A Google Cloud está empacotando hardware de supercomputação e modelos da DeepMind numa única plataforma científica

A camada de hardware: H4D, Titanium e um sistema de arquivos paralelo gerenciado

A novidade concreta de infraestrutura são as VMs H4D, descritas como as VMs baseadas em CPU mais potentes da Google Cloud, construídas com os CPUs AMD mais recentes e combinadas com a aceleração de rede Titanium. O objetivo declarado é permitir que cientistas escalem aplicações de HPC para milhares de processadores. O H4D já está em preview.

Duas peças de apoio importam para quem já administrou um cluster de verdade. O Cluster Toolkit promete implantações replicáveis, e o Cluster Director (renomeado de Hypercompute Cluster) permite operar um cluster grande como uma única unidade. A Google está reconhecendo que o peso de implantar e gerenciar, não só a força bruta em FLOPs, é o que afasta pesquisadores do HPC em nuvem.

O armazenamento ganha sua própria resposta: o Google Cloud Managed Lustre, construído com a DDN e baseado no EXAScaler Lustre. Em vez de reinventar um sistema de arquivos paralelo, a Google está empacotando um já consolidado como serviço gerenciado para atender às demandas extremas de armazenamento de simulações e treinamento de IA.

Modelos da DeepMind chegam como produtos prontos para deploy na Cloud

O movimento mais distinto é transformar pesquisa da DeepMind em ofertas prontas para a Cloud. O AlphaFold 3, da DeepMind e da Isomorphic Labs, é oferecido como uma Solução de Alto Throughput para uso não comercial, com deploy possível via Cluster Toolkit, processamento em lote de até dezenas de milhares de sequências e autoscaling para controlar custo.

Os modelos WeatherNext estão sendo disponibilizados pelo Vertex AI Model Garden, onde podem ser personalizados e implantados. Isso coloca um modelo de previsão de pesquisa no mesmo catálogo que os clientes já usam para modelos de uso geral — uma decisão de posicionamento, não só um lançamento de pesquisa.

Ter acesso ao AlphaFold na Google Cloud pode ajudar nossos pesquisadores a prever e explorar rapidamente a estrutura e as interações de todas as classes de biomoléculas, acelerando nossa compreensão das doenças.Montana Labs

Dois agentes de pesquisa atrelados à plataforma

Junto com infraestrutura e modelos, a Google está adicionando dois agentes no Agentspace, ambos em preview. O agente Deep Research sintetiza dados externos e corporativos em relatórios de pesquisa; o agente Idea Generation gera hipóteses inéditas para os cientistas testarem.

Esses agentes são desenhados de forma restrita para a etapa inicial do fluxo científico — ler e formular hipóteses — em vez de rodar experimentos ou validar resultados. Esse recorte é honesto sobre o que agentes generativos conseguem fazer de forma confiável hoje, e mantém o pesquisador humano como quem decide o que testar.

O que amarra esse anúncio: integração vertical da stack de pesquisa

A implicação específica aqui é que a Google está tentando dominar cada camada que um cientista computacional toca — as VMs com CPU, a orquestração de cluster, o sistema de arquivos paralelo, os modelos de domínio e os agentes que sugerem no que trabalhar — e vender tudo isso como uma única plataforma, em vez de SKUs separados.

Para equipes aplicadas avaliando isso, o valor depende de as camadas realmente se encaixarem na prática. O AlphaFold 3 sendo implantado pelo mesmo Cluster Toolkit que provisiona clusters H4D é o tipo de integração que reduz atrito; o WeatherNext estar no Vertex Model Garden geral é uma versão mais leve da mesma ideia. A questão em aberto é o acoplamento: quanto disso só funciona bem quando você compra a stack inteira, versus quão portátil é cada peça se você já roda parte do seu pipeline em outro lugar.

Vale notar que o anúncio é escasso em preços e números concretos de performance — a maioria dos itens está em preview, e a solução de alto throughput do AlphaFold 3 é só para uso não comercial. A estratégia está clara; os termos sob os quais grupos de pesquisa podem realmente depender disso, ainda não.