya ni Oracle
Ang maraming gigawatt na pagpapalawak sa pagitan ng NVIDIA at Oracle ay nagpapakita ng malalaking pagsisikap sa kapital na nagpapabago sa sektor ng AI infrastructure. Habang hindi inilabas ng dalawang kumpanya ang tiyak na halaga sa dolyar para sa kasunduan noong Oktubre 2026, ang pamamahala ng NVIDIA ay dating binanggit ang halos $40 bilyon bawat gigawatt bilang batayan para sa kabuuang pagkakataon sa infrastraktura ng data center sa compute, networking, at mga sistema.
Paggawa ng isang Capital Expenditure Roadmap na may halagang $90B–$95B
Sa kanyang mga update sa mga investor noong Oktubre 2026, binigyang-diin ni Oracle ang kanyang target sa kapital na gastos para sa taong pampagpapala 2027 na humigit-kumulang $90 bilyon hanggang $95 bilyon habang nagtatrabaho para sa pagpapalabas ng kapasidad ng data center na maraming gigawatt. Dahil ang pagsasagawa ng maraming gigawatt ng infrastruktura ayon sa cash flow mula sa operasyon lamang ay magdudulot ng presyon sa anumang iisang balance sheet ng korporasyon, tinalakay ni Oracle na sinusunod niya ang pagpapalabas ng kapital sa pamamagitan ng kombinasyon ng mga advance payment mula sa mga customer sa matagalang panahon, equity financing, at mga kasunduan sa hardware na ibinibigay ng customer—kung saan ang mga pangunahing AI client ay sumasakop sa patuloy na bahagi ng gastos sa pagkuha ng chip habang ang OCI ay nagbibigay ng mga data center shell na may enerhiya, liquid cooling, at Acceleron networking fabric.
Kasabay ng pagpapalabas ng hardware, siniguro rin ni Oracle ang kanyang pagtatrabaho sa enterprise software kasama ang OpenAI upang sakop ang Oracle AI Workspace at ang AI Security Mesh, at ipinapalalim ang mga kakayahan ng frontier model sa mas malalim na mga workflow ng enterprise.
Silicon Diversification: Google TPUs, Cerebras, at SambaNova
Kahit na lalalim ng Oracle ang pangunahing pagkakasundo nito sa NVIDIA, ang kumpanya ay nagpapalaganap ng multi-vendor chip strategy upang bigyan ang mga customer sa cloud ng hardware flexibility sa iba’t ibang uri ng workload. Kasabay ng pagpapahayag tungkol sa Vera Rubin, ipinakilala ng Oracle ang mga kasunduan para i-integrate ang Google Cloud Tensor Processing Units (TPUs) at mga espesyalisadong AI chip mula sa wafer-scale developer na Cerebras Systems at SambaNova sa kanilang ecosystem. Ang multi-architecture approach na ito ay nagpapahintulot sa mga enterprise na i-route ang mga espesyalisadong inference o domain-specific na gawain sa iba’t ibang accelerators habang gumagamit ng NVIDIA Vera Rubin superclusters para sa malaking scale na pagtatrabaho at agentic systems.
Kongklusyon
Ang pagpapalawak ng NVIDIA Vera Rubin infrastructure sa multi-gigawatt scale sa Oracle Cloud Infrastructure ay nagpapakita ng industriyal na pagbabago ng cloud computing. Sa pamamagitan ng pagkakaisa ng mga liquid-cooled NVL72 racks, hanggang 30x mas mataas na inference efficiency per watt, at isang eight-plane Acceleron network na kaya mag-link ng higit sa 131,000 GPUs sa loob ng dalawang-kilometro radius, ang OCI at NVIDIA ay nag-e-engineer laban sa mga pisikal na limitasyon ng power delivery at network latency. Kasama ang decoupled Vera CPUs para sa agentic workloads at isang diversified chip portfolio na kasama ang Google TPUs, Cerebras, at SambaNova, ang Oracle’s $90 billion hanggang $95 billion capital roadmap ay isinasaayos ang gigawatt-scale na enerhiya at compute orchestration bilang sentro ng kompetisyon sa enterprise AI.
Mga Karaniwang Tanong
Ano ang inanunsyo ng NVIDIA at Oracle noong Oktubre 2026?
Noong Oktubre 27, 2026, sa Oracle AI World, inanunsyo ng NVIDIA at Oracle ang kanilang mga plano na palawakin ang mga OCI Superclusters sa sukat na maraming gigawatt gamit ang mga NVIDIA Vera Rubin NVL72 rack-scale system. Inanunsyo rin ng mga kumpanya ang agad na pangkalahatang pagkakaroon ng mga sistema na Vera Rubin NVL72 at mga standalone NVIDIA Vera CPU sa OCI, kasama ang mga plano na ipakilala ang mga eight-GPU HGX Rubin NVL8 server.
Paano ihahambing ang NVIDIA Vera Rubin platform sa Blackwell?
Ayon sa Oracle at NVIDIA, ang platform na Vera Rubin ay nagtataglay ng hanggang 30 beses na mas mataas na inference throughput per watt at hanggang 4x na pagpapabuti sa performance sa pagtuturo kumpara sa nakaraang henerasyon ng Blackwell. Ang bawat Rubin GPU ay may 288 GB ng HBM4 memory na may 19.2 TB/s na bandwidth at kumukonekta sa pamamagitan ng ikasampung NVLink na may 3.0 TB/s na bidirectional bandwidth bawat GPU.
Bakit ibinibigay ni Oracle ang mga standalone NVIDIA Vera CPU?
Ang mga modernong AI agent ay gumagamit ng malaking oras sa pagproseso sa labas ng GPUs—paggaganap ng code sa sandboxes, pagtawag sa mga panlabas na kasangkapan, at pagkuha ng data. Sa pamamagitan ng pagtatayo ng 150,000 na mandirigma na 88-core na NVIDIA Vera CPUs sa kanilang mga rehiyon, pinapayagan ng OCI ang mga customer tulad ng OpenAI na i-scale ang mga trabaho ng agent na may malaking pangangailangan sa CPU nang hiwalay mula sa GPU clusters, upang mabawasan ang hindi ginagamit na kapasidad ng hardware.
Paano pinapagana ng Oracle ang pagbuo ng kanyang maraming gigawatt na infrastruktura para sa AI?
Nanatili ang Oracle sa kanilang target na gastos sa kapital para sa piskal na 2027 na $90 bilyon hanggang $95 bilyon. Upang masuportahan ang mga pangangailangan sa balance sheet habang umuunlad sa sukat na maraming gigawatt, gumagamit ang Oracle ng isang kombinasyon ng operating cash flow, mga advance payment mula sa mga customer, paglabas ng equity, at mga kasunduan kung saan ang mga malalaking customer ay tumutulong na mabayaran ang gastos sa pagkuha ng mga chip.
Pahiwatig
Ang pangkalahatang impormasyon sa merkado na ito, maaaring mula sa mga third-party, komersyal, o sinponsor na pinagkukunan, ay ibinibigay lamang para sa refrensya at edukasyonal na layunin at hindi naglalayong maging payo sa pananalapi o pag-invest, tawag, paghingi, o jamin. Kami ay nagtatanggi sa anumang pananagutan para sa kawastuhan, kakahusayan, reliability nito, at anumang nagresultang pagkawala. Ang pag-invest/trade ay may panganib; ang nakaraang performance ay hindi nagjanin ng mga resulta sa hinaharap. Dapat mag-ralat, magpasya nang may pag-iingat, at tanggapin ang buong pananagutan ang mga gumagamit. Para sa karagdagang detalye, mangyaring basahin ang Mga Tuntunin ng Paggamit at Pagpapakilala sa Panganib ng KuCoin.
Disclaimer: AI technology ang ginamit sa pag-translate ng page na ito para sa convenience mo. Para sa pinaka-accurate na impormasyon, mag-refer sa original na English version.