Intel memperkenalkan rincian terbaru GPU D Series sebagai solusi komputasi kecerdasan buatan yang dirancang untuk menangani pemrosesan AI dengan kebutuhan memori besar. Dalam ajang Open Compute Project Global Summit pada 12 Oktober 2026, perusahaan tersebut mengungkap kemampuan akselerator yang sebelumnya dikenal dengan nama kode Crescent Island. GPU berbasis arsitektur Xe3P ini menawarkan kapasitas memori LPDDR5X hingga 480 GB, bandwidth 1,5 TB/s, dan kemampuan komputasi hingga 1,3 petaflops FP8. Kehadirannya memperlihatkan strategi Intel dalam mengembangkan teknologi pusat data yang lebih efisien untuk menjalankan model AI generatif, layanan inferensi, dan sistem agentic AI.
Intel Perkenalkan GPU D Series untuk Infrastruktur Kecerdasan Buatan
Perkembangan industri artificial intelligence meningkatkan kebutuhan infrastruktur yang dirancang untuk memproses model bahasa berukuran besar secara lebih efisien. Menanggapi kebutuhan tersebut, Intel menghadirkan GPU D Series sebagai akselerator khusus inferensi yang menekankan kapasitas memori. Perangkat komputasi tersebut sebelumnya dikenal dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Melalui pengembangan ini, perusahaan berupaya menyediakan solusi komputasi yang lebih fleksibel bagi penyedia layanan cloud.
Pemaparan teknis terbaru Intel memperjelas kemampuan perangkat mengenai kemampuan komputasi GPU D Series. Berbeda dari kartu grafis konsumen, akselerator ini dirancang untuk menjalankan inferensi AI. Proses inference merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Dalam penerapan sehari-hari, layanan chatbot memerlukan inferensi untuk menghasilkan jawaban. Saat permintaan diproses secara bersamaan, kebutuhan memori dan daya komputasi bertambah. Oleh sebab itu, Intel menempatkan GPU D Series sebagai solusi untuk kebutuhan inferensi berskala besar.
Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270
Fitur paling menonjol Intel GPU D Series adalah kemampuan menampung memori berkapasitas besar. Melalui pendekatan perangkat kerasnya, Intel memilih teknologi memori LPDDR5X yang mendukung konsumsi daya yang lebih terkendali. Kapasitas memori tersebut membantu menampung data yang diperlukan selama inferensi. Selain kapasitas tinggi, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Kecepatan akses memori tersebut memiliki pengaruh besar dalam memenuhi kebutuhan akses data model AI. Kombinasi kapasitas dan bandwidth ditujukan untuk mendukung model kecerdasan buatan yang membutuhkan banyak memori.
Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dirancang bagi pemrosesan paralel. Perangkat tersebut memiliki target komputasi sebesar 1,3 petaflops pada presisi FP8. Format floating point 8-bit adalah format numerik berpresisi rendah yang mendukung akselerasi model kecerdasan buatan. Penerapan representasi numerik FP8 membantu mempercepat operasi yang kompatibel. Namun demikian, hasil pemrosesan sesungguhnya dapat berbeda dari spesifikasi maksimum. Aspek yang memengaruhi kinerja meliputi kompleksitas aplikasi, pengaturan numerik, dan kemampuan sistem menjalankan beban kerja.
Mengapa Memori Besar Penting untuk Menjalankan Model AI
Dalam pengembangan AI modern, kapasitas memori menjadi komponen penting karena sistem membutuhkan ruang untuk menyimpan informasi komputasi. Sistem AI dengan kompleksitas tinggi dapat menggunakan sumber daya memori dalam jumlah tinggi. Tidak hanya bobot jaringan neural, proses inferensi memerlukan penyimpanan informasi sementara. Komponen yang sering digunakan adalah KV cache yang mempertahankan data key dan value selama pemrosesan. Saat percakapan melibatkan lebih banyak informasi, kebutuhan memori dapat bertambah. Kebutuhan data sementara tersebut menjelaskan pentingnya kapasitas tinggi.
Dalam contoh sederhana, sebuah model AI dengan 70 miliar parameter membutuhkan sekitar 140 GB hanya untuk bobot FP16. Gambaran kebutuhan memori tersebut masih mengecualikan penyimpanan sementara selama inferensi dan data pendukung proses komputasi. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke beberapa akselerator pada skenario penggunaan tertentu. Namun, kapasitas besar saja tidak menjamin inferensi lebih cepat. Kecepatan transfer data masih menentukan hasil akhir ketika menentukan perangkat pemrosesan model.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Tidak hanya mengandalkan spesifikasi komputasi, Intel menekankan efisiensi penerapan dengan sistem komputasi enterprise. Akselerator D Series yang diperkenalkan mengandalkan sistem pendinginan udara dengan daya sekitar 350 watt. Rancangan perangkat tersebut dirancang agar mendukung penggunaan pada infrastruktur enterprise. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, desain tersebut membantu menyederhanakan proses penerapan. Walaupun dirancang lebih praktis, kemampuan pendinginan server tetap harus diperiksa agar operasional pusat data berlangsung optimal.
Dari sisi konektivitas, Intel GPU D Series mendukung koneksi PCI Express generasi kelima. Antarmuka perangkat tersebut memungkinkan pertukaran informasi dengan sistem host. Dengan memanfaatkan standar umum, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Meskipun demikian, dukungan perangkat keras harus dinilai secara menyeluruh. Faktor seperti ketersediaan suplai listrik, ruang fisik di dalam server, dan kemampuan sistem pendingin. Untuk memastikan penerapan yang tepat, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai spesifikasi perangkat.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Manfaat nyata GPU pusat data tidak hanya ditentukan oleh spesifikasi perangkat keras. Framework komputasi yang didukung menjadi faktor utama dalam mengoptimalkan proses inferensi. Dalam upaya memperluas penggunaan produk, Intel mengutamakan ekosistem perangkat lunak terbuka. Perusahaan tersebut memperkenalkan dukungan dengan PyTorch dan vLLM untuk melayani permintaan inferensi. Pendekatan perangkat lunak ini dirancang agar membantu pengembang dalam memanfaatkan model terbuka tanpa harus menggunakan satu pendekatan perangkat lunak khusus.
Dalam ekosistem AI, PyTorch menjadi kerangka kerja komputasi neural yang dikenal luas untuk membangun dan menjalankan model. Adapun, vLLM dikembangkan untuk melayani inferensi model bahasa dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Dengan menghadirkan kompatibilitas perangkat lunak, GPU D Series dirancang agar sesuai untuk berbagai kebutuhan inferensi. Meskipun demikian, kemampuan menjalankan perangkat lunak tetap membutuhkan evaluasi. Tim teknis sebaiknya mengevaluasi kompatibilitas library, kemampuan kernel pemrosesan, serta performa berdasarkan beban kerja sebelum menentukan keputusan infrastruktur.
Masa Depan Pemrosesan AI dengan Memori Besar dari Intel
Pengembangan Intel GPU D Series menggambarkan upaya produsen semikonduktor tersebut dalam mengembangkan perangkat keras kecerdasan buatan yang berorientasi pada kapasitas memori. Dukungan LPDDR5X hingga 480 GB, bandwidth hingga 1,5 TB/s, dan kemampuan teoritis 1,3 petaflops dalam format FP8 merupakan spesifikasi penting untuk melayani permintaan kecerdasan buatan berskala besar. Di samping kemampuan teknisnya, dukungan ekosistem perangkat lunak terbuka menjadi pertimbangan bagi operator pusat data. Walaupun spesifikasinya menjanjikan, hasil penggunaan perlu dibuktikan melalui benchmark sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda perkembangan TEKNOLOGI komputasi AI Intel? Mari sampaikan pandangan Anda mengenai perkembangan GPU khusus inferensi AI.
