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
Perkembangan TEKNOLOGI kecerdasan buatan mendorong penggunaan sistem komputasi yang dirancang untuk memproses aplikasi AI generatif secara lebih efisien. Menanggapi kebutuhan tersebut, Intel menghadirkan GPU D Series sebagai solusi pemrosesan AI yang berfokus pada kebutuhan memori besar. Produk tersebut mula-mula diperkenalkan dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Dengan pendekatan tersebut, perusahaan ingin menawarkan solusi komputasi yang lebih fleksibel bagi operator pusat data.
Pengumuman pada Oktober 2026 memperjelas kemampuan perangkat mengenai kapasitas memori GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini dikembangkan guna melayani permintaan AI. Proses inference merupakan aktivitas pemrosesan permintaan menggunakan model yang sudah tersedia. Sebagai gambaran, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Ketika jumlah pengguna meningkat, efisiensi perangkat keras semakin penting. Oleh sebab itu, Intel memposisikan akselerator terbarunya sebagai perangkat pendukung layanan AI perusahaan.
Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270
Karakteristik penting Intel GPU D Series adalah kemampuan menampung memori berkapasitas besar. Melalui pendekatan perangkat kerasnya, Intel menggunakan teknologi memori LPDDR5X yang mendukung konsumsi daya yang lebih terkendali. Jumlah memori yang tersedia memungkinkan penempatan parameter jaringan neural. Tidak hanya menyediakan memori besar, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Bandwidth tersebut menjadi faktor utama dalam mengalirkan informasi selama pemrosesan. Keseimbangan ruang penyimpanan dan kecepatan akses berpotensi membantu menjalankan layanan AI dengan permintaan kompleks.
Di samping spesifikasi penyimpanan data, Intel GPU D Series menggunakan arsitektur Xe3P yang dikembangkan untuk akselerasi kecerdasan buatan. Akselerator ini menawarkan kemampuan puncak hingga 1,3 petaflops FP8. FP8 merupakan format numerik berpresisi rendah yang mendukung akselerasi model kecerdasan buatan. Penerapan representasi numerik FP8 dapat mengurangi kebutuhan komputasi tertentu. Namun demikian, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Aspek yang memengaruhi kinerja meliputi karakteristik jaringan neural, format data yang digunakan, dan kemampuan sistem menjalankan beban kerja.
Mengapa Memori Besar Penting untuk Menjalankan Model AI
Pada penggunaan model bahasa besar, ketersediaan memori memiliki peranan utama karena parameter model harus tersedia selama pemrosesan. Model dengan parameter lebih banyak dapat menggunakan sumber daya memori dalam jumlah tinggi. Selain parameter model, proses inferensi membutuhkan memori tambahan untuk data pemrosesan. Salah satu contohnya adalah KV cache yang mendukung penggunaan kembali informasi dalam konteks percakapan. Apabila jumlah token yang diproses meningkat, kebutuhan memori menjadi semakin besar. Kebutuhan data sementara tersebut mendukung pengembangan akselerator yang berorientasi pada memori.
Untuk memberikan gambaran, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Gambaran kebutuhan memori tersebut belum memasukkan memori kerja tambahan dan berbagai kebutuhan sistem lainnya. Dengan kapasitas hingga 480 GB, GPU D Series berpotensi menampung lebih banyak data model ke beberapa akselerator pada beban kerja yang sesuai. Akan tetapi, kapasitas besar saja tidak menjamin inferensi lebih cepat. Kecepatan transfer data tetap perlu dipertimbangkan ketika menentukan perangkat pemrosesan model.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Tidak hanya mengandalkan spesifikasi komputasi, Intel menekankan efisiensi penerapan dengan lingkungan server perusahaan. Perangkat komputasi berbasis Xe3P tersebut mengandalkan sistem pendinginan udara dengan daya sekitar 350 watt. Pendekatan ini ditujukan untuk mempermudah pemasangan di pusat data konvensional. Tidak seperti konfigurasi yang mengharuskan infrastruktur liquid cooling, desain tersebut berpeluang menekan kerumitan instalasi. Namun demikian, kemampuan pendinginan server tetap harus diperiksa agar kinerja GPU dapat dipertahankan.
Dalam aspek integrasi perangkat keras, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Standar tersebut mendukung komunikasi data berkecepatan tinggi. Melalui penggunaan koneksi yang sudah dikenal industri, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Perlu dipahami bahwa, pemasangan GPU tetap memerlukan pemeriksaan sistem. Faktor seperti kemampuan power supply, ruang fisik di dalam server, dan pengelolaan temperatur rak. Untuk memastikan penerapan yang tepat, operator pusat data perlu melakukan evaluasi sesuai spesifikasi perangkat.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Manfaat nyata GPU pusat data tidak hanya ditentukan oleh spesifikasi perangkat keras. Perangkat lunak yang kompatibel menjadi faktor utama dalam mengoptimalkan proses inferensi. Dalam upaya memperluas penggunaan produk, Intel mengutamakan ekosistem perangkat lunak terbuka. Pengembang GPU D Series menyoroti integrasi dengan PyTorch dan vLLM untuk menjalankan model bahasa. Dukungan tersebut bertujuan memberikan fleksibilitas dalam membangun layanan kecerdasan buatan tanpa sepenuhnya bergantung pada ekosistem tertutup.
Framework PyTorch dikenal sebagai salah satu perangkat pengembangan populer untuk mengembangkan aplikasi kecerdasan buatan. Adapun, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pengelolaan memori dan permintaan yang efisien. Melalui dukungan ekosistem tersebut, GPU D Series dirancang agar sesuai untuk sejumlah skenario implementasi AI. Namun demikian, dukungan awal tidak selalu berarti semua model langsung optimal. Pengelola sistem dianjurkan menguji kompatibilitas library, operator komputasi yang tersedia, serta hasil benchmark nyata sebelum menggunakan perangkat secara luas.
Masa Depan Pemrosesan AI dengan Memori Besar dari Intel
Peluncuran rincian teknologi GPU D Series menggambarkan upaya produsen semikonduktor tersebut dalam menghadirkan infrastruktur inferensi AI yang berorientasi pada kapasitas memori. Dukungan LPDDR5X hingga 480 GB, bandwidth memori 1,5 terabyte per detik, dan komputasi puncak 1,3 petaflops FP8 menjadi karakteristik utama untuk melayani permintaan kecerdasan buatan berskala besar. Selain itu, dukungan ekosistem perangkat lunak terbuka membantu memperkuat daya tarik produk. Kendati memiliki potensi besar, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum membandingkan dengan akselerator lain. Apa pandangan Anda tentang perkembangan TEKNOLOGI komputasi AI Intel? Silakan bagikan pendapat Anda mengenai masa depan infrastruktur kecerdasan buatan.
