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
Kemajuan industri artificial intelligence memperbesar penggunaan sistem komputasi yang dapat menjalankan model bahasa berukuran besar secara lebih efisien. Untuk menghadapi perkembangan ini, Intel mengembangkan GPU D Series sebagai akselerator khusus inferensi yang mengutamakan efisiensi inferensi. Akselerator terbaru ini pada tahap pengembangan disebut dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Melalui pengembangan ini, perusahaan ingin menawarkan pilihan perangkat keras tambahan bagi operator pusat data.
Presentasi perusahaan dalam OCP Global Summit 2026 memberikan informasi lebih lengkap mengenai kapasitas memori GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini dirancang untuk menjalankan inferensi AI. Proses inference merupakan kegiatan menjalankan model yang telah dilatih. Dalam penerapan sehari-hari, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Ketika jumlah pengguna meningkat, efisiensi perangkat keras semakin penting. Karena itulah, Intel memposisikan akselerator terbarunya sebagai solusi untuk kebutuhan inferensi berskala besar.
Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270
Karakteristik penting Intel GPU D Series adalah dukungan memori hingga 480 GB. Dalam rancangan tersebut, Intel memanfaatkan teknologi memori LPDDR5X yang menawarkan karakteristik hemat daya. Dukungan penyimpanan data sementara sebesar itu memberikan ruang bagi model AI berukuran besar. Selain kapasitas tinggi, perangkat ini mendukung bandwidth memori sebesar 1,5 terabyte per detik. Kemampuan transfer data ini menjadi faktor utama dalam menyediakan data bagi unit komputasi. Kombinasi kapasitas dan bandwidth dirancang agar mampu menangani inferensi dengan konteks panjang.
Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series menggunakan arsitektur Xe3P yang dioptimalkan untuk inferensi. Perangkat tersebut memiliki target komputasi sebesar 1,3 petaflops pada presisi FP8. Presisi FP8 mengacu pada representasi angka dengan delapan bit yang relevan untuk pengolahan jaringan neural. Penggunaan format tersebut dapat mengurangi kebutuhan komputasi tertentu. Namun demikian, hasil pemrosesan sesungguhnya dapat berbeda dari spesifikasi maksimum. Performa sebenarnya dipengaruhi oleh kompleksitas aplikasi, jenis presisi, dan efisiensi perangkat lunak.
Mengapa Memori Besar Penting untuk Menjalankan Model AI
Dalam pengembangan AI modern, kapasitas memori menjadi komponen penting karena parameter model harus tersedia selama pemrosesan. Model dengan parameter lebih banyak umumnya memerlukan memori lebih besar. Selain parameter model, proses inferensi membutuhkan memori tambahan untuk data pemrosesan. Bagian penting dalam inferensi transformer adalah KV cache yang mendukung penggunaan kembali informasi dalam konteks percakapan. Ketika konteks semakin panjang, kebutuhan memori dapat bertambah. Kebutuhan data sementara tersebut mendukung pengembangan akselerator yang berorientasi pada memori.
Untuk memberikan gambaran, sebuah model AI dengan 70 miliar parameter memerlukan kurang lebih 140 GB untuk menyimpan bobot dalam format FP16. Gambaran kebutuhan memori tersebut masih mengecualikan memori kerja tambahan dan data pendukung proses komputasi. Dengan kapasitas hingga 480 GB, GPU D Series memberikan ruang lebih luas untuk konteks panjang ke beberapa akselerator pada skenario penggunaan tertentu. Meski demikian, ruang penyimpanan yang luas belum memastikan throughput tertinggi. Kemampuan komputasi tetap perlu dipertimbangkan ketika merancang infrastruktur pusat data.
Intel GPU D Series Dirancang untuk Efisiensi Pusat Data
Di samping menawarkan kemampuan inferensi, Intel menekankan efisiensi penerapan dengan lingkungan server perusahaan. GPU D270 mengandalkan sistem pendinginan udara dengan profil konsumsi daya 350 W. Rancangan perangkat tersebut ditujukan untuk mempermudah integrasi ke rak server yang kompatibel. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut dapat mengurangi kebutuhan perubahan fasilitas. Meski demikian, pengelolaan temperatur tetap membutuhkan perencanaan agar kinerja GPU dapat dipertahankan.
Dari sisi konektivitas, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Standar tersebut mendukung komunikasi data berkecepatan tinggi. Berkat penerapan antarmuka PCIe, Intel menargetkan integrasi yang lebih fleksibel. Perlu dipahami bahwa, pemasangan GPU tetap memerlukan pemeriksaan sistem. Faktor seperti kapasitas catu daya, ruang fisik di dalam server, dan pengelolaan temperatur rak. Untuk memastikan penerapan yang tepat, operator pusat data perlu melakukan evaluasi sesuai spesifikasi perangkat.
Dukungan Software Terbuka untuk Pengembangan AI Intel
Manfaat nyata GPU pusat data tidak hanya ditentukan oleh spesifikasi perangkat keras. Perangkat lunak yang kompatibel berperan penting dalam memanfaatkan kemampuan GPU. Untuk mendukung kebutuhan tersebut, Intel mengembangkan dukungan framework yang digunakan industri. Pengembang GPU D Series mengembangkan kompatibilitas dengan PyTorch dan vLLM untuk melayani permintaan inferensi. Dukungan tersebut dirancang agar membantu pengembang dalam mengoperasikan aplikasi berbasis AI tanpa membatasi pilihan framework pengembangan.
PyTorch merupakan kerangka kerja komputasi neural yang dikenal luas untuk melakukan pemrosesan jaringan neural. Adapun, vLLM berfokus pada penyajian model bahasa besar dengan optimalisasi throughput serta penggunaan cache. Berkat strategi pengembangan terbuka, GPU D Series berpotensi digunakan untuk berbagai kebutuhan inferensi. Meskipun demikian, dukungan awal tidak selalu berarti semua model langsung optimal. Tim teknis sebaiknya mengevaluasi versi driver, kemampuan kernel pemrosesan, serta performa berdasarkan beban kerja sebelum menggunakan perangkat secara luas.
Masa Depan Pemrosesan AI dengan Memori Besar dari Intel
Pengembangan Intel GPU D Series menunjukkan strategi perusahaan dalam menghadirkan infrastruktur inferensi AI yang memprioritaskan efisiensi pemrosesan. Dukungan LPDDR5X hingga 480 GB, kecepatan transfer memori sebesar 1,5 TB/s, dan komputasi puncak 1,3 petaflops FP8 menjadi karakteristik utama untuk melayani permintaan kecerdasan buatan berskala besar. Selain itu, desain berpendingin udara memberikan pilihan integrasi bagi perusahaan. Meski demikian, kinerja sesungguhnya tetap memerlukan pengujian sebelum mengambil keputusan penerapan skala besar. Apa pandangan Anda tentang akselerator AI dengan memori berkapasitas besar? Silakan bagikan pendapat Anda mengenai perkembangan GPU khusus inferensi AI.
