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 TEKNOLOGI kecerdasan buatan mendorong kebutuhan infrastruktur yang mampu menangani model bahasa berukuran besar secara semakin optimal. Menanggapi kebutuhan tersebut, Intel memperkenalkan GPU D Series sebagai solusi pemrosesan AI yang menekankan kapasitas memori. Perangkat komputasi tersebut sebelumnya dikenal dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Dengan pendekatan tersebut, perusahaan ingin menawarkan pilihan perangkat keras tambahan bagi penyedia layanan cloud.
Pengumuman pada Oktober 2026 memperjelas kemampuan perangkat mengenai kemampuan komputasi GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Inferensi sendiri merupakan aktivitas pemrosesan permintaan menggunakan model yang sudah tersedia. Contohnya, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Ketika jumlah pengguna meningkat, kebutuhan memori dan daya komputasi bertambah. Oleh sebab itu, Intel memposisikan akselerator terbarunya sebagai perangkat pendukung layanan AI perusahaan.
Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P
Fitur paling menonjol Intel GPU D Series adalah kapasitas LPDDR5X mencapai 480 GB. Melalui pendekatan perangkat kerasnya, Intel menggunakan teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Dukungan penyimpanan data sementara sebesar itu memungkinkan penempatan parameter jaringan neural. Di samping menawarkan ruang pemrosesan yang luas, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Bandwidth tersebut memiliki pengaruh besar dalam memenuhi kebutuhan akses data model AI. Kombinasi kapasitas dan bandwidth ditujukan untuk mendukung layanan AI dengan permintaan kompleks.
Selain kemampuan memori, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dirancang bagi pemrosesan paralel. GPU pusat data tersebut mendukung performa teoritis 1,3 petaflops menggunakan format FP8. Presisi FP8 mengacu pada representasi angka dengan delapan bit yang mendukung akselerasi model kecerdasan buatan. Penggunaan format tersebut berpotensi meningkatkan efisiensi pengolahan data. Walaupun angka performanya tinggi, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Aspek yang memengaruhi kinerja meliputi kompleksitas aplikasi, pengaturan numerik, dan kemampuan sistem menjalankan beban kerja.
Hubungan Memori GPU dengan Performa Large Language Model
Dalam pengembangan AI modern, jumlah memori yang dapat digunakan sangat menentukan karena data jaringan neural perlu diakses secara berulang. Sistem AI dengan kompleksitas tinggi sering membutuhkan kapasitas penyimpanan sementara yang luas. Tidak hanya bobot jaringan neural, proses inferensi memerlukan penyimpanan informasi sementara. Komponen yang sering digunakan adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Apabila jumlah token yang diproses meningkat, kebutuhan memori menjadi semakin besar. Karakteristik pemrosesan ini menjadi alasan penggunaan GPU dengan memori besar.
Untuk memberikan gambaran, sebuah model AI dengan 70 miliar parameter memerlukan kurang lebih 140 GB untuk menyimpan bobot dalam format FP16. Perhitungan tersebut masih mengecualikan penyimpanan sementara selama inferensi dan berbagai kebutuhan sistem lainnya. Dengan kapasitas hingga 480 GB, GPU D Series memberikan ruang lebih luas untuk konteks panjang ke banyak perangkat GPU pada konfigurasi tertentu. Namun, ruang penyimpanan yang luas belum memastikan throughput tertinggi. Kecepatan transfer data harus dievaluasi secara bersamaan ketika memilih akselerator AI.
Intel GPU D Series Dirancang untuk Efisiensi Pusat Data
Selain menonjolkan kapasitas memori, Intel menekankan efisiensi penerapan dengan infrastruktur pusat data yang sudah tersedia. GPU D270 menggunakan desain berpendingin udara dengan daya sekitar 350 watt. Sistem pendinginan yang digunakan ditujukan untuk mempermudah integrasi ke rak server yang kompatibel. Tidak seperti konfigurasi yang mengharuskan infrastruktur liquid cooling, desain tersebut berpeluang menekan kerumitan instalasi. Namun demikian, kecukupan aliran udara masih perlu dipastikan agar kinerja GPU dapat dipertahankan.
Dari sisi konektivitas, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Antarmuka perangkat tersebut mendukung komunikasi data berkecepatan tinggi. Melalui penggunaan koneksi yang sudah dikenal industri, Intel berusaha mengurangi kebutuhan infrastruktur khusus. Meskipun demikian, pemasangan GPU tetap memerlukan pemeriksaan sistem. Pertimbangan teknisnya mencakup kemampuan power supply, ruang fisik di dalam server, dan pengelolaan temperatur rak. Oleh sebab itu, tim teknis dianjurkan menilai kondisi sistem sesuai spesifikasi perangkat.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Keberhasilan sebuah akselerator AI memerlukan dukungan selain kemampuan komputasi. Framework komputasi yang didukung berperan penting dalam menjalankan model AI secara efisien. Dalam upaya memperluas penggunaan produk, Intel menekankan pendekatan software terbuka. Pengembang GPU D Series menyoroti integrasi dengan framework pembelajaran mesin PyTorch dan vLLM untuk melayani permintaan inferensi. Dukungan tersebut dirancang agar membantu pengembang dalam mengoperasikan aplikasi berbasis AI tanpa harus menggunakan satu pendekatan perangkat lunak khusus.
Framework PyTorch dikenal sebagai salah satu perangkat pengembangan populer untuk mengembangkan aplikasi kecerdasan buatan. Adapun, vLLM dikembangkan untuk melayani inferensi model bahasa dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Berkat strategi pengembangan terbuka, GPU D Series dirancang agar sesuai untuk beragam model dan aplikasi. Perlu diperhatikan bahwa, kompatibilitas framework belum menjamin performa terbaik pada seluruh aplikasi. Pengelola sistem dianjurkan menguji dukungan runtime, dukungan fungsi model, serta performa berdasarkan beban kerja sebelum menggunakan perangkat secara luas.
Masa Depan Pemrosesan AI dengan Memori Besar dari Intel
Pengenalan akselerator AI terbaru Intel menunjukkan strategi perusahaan dalam memperkuat solusi komputasi pusat data yang memprioritaskan efisiensi pemrosesan. Kapasitas memori mencapai 480 GB, bandwidth memori 1,5 terabyte per detik, dan kemampuan teoritis 1,3 petaflops dalam format FP8 merupakan spesifikasi penting untuk melayani permintaan kecerdasan buatan berskala besar. Sebagai nilai tambah lainnya, dukungan ekosistem perangkat lunak terbuka memberikan pilihan integrasi bagi perusahaan. Kendati memiliki potensi besar, hasil penggunaan perlu dibuktikan melalui benchmark sebelum mengambil keputusan penerapan skala besar. Bagaimana pendapat Anda mengenai akselerator AI dengan memori berkapasitas besar? Silakan bagikan pendapat Anda mengenai potensinya bagi pusat data.
