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
Kemajuan TEKNOLOGI kecerdasan buatan meningkatkan kebutuhan infrastruktur yang dirancang untuk memproses model bahasa berukuran besar secara lebih ekonomis. Menanggapi kebutuhan tersebut, Intel memperkenalkan GPU D Series sebagai solusi pemrosesan AI yang menekankan kapasitas memori. Akselerator terbaru ini pada tahap pengembangan disebut dengan nama kode Crescent Island sebelum dimasukkan ke lini produk Intel GPU D Series. Dengan pendekatan tersebut, perusahaan berupaya menyediakan solusi komputasi yang lebih fleksibel bagi perusahaan pengembang kecerdasan buatan.
Pengumuman pada Oktober 2026 memberikan informasi lebih lengkap mengenai kapasitas memori GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini dirancang untuk menjalankan inferensi AI. 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. Karena itulah, Intel memposisikan akselerator terbarunya sebagai bagian dari infrastruktur AI modern.
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. Melalui pendekatan perangkat kerasnya, Intel memanfaatkan teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Kapasitas memori tersebut memberikan ruang bagi data yang diperlukan selama inferensi. Di samping menawarkan ruang pemrosesan yang luas, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Kecepatan akses memori tersebut memiliki pengaruh besar dalam mengalirkan informasi selama pemrosesan. Kombinasi kapasitas dan bandwidth dirancang agar mampu menangani inferensi dengan konteks panjang.
Tidak hanya mengandalkan kapasitas LPDDR5X, 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 format numerik berpresisi rendah yang mendukung akselerasi model kecerdasan buatan. Penggunaan format tersebut dapat mengurangi kebutuhan komputasi tertentu. Walaupun angka performanya tinggi, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Faktor seperti ukuran model, jenis presisi, dan kemampuan sistem menjalankan beban kerja.
Mengapa Memori Besar Penting untuk Menjalankan Model AI
Ketika menjalankan aplikasi kecerdasan buatan, jumlah memori yang dapat digunakan sangat menentukan karena sistem membutuhkan ruang untuk menyimpan informasi komputasi. Model dengan parameter lebih banyak sering membutuhkan kapasitas penyimpanan sementara yang luas. Tidak hanya bobot jaringan neural, proses inferensi juga menggunakan ruang untuk cache. Salah satu contohnya adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Saat percakapan melibatkan lebih banyak informasi, kebutuhan memori berpotensi meningkat. Kondisi 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. Perhitungan tersebut masih mengecualikan memori kerja tambahan dan berbagai kebutuhan sistem lainnya. Melalui dukungan memori yang besar, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke beberapa akselerator pada beban kerja yang sesuai. Meski demikian, ruang penyimpanan yang luas belum memastikan throughput tertinggi. Kemampuan komputasi tetap perlu dipertimbangkan ketika memilih akselerator AI.
Intel GPU D Series Dirancang untuk Efisiensi Pusat Data
Selain menonjolkan kapasitas memori, Intel menekankan efisiensi penerapan dengan lingkungan server perusahaan. Akselerator D Series yang diperkenalkan mengandalkan sistem pendinginan udara dengan batas daya yang dinyatakan sebesar 350 watt. Sistem pendinginan yang digunakan berpotensi menyederhanakan integrasi ke rak server yang kompatibel. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, desain tersebut membantu menyederhanakan proses penerapan. Namun demikian, kemampuan pendinginan server tetap harus diperiksa agar kinerja GPU dapat dipertahankan.
Untuk kebutuhan pemasangan server, Intel GPU D Series mendukung koneksi PCI Express generasi kelima. Antarmuka perangkat tersebut menyediakan jalur transfer antara GPU dan komponen server. Berkat penerapan antarmuka PCIe, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Meskipun demikian, kompatibilitas server tidak hanya bergantung pada konektor. Pertimbangan teknisnya mencakup kemampuan power supply, ketersediaan tempat pemasangan, dan kemampuan sistem pendingin. Untuk memastikan penerapan yang tepat, operator pusat data perlu melakukan evaluasi sesuai spesifikasi perangkat.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Keberhasilan sebuah akselerator AI memerlukan dukungan selain kemampuan komputasi. Ekosistem pengembangan yang matang memiliki pengaruh besar dalam memanfaatkan kemampuan GPU. Sebagai bagian dari strategi pengembangan, Intel menekankan pendekatan software terbuka. Pengembang GPU D Series menyoroti integrasi dengan PyTorch dan vLLM untuk menjalankan model bahasa. Pendekatan perangkat lunak ini diharapkan mempermudah integrasi dalam memanfaatkan model terbuka tanpa harus menggunakan satu pendekatan perangkat lunak khusus.
PyTorch merupakan kerangka kerja komputasi neural yang dikenal luas untuk melakukan pemrosesan jaringan neural. Adapun, vLLM berfokus pada penyajian model bahasa besar dengan optimalisasi throughput serta penggunaan cache. Dengan menghadirkan kompatibilitas perangkat lunak, GPU D Series berpotensi digunakan untuk beragam model dan aplikasi. Namun demikian, kemampuan menjalankan perangkat lunak tetap membutuhkan evaluasi. Pengelola sistem dianjurkan menguji versi driver, dukungan fungsi model, serta performa berdasarkan beban kerja sebelum menerapkan layanan AI berskala besar.
Kesimpulan: GPU D Series Memperkuat Strategi AI Intel
Pengembangan Intel GPU D Series menggambarkan upaya produsen semikonduktor tersebut dalam mengembangkan perangkat keras kecerdasan buatan yang berorientasi pada kapasitas memori. Dukungan LPDDR5X hingga 480 GB, kecepatan transfer memori sebesar 1,5 TB/s, dan komputasi puncak 1,3 petaflops FP8 menawarkan potensi menarik untuk mendukung inferensi AI dengan konteks panjang. Sebagai nilai tambah lainnya, desain berpendingin udara memberikan pilihan integrasi bagi perusahaan. Walaupun spesifikasinya menjanjikan, kinerja sesungguhnya tetap memerlukan pengujian sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda GPU D Series terbaru dari Intel? Mari sampaikan pandangan Anda mengenai potensinya bagi pusat data.
