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 industri artificial intelligence memperbesar permintaan perangkat keras yang dirancang untuk memproses aplikasi AI generatif secara lebih efisien. Untuk menghadapi perkembangan ini, Intel memperkenalkan GPU D Series sebagai perangkat komputasi pusat data yang berfokus pada kebutuhan memori besar. Produk tersebut sebelumnya dikenal dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Melalui pengembangan ini, perusahaan berupaya menyediakan solusi komputasi yang lebih fleksibel bagi operator pusat data.
Presentasi perusahaan dalam OCP Global Summit 2026 memperjelas kemampuan perangkat mengenai kapasitas memori GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Proses inference merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Sebagai gambaran, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Saat permintaan diproses secara bersamaan, beban infrastruktur menjadi lebih tinggi. Dengan pertimbangan tersebut, Intel menempatkan GPU D Series sebagai perangkat pendukung layanan AI perusahaan.
Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P
Salah satu keunggulan utama Intel GPU D Series adalah kapasitas LPDDR5X mencapai 480 GB. Pada konfigurasi produk ini, Intel memanfaatkan teknologi memori LPDDR5X yang menawarkan karakteristik hemat daya. Dukungan penyimpanan data sementara sebesar itu memberikan ruang bagi data yang diperlukan selama inferensi. Selain kapasitas tinggi, perangkat ini menawarkan kecepatan transfer memori 1,5 TB/s. Kecepatan akses memori tersebut menjadi faktor utama dalam menyediakan data bagi unit komputasi. Perpaduan memori besar serta transfer cepat berpotensi membantu menjalankan model kecerdasan buatan yang membutuhkan banyak memori.
Selain kemampuan memori, Intel GPU D Series menggunakan arsitektur Xe3P yang dirancang bagi pemrosesan paralel. GPU pusat data tersebut mendukung performa teoritis 1,3 petaflops menggunakan format FP8. FP8 merupakan representasi angka dengan delapan bit yang banyak digunakan dalam komputasi AI. Penerapan representasi numerik FP8 membantu mempercepat operasi yang kompatibel. Perlu diperhatikan bahwa, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Faktor seperti karakteristik jaringan neural, jenis presisi, dan efisiensi perangkat lunak.
Peran Bandwidth dan Kapasitas Memori dalam Inferensi Kecerdasan Buatan
Dalam pengembangan AI modern, jumlah memori yang dapat digunakan sangat menentukan karena parameter model harus tersedia selama pemrosesan. Sistem AI dengan kompleksitas tinggi umumnya memerlukan memori lebih besar. Tidak hanya bobot jaringan neural, proses inferensi memerlukan penyimpanan informasi sementara. Salah satu contohnya adalah KV cache yang mempertahankan data key dan value selama pemrosesan. Ketika konteks semakin panjang, kebutuhan memori menjadi semakin besar. Kondisi tersebut menjadi alasan penggunaan GPU dengan memori besar.
Untuk memberikan gambaran, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Perhitungan tersebut belum memasukkan memori kerja tambahan dan berbagai kebutuhan sistem lainnya. Melalui dukungan memori yang besar, GPU D Series memberikan ruang lebih luas untuk konteks panjang ke sejumlah kartu komputasi pada konfigurasi tertentu. Akan tetapi, ruang penyimpanan yang luas belum memastikan throughput tertinggi. Efisiensi framework masih menentukan hasil akhir ketika merancang infrastruktur pusat data.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Tidak hanya mengandalkan spesifikasi komputasi, Intel menekankan efisiensi penerapan dengan infrastruktur pusat data yang sudah tersedia. Perangkat komputasi berbasis Xe3P tersebut menggunakan desain berpendingin udara dengan batas daya yang dinyatakan sebesar 350 watt. Pendekatan ini ditujukan untuk mempermudah penggunaan pada infrastruktur enterprise. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, desain tersebut membantu menyederhanakan proses penerapan. Namun demikian, pengelolaan temperatur tetap membutuhkan perencanaan agar kinerja GPU dapat dipertahankan.
Dalam aspek integrasi perangkat keras, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Antarmuka perangkat tersebut memungkinkan pertukaran informasi dengan sistem host. Melalui penggunaan koneksi yang sudah dikenal industri, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Perlu dipahami bahwa, pemasangan GPU tetap memerlukan pemeriksaan sistem. Aspek yang perlu diperhatikan meliputi ketersediaan suplai listrik, ruang fisik di dalam server, dan kapasitas aliran udara. Sebelum melakukan instalasi, operator pusat data perlu melakukan evaluasi sesuai kebutuhan komputasi.
Dukungan Software Terbuka untuk Pengembangan AI Intel
Manfaat nyata GPU pusat data memerlukan dukungan selain kemampuan komputasi. Perangkat lunak yang kompatibel menjadi faktor utama dalam menjalankan model AI secara efisien. Sebagai bagian dari strategi pengembangan, Intel mengutamakan ekosistem perangkat lunak terbuka. Pengembang GPU D Series menyoroti integrasi dengan ekosistem pemrograman PyTorch dan vLLM untuk menjalankan model bahasa. Strategi kompatibilitas tersebut bertujuan memberikan fleksibilitas dalam memanfaatkan model terbuka tanpa sepenuhnya bergantung pada ekosistem tertutup.
Framework PyTorch dikenal sebagai kerangka kerja komputasi neural yang dikenal luas untuk melakukan pemrosesan jaringan neural. Di sisi lain, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Dengan menghadirkan kompatibilitas perangkat lunak, GPU D Series dirancang agar sesuai untuk berbagai kebutuhan inferensi. Meskipun demikian, kompatibilitas framework belum menjamin performa terbaik pada seluruh aplikasi. Pengembang perlu memeriksa kompatibilitas library, dukungan fungsi model, serta efisiensi komputasi dalam penggunaan produksi sebelum menerapkan layanan AI berskala besar.
Kesimpulan: GPU D Series Memperkuat Strategi AI Intel
Pengenalan akselerator AI terbaru Intel menggambarkan upaya produsen semikonduktor tersebut dalam menghadirkan infrastruktur inferensi AI yang menekankan kebutuhan aplikasi AI modern. Kemampuan menyediakan memori berukuran besar, bandwidth hingga 1,5 TB/s, dan performa maksimum FP8 sebesar 1,3 petaflops merupakan spesifikasi penting untuk menjalankan model bahasa besar. Di samping kemampuan teknisnya, desain berpendingin udara membantu memperkuat daya tarik produk. Meski demikian, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum menentukan manfaat ekonominya. Seberapa menarik menurut Anda GPU D Series terbaru dari Intel? Mari sampaikan pandangan Anda mengenai perkembangan GPU khusus inferensi AI.
