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.
Strategi Intel Menghadirkan Pemrosesan AI dengan Memori Besar
Pertumbuhan industri artificial intelligence memperbesar kebutuhan infrastruktur yang dirancang untuk memproses sistem kecerdasan buatan kompleks secara lebih ekonomis. Sebagai bagian dari strategi komputasi AI, Intel menghadirkan GPU D Series sebagai solusi pemrosesan AI yang berfokus pada kebutuhan memori besar. Akselerator terbaru ini sebelumnya dikenal dengan nama kode Crescent Island sebelum dimasukkan ke lini produk Intel GPU D Series. Melalui pengembangan ini, perusahaan ingin menawarkan alternatif akselerasi AI bagi penyedia layanan cloud.
Pemaparan teknis terbaru Intel mengungkap spesifikasi penting mengenai arsitektur pemrosesan GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Tahap penggunaan model AI merupakan aktivitas pemrosesan permintaan menggunakan model yang sudah tersedia. Sebagai gambaran, layanan chatbot memerlukan inferensi untuk menghasilkan jawaban. Saat permintaan diproses secara bersamaan, kebutuhan memori dan daya komputasi bertambah. Oleh sebab itu, Intel merancang lini GPU ini sebagai perangkat pendukung layanan AI perusahaan.
Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270
Fitur paling menonjol Intel GPU D Series adalah dukungan memori hingga 480 GB. Melalui pendekatan perangkat kerasnya, Intel memanfaatkan teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Kapasitas memori tersebut memungkinkan penempatan parameter jaringan neural. Selain kapasitas tinggi, perangkat ini menawarkan kecepatan transfer memori 1,5 TB/s. Kecepatan akses memori tersebut memiliki pengaruh besar dalam mengalirkan informasi selama pemrosesan. Keseimbangan ruang penyimpanan dan kecepatan akses berpotensi membantu menjalankan layanan AI dengan permintaan kompleks.
Selain kemampuan memori, Intel GPU D Series mengadopsi mikroarsitektur Xe3P yang dioptimalkan untuk inferensi. GPU pusat data tersebut mendukung performa teoritis 1,3 petaflops menggunakan format FP8. Format floating point 8-bit adalah metode penyimpanan nilai floating point menggunakan delapan bit yang relevan untuk pengolahan jaringan neural. Pemanfaatan presisi rendah ini dapat mengurangi kebutuhan komputasi tertentu. Perlu diperhatikan bahwa, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Performa sebenarnya dipengaruhi oleh kompleksitas aplikasi, format data yang digunakan, dan efisiensi perangkat lunak.
Mengapa Memori Besar Penting untuk Menjalankan Model AI
Dalam pengembangan AI modern, ketersediaan memori memiliki peranan utama karena parameter model harus tersedia selama pemrosesan. Jaringan neural yang berukuran besar dapat menggunakan sumber daya memori dalam jumlah tinggi. Selain parameter model, proses inferensi memerlukan penyimpanan informasi sementara. Bagian penting dalam inferensi transformer adalah KV cache yang mendukung penggunaan kembali informasi dalam konteks percakapan. Ketika konteks semakin panjang, kebutuhan memori menjadi semakin besar. Kondisi tersebut menjelaskan pentingnya kapasitas tinggi.
Sebagai ilustrasi, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Perhitungan tersebut tidak mencakup memori kerja tambahan dan berbagai kebutuhan sistem lainnya. Melalui dukungan memori yang besar, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke banyak perangkat GPU pada skenario penggunaan tertentu. Namun, ruang penyimpanan yang luas belum memastikan throughput tertinggi. Kecepatan transfer data tetap perlu dipertimbangkan ketika menentukan perangkat pemrosesan model.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Di samping menawarkan kemampuan inferensi, Intel mengembangkan rancangan yang sesuai dengan lingkungan server perusahaan. Akselerator D Series yang diperkenalkan dirancang untuk pengoperasian melalui pendinginan udara dengan batas daya yang dinyatakan sebesar 350 watt. Sistem pendinginan yang digunakan ditujukan untuk mempermudah integrasi ke rak server yang kompatibel. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut berpeluang menekan kerumitan instalasi. Meski demikian, kecukupan aliran udara masih perlu dipastikan agar operasional pusat data berlangsung optimal.
Dalam aspek integrasi perangkat keras, Intel GPU D Series mendukung koneksi PCI Express generasi kelima. Standar tersebut mendukung komunikasi data berkecepatan tinggi. Berkat penerapan antarmuka PCIe, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Meskipun demikian, pemasangan GPU tetap memerlukan pemeriksaan sistem. Faktor seperti kapasitas catu daya, ruang fisik di dalam server, dan pengelolaan temperatur rak. Sebelum melakukan instalasi, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai lingkungan operasional.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Keberhasilan sebuah akselerator AI memerlukan dukungan selain kemampuan komputasi. Perangkat lunak yang kompatibel berperan penting dalam menjalankan model AI secara efisien. Dalam upaya memperluas penggunaan produk, Intel mengutamakan ekosistem perangkat lunak terbuka. Perusahaan tersebut mengembangkan kompatibilitas dengan ekosistem pemrograman PyTorch dan vLLM untuk menjalankan model bahasa. Dukungan tersebut bertujuan memberikan fleksibilitas dalam membangun layanan kecerdasan buatan tanpa membatasi pilihan framework pengembangan.
Dalam ekosistem AI, PyTorch menjadi kerangka kerja komputasi neural yang dikenal luas untuk melakukan pemrosesan jaringan neural. Di sisi lain, vLLM berfokus pada penyajian model bahasa besar dengan pengelolaan memori dan permintaan yang efisien. Melalui dukungan ekosistem tersebut, GPU D Series dirancang agar sesuai untuk sejumlah skenario implementasi AI. Perlu diperhatikan bahwa, kompatibilitas framework belum menjamin performa terbaik pada seluruh aplikasi. Pengembang perlu memeriksa versi driver, kemampuan kernel pemrosesan, serta efisiensi komputasi dalam penggunaan produksi sebelum menentukan keputusan infrastruktur.
Kesimpulan: GPU D Series Memperkuat Strategi AI Intel
Pengenalan akselerator AI terbaru Intel memperlihatkan arah inovasi Intel dalam memperkuat solusi komputasi pusat data yang berorientasi pada kapasitas memori. Dukungan LPDDR5X hingga 480 GB, bandwidth hingga 1,5 TB/s, dan performa maksimum FP8 sebesar 1,3 petaflops merupakan spesifikasi penting untuk menjalankan model bahasa besar. Sebagai nilai tambah lainnya, penggunaan antarmuka PCIe 5.0 menjadi pertimbangan bagi operator pusat data. Walaupun spesifikasinya menjanjikan, kinerja sesungguhnya tetap memerlukan pengujian sebelum membandingkan dengan akselerator lain. Bagaimana pendapat Anda mengenai akselerator AI dengan memori berkapasitas besar? Mari sampaikan pandangan Anda mengenai masa depan infrastruktur kecerdasan buatan.
