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 TEKNOLOGI kecerdasan buatan memperbesar kebutuhan infrastruktur yang dapat menjalankan model bahasa berukuran besar secara lebih efisien. Sebagai bagian dari strategi komputasi AI, Intel mengembangkan GPU D Series sebagai solusi pemrosesan AI yang berfokus pada kebutuhan memori besar. Akselerator terbaru ini pada tahap pengembangan disebut 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 operator pusat data.
Pengumuman pada Oktober 2026 memperjelas kemampuan perangkat mengenai arsitektur pemrosesan GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini dikembangkan guna melayani permintaan AI. Inferensi sendiri merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Sebagai gambaran, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Apabila layanan AI digunakan dalam skala besar, kebutuhan memori dan daya komputasi bertambah. Karena itulah, Intel memposisikan akselerator terbarunya sebagai perangkat pendukung layanan AI perusahaan.
Spesifikasi Intel GPU D Series dengan Memori LPDDR5X hingga 480 GB
Salah satu keunggulan utama Intel GPU D Series adalah dukungan memori hingga 480 GB. Dalam rancangan tersebut, Intel memilih teknologi memori LPDDR5X yang menawarkan karakteristik hemat daya. Kapasitas memori tersebut memungkinkan penempatan parameter jaringan neural. Selain kapasitas tinggi, perangkat ini mendukung bandwidth memori sebesar 1,5 terabyte per detik. Kemampuan transfer data ini berperan penting dalam memenuhi kebutuhan akses data model AI. Perpaduan memori besar serta transfer cepat ditujukan untuk mendukung inferensi dengan konteks panjang.
Selain kemampuan memori, Intel GPU D Series menggunakan arsitektur Xe3P yang dirancang bagi pemrosesan paralel. GPU pusat data tersebut memiliki target komputasi sebesar 1,3 petaflops pada presisi FP8. Presisi FP8 mengacu pada metode penyimpanan nilai floating point menggunakan delapan bit yang mendukung akselerasi model kecerdasan buatan. Penerapan representasi numerik FP8 membantu mempercepat operasi yang kompatibel. Perlu diperhatikan bahwa, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Faktor seperti ukuran model, pengaturan numerik, dan optimalisasi framework.
Mengapa Memori Besar Penting untuk Menjalankan Model AI
Pada penggunaan model bahasa besar, kapasitas memori menjadi komponen penting karena parameter model harus tersedia selama pemrosesan. Model dengan parameter lebih banyak dapat menggunakan sumber daya memori dalam jumlah tinggi. Tidak hanya bobot jaringan neural, proses inferensi memerlukan penyimpanan informasi sementara. Bagian penting dalam inferensi transformer adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Ketika konteks semakin panjang, kebutuhan memori dapat bertambah. Kondisi tersebut mendukung pengembangan akselerator yang berorientasi pada memori.
Dalam contoh sederhana, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Estimasi sederhana ini tidak mencakup penyimpanan sementara selama inferensi dan overhead perangkat lunak. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke beberapa akselerator pada skenario penggunaan tertentu. Akan tetapi, jumlah memori bukan satu-satunya penentu performa. Kecepatan transfer data tetap perlu dipertimbangkan ketika memilih akselerator AI.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Di samping menawarkan kemampuan inferensi, Intel menekankan efisiensi penerapan dengan sistem komputasi enterprise. GPU D270 dirancang untuk pengoperasian melalui pendinginan udara dengan profil konsumsi daya 350 W. Rancangan perangkat tersebut dirancang agar mendukung pemasangan di pusat data konvensional. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut berpeluang menekan kerumitan instalasi. Walaupun dirancang lebih praktis, kemampuan pendinginan server tetap harus diperiksa agar operasional pusat data berlangsung optimal.
Untuk kebutuhan pemasangan server, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Teknologi interkoneksi ini menyediakan jalur transfer antara GPU dan komponen server. Berkat penerapan antarmuka PCIe, Intel berusaha mengurangi kebutuhan infrastruktur khusus. Meskipun demikian, dukungan perangkat keras harus dinilai secara menyeluruh. Faktor seperti kemampuan power supply, ketersediaan tempat pemasangan, dan kapasitas aliran udara. Untuk memastikan penerapan yang tepat, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai lingkungan operasional.
Dukungan Software Terbuka untuk Pengembangan AI Intel
Manfaat nyata GPU pusat data bergantung pada lebih dari sekadar kapasitas memori. Perangkat lunak yang kompatibel berperan penting dalam memanfaatkan kemampuan GPU. Sebagai bagian dari strategi pengembangan, Intel mengutamakan ekosistem perangkat lunak terbuka. Produsen semikonduktor ini memperkenalkan dukungan dengan framework pembelajaran mesin PyTorch dan vLLM untuk menjalankan model bahasa. Dukungan tersebut dirancang agar membantu pengembang dalam memanfaatkan model terbuka tanpa harus menggunakan satu pendekatan perangkat lunak khusus.
PyTorch merupakan salah satu perangkat pengembangan populer untuk membangun dan menjalankan model. Sementara itu, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan optimalisasi throughput serta penggunaan cache. Melalui dukungan ekosistem tersebut, GPU D Series berpotensi digunakan untuk sejumlah skenario implementasi AI. Namun demikian, dukungan awal tidak selalu berarti semua model langsung optimal. Pengelola sistem dianjurkan menguji dukungan runtime, dukungan fungsi model, serta efisiensi komputasi dalam penggunaan produksi sebelum menentukan keputusan infrastruktur.
Peluang Infrastruktur Kecerdasan Buatan melalui GPU D Series
Peluncuran rincian teknologi GPU D Series memperlihatkan arah inovasi Intel dalam memperkuat solusi komputasi pusat data yang memprioritaskan efisiensi pemrosesan. Kemampuan menyediakan memori berukuran besar, bandwidth memori 1,5 terabyte per detik, dan kemampuan teoritis 1,3 petaflops dalam format FP8 merupakan spesifikasi penting untuk menjalankan model bahasa besar. Selain itu, dukungan ekosistem perangkat lunak terbuka menjadi pertimbangan bagi operator pusat data. Meski demikian, hasil penggunaan perlu dibuktikan melalui benchmark sebelum membandingkan dengan akselerator lain. Apa pandangan Anda tentang perkembangan TEKNOLOGI komputasi AI Intel? Silakan bagikan pendapat Anda mengenai perkembangan GPU khusus inferensi AI.
