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.
Pengembangan GPU D Series sebagai Akselerator AI Pusat Data
Pertumbuhan industri artificial intelligence mendorong permintaan perangkat keras yang dapat menjalankan aplikasi AI generatif secara lebih efisien. Sebagai bagian dari strategi komputasi AI, Intel memperkenalkan GPU D Series sebagai solusi pemrosesan AI yang menekankan kapasitas memori. Akselerator terbaru ini mula-mula diperkenalkan dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Melalui pengembangan ini, perusahaan menargetkan hadirnya solusi komputasi yang lebih fleksibel bagi penyedia layanan cloud.
Presentasi perusahaan dalam OCP Global Summit 2026 mengungkap spesifikasi penting mengenai kapasitas memori GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini dirancang untuk menjalankan inferensi AI. Proses inference merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Sebagai gambaran, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Ketika jumlah pengguna meningkat, beban infrastruktur menjadi lebih tinggi. Oleh sebab itu, Intel merancang lini GPU ini sebagai bagian dari infrastruktur AI modern.
Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P
Salah satu keunggulan utama Intel GPU D Series adalah dukungan memori hingga 480 GB. Melalui pendekatan perangkat kerasnya, Intel menggunakan teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Kapasitas memori tersebut memberikan ruang bagi model AI berukuran besar. Tidak hanya menyediakan memori besar, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Bandwidth tersebut menjadi faktor utama dalam memenuhi kebutuhan akses data model AI. Keseimbangan ruang penyimpanan dan kecepatan akses ditujukan untuk mendukung model kecerdasan buatan yang membutuhkan banyak memori.
Di samping spesifikasi penyimpanan data, Intel GPU D Series mengadopsi mikroarsitektur Xe3P yang dioptimalkan untuk inferensi. GPU pusat data tersebut memiliki target komputasi sebesar 1,3 petaflops pada presisi FP8. FP8 merupakan metode penyimpanan nilai floating point menggunakan delapan bit yang relevan untuk pengolahan jaringan neural. Pemanfaatan presisi rendah ini berpotensi meningkatkan efisiensi pengolahan data. Namun demikian, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Faktor seperti kompleksitas aplikasi, jenis presisi, dan optimalisasi framework.
Mengapa Memori Besar Penting untuk Menjalankan Model AI
Ketika menjalankan aplikasi kecerdasan buatan, jumlah memori yang dapat digunakan sangat menentukan karena data jaringan neural perlu diakses secara berulang. Sistem AI dengan kompleksitas tinggi dapat menggunakan sumber daya memori dalam jumlah tinggi. Tidak hanya bobot jaringan neural, proses inferensi juga menggunakan ruang untuk cache. Komponen yang sering digunakan adalah KV cache yang mempertahankan data key dan value selama pemrosesan. Apabila jumlah token yang diproses meningkat, kebutuhan memori berpotensi meningkat. 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. Perhitungan tersebut belum memasukkan penyimpanan sementara selama inferensi dan data pendukung proses komputasi. Dengan kapasitas hingga 480 GB, GPU D Series memberikan ruang lebih luas untuk konteks panjang ke beberapa akselerator pada konfigurasi tertentu. Akan tetapi, kapasitas besar saja tidak menjamin inferensi lebih cepat. Efisiensi framework masih menentukan hasil akhir ketika memilih akselerator AI.
Infrastruktur AI dengan Perangkat GPU yang Lebih Mudah Diintegrasikan
Tidak hanya mengandalkan spesifikasi komputasi, Intel menekankan efisiensi penerapan dengan lingkungan server perusahaan. Perangkat komputasi berbasis Xe3P tersebut dirancang untuk pengoperasian melalui pendinginan udara dengan daya sekitar 350 watt. Rancangan perangkat tersebut ditujukan untuk mempermudah 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.
Dalam aspek integrasi perangkat keras, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Teknologi interkoneksi ini mendukung komunikasi data berkecepatan tinggi. Dengan memanfaatkan standar umum, 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 kapasitas aliran udara. Oleh sebab itu, operator pusat data perlu melakukan evaluasi sesuai spesifikasi perangkat.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Manfaat nyata GPU pusat data bergantung pada lebih dari sekadar kapasitas memori. Perangkat lunak yang kompatibel berperan penting dalam menjalankan model AI secara efisien. Sebagai bagian dari strategi pengembangan, Intel menekankan pendekatan software terbuka. Produsen semikonduktor ini mengembangkan kompatibilitas dengan PyTorch dan vLLM untuk mengembangkan aplikasi AI generatif. Strategi kompatibilitas tersebut dirancang agar membantu pengembang dalam memanfaatkan model terbuka tanpa membatasi pilihan framework pengembangan.
Dalam ekosistem AI, PyTorch menjadi platform pembelajaran mesin yang banyak digunakan untuk membangun dan menjalankan model. Sementara itu, vLLM dikembangkan untuk melayani inferensi model bahasa dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Melalui dukungan ekosistem tersebut, GPU D Series dirancang agar sesuai untuk sejumlah skenario implementasi AI. Meskipun demikian, kompatibilitas framework belum menjamin performa terbaik pada seluruh aplikasi. Tim teknis sebaiknya mengevaluasi dukungan runtime, operator komputasi yang tersedia, serta efisiensi komputasi dalam penggunaan produksi sebelum menggunakan perangkat secara luas.
Kesimpulan: GPU D Series Memperkuat Strategi AI Intel
Pengenalan akselerator AI terbaru Intel menggambarkan upaya produsen semikonduktor tersebut dalam mengembangkan perangkat keras kecerdasan buatan yang memprioritaskan efisiensi pemrosesan. Dukungan LPDDR5X hingga 480 GB, bandwidth memori 1,5 terabyte per detik, dan performa maksimum FP8 sebesar 1,3 petaflops menjadi karakteristik utama untuk mendukung inferensi AI dengan konteks panjang. Sebagai nilai tambah lainnya, dukungan ekosistem perangkat lunak terbuka memberikan pilihan integrasi bagi perusahaan. Meski demikian, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda perkembangan TEKNOLOGI komputasi AI Intel? Anda dapat berbagi pemikiran mengenai perkembangan GPU khusus inferensi AI.
