Kenapa Ethernet Terbuka adalah Tulang Punggung Jaringan Masa Depan Arista memainkan peran penting dalam pergeseran besar menuju open networking—menawarkan jaringan berbasis standar terbuka seperti Ethernet, bukan sistem berpemilik seperti InfiniBand. Arsitektur mereka didukung oleh EOS (Extensible Operating System) yang kuat dan stabil, didesain untuk memungkinkan pengembangan fitur AI-native, observabilitas, dan otomatisasi tingkat lanjut . Arista juga menjadi pendiri Ultra Ethernet Consortium (UEC), kolaborasi penting antar pelaku industri untuk memperkuat dan standarisasi Ethernet di tengah tuntutan jaringan AI dan HPC Dengan pendekatan ini, Arista menawarkan solusi interoperable dan skalabel—penting agar perusahaan tak terkunci pada vendor tertentu. Mendukung AI Skala Besar: Perangkat dan Teknologi Arista Dalam era AI, jaringan bukan hanya soal koneksi—tapi soal kecepatan, konsistensi, dan latensi rendah. Arista menjawab kebutuhan ini dengan jajaran perangkat Ethernet kelas atas: 7700R4 Distributed Etherlink Switch: Cocok untuk AI cluster besar, dibangun dengan bufer dalam untuk transfer tanpa kehilangan data. Meta sudah menggunakannya dalam AI fabric mereka . 7800R4 Spine Switch: Menyediakan kapasitas hingga 460 Tbps—memungkinkan skala yang sangat besar tanpa kendala performa . 7060X6 Leaf Switch: Ketersediaan port hingga 64 x 800G / 128 x 400G, ideal untuk menyokong GPU pod dan cluster AI Semua perangkat ini adalah “AI-ready”, mendukung RoCEv2, ECN, PFC, serta integrasi penuh dengan CloudVision, tool observabilitas andalan Arista . Menciptakan AI Network yang Pintar: EOS Smart AI Suite & Observabilitas Arista tak hanya menyuguhkan hardware, tapi juga inovasi software. EOS Smart AI Suite membawa keunggulan penting seperti Cluster Load Balancing (CLB)—teknologi cerdas yang mendistribusikan trafik secara merata ke AI cluster, meminimalkan latensi samping (tail latency), dan meningkatkan throughput keseluruhan.. Untuk visibilitas dan analisa mendalam, CloudVision Universal Network Observability (CV UNO) bekerja dengan platform AI AVA, menyuguhkan monitoring real-time berbasis mikrodetik, analisis lalu lintas GPU, dan infografis visual yang kritikal untuk troubleshooting cepat . Praktis, semua ini dibangun atas fondasi EOS dan arsitektur NetDL untuk data lake jaringan. Momentum Pasar & Ekspansi ke Jaringan Edge Arista menunjukkan pertumbuhan signifikan: Q2 2025 mencatat revenue naik 30% (USD 2,2 miliar) dan target pendapatan dari AI naik menjadi USD 1,5 miliar—semua karena permintaan layanan AI dan cloud yang melesat . Saham Arista pun mencetak rekor tertinggi, didorong keyakinan investor terhadap adopsi tinggi ke depan Tak hanya di data center, Arista juga aktif berekspansi ke jaringan kampus, cabang, dan edge—aplikasi penting seiring makin pintarnya arsitektur IT modern Ini diperkuat lewat akuisisi VeloCloud SD-WAN dari Broadcom, yang memperkuat portofolio Arista dengan solusi WAN cerdas, aman, dan otomatis Mengapa Sekarang Waktu Tepat Memilih Arista? Kelebihan Arista Manfaat untuk Infrastruktur Anda Open Ethernet & EOS Tidak terikat vendor; fleksibel dan masa depan-proof. Perangkat Skala AI Mendukung throughput ekstrem; cocok untuk AI cluster besar. Observabilitas AI-Centric Monitoring real-time untuk job-critical workloads. Pertumbuhan kuat & Fokus AI Dipercaya hyperscaler; validasi pasar nyata. Ekosistem Edge & SD-WAN Wujud jaringan end-to-end tanpa gap—dari cloud hingga branch. Inovasi berkelanjutan Aktif R&D, konsisten menghadirkan fitur cutting-edge. Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan arista indonesia, Anda bisa mendapatkan solusi IT lengkap yang sesuai dengan kebutuhan Anda. iLogo Indonesia sebagai mitra terpercaya siap mengintegrasikan semuanya agar bisnis Anda tetap berjalan lancar dan aman. Hubungi kami sekarang atau kunjungi arista.ilogoindonesia.id untuk informasi lebih lanjut!
Tag: AI
Memimpin Inovasi Jaringan di Era AI dan Cloud
Arista Networks, Inc. (NYSE: ANET) telah lama dikenal sebagai pelopor dalam solusi jaringan berbasis cloud dan pusat data. Pada tahun 2025, perusahaan ini semakin memperkuat posisinya sebagai pemimpin industri dengan menghadirkan inovasi yang mendukung transformasi digital di berbagai sektor.blogs.arista.com+12investors.arista.com+12Arista Networks+12 🚀 Inovasi Terbaru: EOS Smart AI Suite Pada Maret 2025, Arista memperkenalkan EOS Smart AI Suite, sebuah rangkaian fitur cerdas yang dirancang untuk mengoptimalkan kinerja klaster AI. Fitur ini mencakup load balancing untuk beban kerja AI dan peningkatan observabilitas yang mencakup peralatan jaringan pihak ketiga, membuka jalan bagi manajemen klaster Ethernet yang canggih untuk jaringan AI. investors.arista.com+2Futuriom+2Arista Networks+2 📈 Kinerja Keuangan yang Mengesankan Arista mencatat pencapaian luar biasa pada kuartal pertama 2025 dengan pendapatan sebesar $2,01 miliar, meningkat 28% dibandingkan tahun sebelumnya. Laba bersih mencapai $813,8 juta, mencerminkan margin keuntungan sebesar 41%. Investor’s Business Daily+2Investopedia+2Yahoo Finance+2Yahoo Finance Perusahaan juga memproyeksikan pendapatan sebesar $2,1 miliar untuk kuartal kedua 2025, menunjukkan pertumbuhan yang berkelanjutan meskipun ada ketidakpastian terkait tarif perdagangan. Arista Networks 🧠 Fokus pada Jaringan AI dan Cloud Dengan meningkatnya permintaan akan solusi AI dan cloud, Arista memperkuat portofolio produknya untuk memenuhi kebutuhan ini. Perusahaan memperkirakan pendapatan terkait AI mencapai $1,5 miliar pada tahun 2025, didorong oleh adopsi teknologi Ethernet dalam jaringan AI. Investor’s Business Daily Arista juga aktif dalam konsorsium Ultra Ethernet, berkolaborasi dengan perusahaan seperti Broadcom untuk mengembangkan teknologi Ethernet yang lebih canggih guna memenuhi kebutuhan jaringan AI yang kompleks.Investor’s Business Daily+1Barron’s+1 🏆 Pengakuan Industri Pada Maret 2025, Arista diakui dalam kuadran pemimpin oleh Gartner dalam laporan Magic Quadrant untuk Data Center Switching. Pengakuan ini menyoroti kemampuan Arista dalam mengeksekusi strategi dan visi yang kuat dalam industri jaringan. investors.arista.com+6Arista Networks+6investors.arista.com+6 🔮 Visi Masa Depan Arista menetapkan target ambisius untuk mencapai pendapatan sebesar $8,2 miliar pada tahun 2025, dengan pertumbuhan tahunan sekitar 17%. Pertumbuhan ini diharapkan didorong oleh ekspansi ke pasar enterprise dan penyedia layanan, serta peningkatan permintaan akan solusi jaringan AI dan cloud. BeyondSPX ✅ Kesimpulan Arista Networks terus menunjukkan kepemimpinan dalam industri jaringan dengan inovasi yang mendukung transformasi digital di era AI dan cloud. Dengan kinerja keuangan yang kuat, pengakuan industri, dan visi masa depan yang jelas, Arista siap untuk terus tumbuh dan memberikan nilai tambah bagi pelanggan dan pemangku kepentingan di seluruh dunia. Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan arista indonesia, Anda bisa mendapatkan solusi IT lengkap yang sesuai dengan kebutuhan Anda. iLogo Indonesia sebagai mitra terpercaya siap mengintegrasikan semuanya agar bisnis Anda tetap berjalan lancar dan aman. Hubungi kami sekarang atau kunjungi arista.ilogoindonesia.id untuk informasi lebih lanjut!
Meta dan Arista Membangun AI dalam Skala Besar
Kemitraan antara Arista dan Meta telah menjadi kunci dalam mengembangkan solusi jaringan untuk AI, khususnya dengan penerapan Arista 7700R4 Distributed Etherlink Switch (DES) pada kluster AI berbasis Ethernet terbaru milik Meta. Tonggak ini mencerminkan kolaborasi yang dalam dan telah berlangsung lama, dimulai dengan pengembangan bersama sistem Arista 7368X4 minipack 100G pada tahun 2018, diikuti oleh beberapa iterasi sistem yang terinspirasi oleh OCP yang telah diterapkan secara luas. Perubahan Lanskap Jaringan AI Lanskap AI mengalami perubahan besar dengan kemunculan model AI besar seperti ChatGPT, yang menyoroti potensi besar dari AI kognitif. Seiring dengan berkembangnya beban kerja AI yang semakin besar dan kompleks, kebutuhan jaringan untuk menangani beban kerja tersebut juga berkembang. Meskipun banyak kebutuhan dasar dari kluster High-Performance Computing (HPC) pada tahun 2008—seperti performa tanpa hambatan, antarmuka berkecepatan tinggi, dan manajemen lalu lintas—masih relevan hingga saat ini, skala sistem ini telah meningkat secara dramatis. Pada tahun 2010, kluster HPC biasanya menggunakan Ethernet 10G, dengan ratusan node yang terhubung melalui sistem Arista 7500E series. Pada tahun 2024, ini telah berubah menjadi Ethernet 400G, dengan interkoneksi yang bekerja pada 800G, dan kluster AI sekarang terdiri dari ribuan node komputasi, masing-masing dengan beberapa XPU. Perubahan ini menegaskan semakin meningkatnya kebutuhan akan jaringan Ethernet berkecepatan tinggi untuk mendukung aplikasi AI, yang secara efektif menyelesaikan perdebatan antara penggunaan InfiniBand (IB) dan Ethernet. Menanggapi Permintaan Beban Kerja AI yang Besar Aplikasi AI modern, terutama model AI berskala besar dan pembelajaran mendalam, memberikan tuntutan yang sangat besar pada jaringan pusat data. Dengan ribuan node komputasi yang masing-masing membutuhkan pertukaran data yang cepat dan efisien, menjadi jelas bahwa memenuhi kebutuhan jaringan untuk infrastruktur sebesar itu dalam satu sistem saja tidak mungkin. Prosesor satu chip atau bahkan sistem multi-chip terbatas oleh kendala fisik seperti ukuran rak jaringan dan jarak antar node komputasi. Oleh karena itu, jaringan AI berskala besar biasanya menggunakan arsitektur “leaf-spine” multi-tier. Arsitektur ini memungkinkan fleksibilitas tetapi datang dengan tantangan dalam mengelola konfigurasi yang kompleks, termasuk manajemen kemacetan, penyetelan kinerja, dan penyeimbangan beban. Menanggapi tantangan ini, vendor, bersama pelanggan seperti Meta, bekerja sama melalui Ultra Ethernet Consortium untuk meningkatkan penanganan transportasi tanpa kehilangan (lossless), distribusi paket yang efisien, dan pengendalian kemacetan di jaringan multi-tier yang dirancang untuk beban kerja AI. Pendekatan Distributed Etherlink Switch (DES) Pengenalan platform Arista 7700R4 DES menandai perubahan signifikan dalam jaringan AI. Meskipun secara fisik mungkin terlihat mirip dengan jaringan leaf/spine dua-tier tradisional, sistem DES menawarkan pendekatan yang sangat berbeda. DES menyediakan penerusan satu hop dengan lapisan spine fabric yang efisien, memastikan skalabilitas dan kinerja yang tinggi. Apa yang membedakan DES adalah desainnya yang dirancang untuk menangani beban kerja AI yang sangat besar tanpa memerlukan penyetelan ekstensif yang biasanya diperlukan pada sistem multi-tier tradisional. 7700R4 DES mengintegrasikan Virtual Output Queues (VoQ) khusus untuk menampung aliran data intensif, penyeimbangan beban yang 100% efisien, dan kemampuan pengalihan cepat (fast failover). Fitur-fitur ini menghilangkan kebutuhan untuk konfigurasi yang rumit dan memberikan solusi yang andal untuk sistem AI berskala besar. Peran Meta dalam Pembentukan Solusi Masukan dari Meta sangat penting dalam pengembangan 7700R4 DES, memanfaatkan pengalaman mereka dengan sistem 7800R3 sebelumnya. Dengan pengetahuan mendalam mereka tentang beban kerja AI dan jaringan, Meta mengidentifikasi kebutuhan akan solusi skala lebih besar yang dapat berkembang dengan lancar ke 800G, sambil tetap mempertahankan manfaat dari arsitektur R-Series Arista. Sebagai kesimpulan, penerapan Arista 7700R4 DES dalam kluster AI Meta merupakan langkah maju yang signifikan dalam mengatasi tantangan jaringan yang ditimbulkan oleh model AI besar. Kolaborasi ini menunjukkan kekuatan kemitraan antara Meta dan Arista, karena kedua perusahaan terus berinovasi dan berkembang untuk memenuhi tuntutan aplikasi AI dan pembelajaran mesin yang semakin berkembang. 7700R4 berperilaku seperti satu sistem, dengan buffer dalam khusus untuk memastikan transportasi tanpa kehilangan di seluruh jaringan AI berbasis Ethernet. DES tidak bergantung pada topologi, siap untuk UEC, dioptimalkan untuk beban kerja pelatihan dan inferensi, dengan arsitektur yang 100% efisien, dan menawarkan telemetri yang kaya serta fitur cerdas yang dibutuhkan oleh Pusat AI modern. Keunggulan Utama DES Advantage Description Impact Accelerator Agnostic DES works with any XPU, workload, and vertical application. Future-proof solution that is flexible with no lock-ins. NIC Agnostic DES works with all high-speed networks and delivers a lossless, fully scheduled solution with packet spraying without needing a dedicated smart NIC. No special NICs are required, with substantial cost and power savings. Topology Agnostic DES accommodates commonly deployed 2-tier ToR and rail designs simultaneously. Maximizes performance and reduces the cost and power of optics and fibers. Ultra Ethernet Ready DES works with or without UEC enhancements. Future-proof solution, flexible – no need to wait. No Special Tuning Required DES is 100% efficient out of the box based on the R-Series VoQ and cell-based fabric architecture. Saves time and maximizes XPU investment by accelerating deployment. Fast Hardware Failover DES provides 100ms link failure detection and reroute. No active protocol failovers, no subnet manager or controller needed. Built for LPO All DES ports support Linear Drive Pluggable Optics. This allows a 50% or greater power reduction on leaf-spine links. Smart features for AI DES provides native visibility, advanced traffic management, and NIC integration. With a deep understanding of cluster performance and setting, troubleshooting is easy. Ringkasan Meningkatnya kebutuhan Pusat AI telah menciptakan tuntutan yang lebih besar pada jaringan terbuka modern. Portofolio Etherlink Arista menawarkan pilihan dalam bentuk faktor, mulai dari sistem chip tunggal hingga jaringan multi-chip modular multi-tier yang dapat diskalakan hingga ribuan port XPU. Arista 7700R4 Distributed Etherlink Switch menawarkan kesederhanaan dan skalabilitas dengan solusi yang hemat biaya dan efisien daya untuk Pusat AI. Kami sangat senang dengan kolaborasi rekayasa yang erat dengan Meta untuk era baru AI.
Era Baru Pusat Kecerdasan Buatan
Pada tahun 1984, Sun terkenal karena menyatakan, “Jaringan adalah Komputer.” Empat puluh tahun kemudian, kita melihat siklus ini menjadi kenyataan lagi dengan munculnya AI. Sifat kolektif dari model pelatihan AI bergantung pada jaringan yang lossless dan sangat tersedia untuk menghubungkan setiap GPU di dalam klaster satu sama lain dan memungkinkan kinerja puncak. Jaringan juga menghubungkan model AI yang telah dilatih kepada pengguna akhir dan sistem lainnya di pusat data seperti penyimpanan, memungkinkan sistem untuk menjadi lebih dari sekadar jumlah dari bagian-bagiannya. Akibatnya, pusat data sedang berkembang menjadi Pusat AI baru di mana jaringan menjadi pusat manajemen AI. Trends in AI Untuk memahami hal ini, mari kita pertama-tama melihat ledakan dataset AI. Saat ukuran model bahasa besar (LLM) meningkat untuk pelatihan AI, paralelisasi data menjadi tak terhindarkan. Jumlah GPU yang diperlukan untuk melatih model-model ini yang lebih besar tidak dapat mengimbangi jumlah parameter besar dan ukuran dataset. Paralelisasi AI, baik itu data, model, atau pipeline, hanya efektif sebagaimana jaringan yang menghubungkan GPU-gpu tersebut. GPU harus bertukar dan menghitung gradien global untuk menyesuaikan bobot model. Untuk melakukannya, komponen-komponen yang berbeda dari teka-teki AI harus bekerja secara bersatu sebagai satu Pusat AI tunggal: GPU, NIC (Network Interface Controller), aksesori penghubung seperti optik/kabel, sistem penyimpanan, dan yang paling penting adalah jaringan di tengah-tengah semuanya. Today’s Network Silos Ada banyak alasan dan penyebab kinerja yang kurang optimal di pusat data berbasis AI saat ini. Pertama dan terutama, jaringan AI menuntut Kualitas Layanan yang konsisten dari ujung ke ujung untuk transportasi tanpa kehilangan data. Ini berarti bahwa NIC (Network Interface Controller) di server, serta platform jaringan, harus memiliki penanda/pemetaan yang seragam dan kontrol yang akurat serta pemberitahuan kejenuhan (PFC & ECN dengan DCQCN) serta ambang batas penggunaan buffer yang sesuai sehingga setiap komponen dapat bereaksi terhadap peristiwa jaringan seperti kejenuhan dengan cepat, memastikan pengirim dapat mengontrol laju aliran lalu lintas secara tepat untuk menghindari penurunan paket. Saat ini, NIC dan perangkat jaringan dikonfigurasi secara terpisah. Ketidakcocokan konfigurasi apa pun dapat sangat sulit untuk didebug di jaringan AI yang besar. Salah satu alasan umum untuk kinerja yang buruk adalah kegagalan komponen. Server, GPU, NIC, transceiver, kabel, switch, dan router dapat mengalami kegagalan yang mengakibatkan pengembalian ke N – atau bahkan lebih buruk lagi, dapat menahan seluruh pekerjaan, yang mengakibatkan hukuman kinerja yang besar. Dan probabilitas kegagalan komponen menjadi lebih jelas saat ukuran kluster bertambah. Secara tradisional, perpustakaan komunikasi kolektif (CCL) dari vendor GPU akan mencoba menemukan topologi jaringan yang mendasarinya menggunakan teknik lokalitas, tetapi ketidaksesuaian antara topologi yang ditemukan dan yang sebenarnya dapat secara serius mempengaruhi waktu penyelesaian pekerjaan pelatihan AI. Aspek lain dari jaringan AI adalah bahwa sebagian besar operator memiliki tim terpisah yang merancang dan mengelola infrastruktur komputasi dan jaringan yang berbeda. Hal ini melibatkan penggunaan sistem orkestrasi yang berbeda untuk konfigurasi, validasi, pemantauan, dan peningkatan. Kurangnya titik kontrol dan visibilitas tunggal membuat sangat sulit untuk mengidentifikasi dan mengisolasi masalah kinerja. Semua masalah ini diperparah dengan bertambahnya ukuran kluster AI. Mudah untuk melihat bagaimana silo-silo ini dapat tumbuh lebih dalam untuk memperburuk masalah. Operasi terbagi antara komputasi versus jaringan dapat menyebabkan tantangan dalam menghubungkan teknologi-teknologi tersebut bersama untuk kinerja optimal, serta dalam menangani penurunan kinerja atau kegagalan langsung. Jaringan itu sendiri dapat terbagi menjadi pulau-pulau kluster InfiniBand HPC yang berbeda dari pusat data berbasis Ethernet. Hal ini dapat membatasi perlindungan investasi, menimbulkan tantangan dalam melewati data antara pulau-pulau tersebut, memaksa penggunaan gateway yang canggung, serta dalam menghubungkan komputasi ke penyimpanan dan pengguna akhir. Fokus hanya pada satu teknologi (seperti komputasi, misalnya) secara terpisah dari semua aspek solusi holistik mengabaikan sifat saling tergantung dan terhubungnya teknologi-teknologi seperti yang ditunjukkan di bawah ini. Kebangkitan Pusat AI Baru Pusat AI baru mengakui dan merangkul keseluruhan dari ekosistem modern yang saling bergantung ini. Seluruh sistem naik bersama untuk kinerja optimal daripada terdampar dalam isolasi seperti pada silo jaringan sebelumnya. GPU membutuhkan jaringan yang dioptimalkan dan tanpa kehilangan data untuk menyelesaikan pelatihan AI dalam waktu sesingkat mungkin, dan kemudian model AI yang terlatih tersebut perlu terhubung ke klaster inferensi AI untuk memungkinkan pengguna akhir mengajukan pertanyaan kepada model. Node komputasi, yang mencakup baik GPU / akselerator AI maupun CPU / komputasi umum, perlu berkomunikasi dengan dan terhubung ke sistem penyimpanan serta sistem IT lainnya yang ada di pusat data yang sudah ada. Tidak ada yang bekerja sendiri-sendiri. Jaringan bertindak sebagai jaringan penghubung untuk memicu semua titik interaksi tersebut, sama seperti sistem saraf menyediakan jalur antara neuron dalam manusia. Nilai dari setiap komponen adalah hasil kolektif yang dimungkinkan oleh sistem total yang terhubung sebagai satu kesatuan, bukan dalam komponen-komponen individu yang beroperasi sendiri. Bagi manusia, nilai datang dari pikiran dan tindakan yang dimungkinkan oleh sistem saraf, bukan hanya dari neuron secara individual. Demikian pula, nilai dari sebuah Pusat AI adalah output yang dikonsumsi oleh pengguna akhir untuk memecahkan masalah dengan AI, dimungkinkan oleh klaster pelatihan yang terhubung ke klaster inferensi yang terhubung ke sistem penyimpanan dan sistem IT lainnya, yang terintegrasi dalam jaringan tanpa kehilangan data sebagai sistem saraf pusat. Pusat AI bersinar dengan menghilangkan silo untuk memungkinkan penyetelan kinerja yang terkoordinasi, pemecahan masalah, dan operasi, dengan jaringan pusat memainkan peran penting untuk menciptakan dan menggerakkan sistem yang terhubung tersebut. Arista EOS Menguasai Pusat AI EOSⓇ adalah sistem operasi kelas terbaik dari Arista yang menggerakkan jaringan AI scale-out terbesar di dunia, menggabungkan semua bagian dari ekosistem untuk menciptakan Pusat AI baru. Jika jaringan adalah sistem saraf dari Pusat AI, maka EOS adalah otak yang mengendalikan sistem saraf tersebut. Inovasi baru dari Arista, yang terintegrasi dalam EOS, lebih lanjut memperluas konsep terhubung dari Pusat AI dengan lebih erat menghubungkan jaringan ke host terhubung sebagai sistem holistik. EOS memperluas kontrol, telemetri, dan karakteristik QoS tanpa kehilangan data secara luas dari switch jaringan hingga agen EOS jarak jauh yang berjalan pada NIC di server/GPU yang terhubung langsung. Agen jarak jauh yang diterapkan pada NIC/server AI mengubah switch untuk menjadi pusat jaringan AI untuk mengonfigurasi, memantau, dan men-debug masalah pada Host dan GPU AI. Hal ini memungkinkan titik kontrol dan visibilitas tunggal dan seragam. Dengan memanfaatkan agen jarak…