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 ekosistem komputasi AI memperbesar permintaan perangkat keras yang mampu menangani model bahasa berukuran besar secara lebih ekonomis. Untuk menghadapi perkembangan ini, Intel menghadirkan GPU D Series sebagai perangkat komputasi pusat data yang menekankan kapasitas memori. Perangkat komputasi tersebut sebelumnya dikenal dengan nama kode Crescent Island sebelum dimasukkan ke lini produk Intel GPU D Series. Dengan pendekatan tersebut, perusahaan menargetkan hadirnya solusi komputasi yang lebih fleksibel bagi penyedia layanan cloud.
Pemaparan teknis terbaru Intel memberikan informasi lebih lengkap mengenai kemampuan komputasi GPU D Series. Berbeda dari kartu grafis konsumen, akselerator ini dikembangkan guna melayani permintaan AI. Inferensi sendiri merupakan kegiatan menjalankan model yang telah dilatih. Sebagai gambaran, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Saat permintaan diproses secara bersamaan, beban infrastruktur menjadi lebih tinggi. Karena itulah, Intel memposisikan akselerator terbarunya sebagai solusi untuk kebutuhan inferensi berskala besar.
Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270
Fitur paling menonjol Intel GPU D Series adalah dukungan memori hingga 480 GB. Pada konfigurasi produk ini, Intel memilih teknologi memori LPDDR5X yang mendukung konsumsi daya yang lebih terkendali. Kapasitas memori tersebut membantu menampung parameter jaringan neural. Di samping menawarkan ruang pemrosesan yang luas, perangkat ini menawarkan kecepatan transfer memori 1,5 TB/s. Bandwidth tersebut berperan penting dalam memenuhi kebutuhan akses data model AI. Keseimbangan ruang penyimpanan dan kecepatan akses ditujukan untuk mendukung inferensi dengan konteks panjang.
Selain kemampuan memori, Intel GPU D Series menggunakan arsitektur Xe3P yang dirancang bagi pemrosesan paralel. Akselerator ini mendukung performa teoritis 1,3 petaflops menggunakan format FP8. Presisi FP8 mengacu pada format numerik berpresisi rendah yang relevan untuk pengolahan jaringan neural. Pemanfaatan presisi rendah ini berpotensi meningkatkan efisiensi pengolahan data. Perlu diperhatikan bahwa, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Aspek yang memengaruhi kinerja meliputi kompleksitas aplikasi, pengaturan numerik, 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 data jaringan neural perlu diakses secara berulang. Model dengan parameter lebih banyak dapat menggunakan sumber daya memori dalam jumlah tinggi. Tidak hanya bobot jaringan neural, proses inferensi memerlukan penyimpanan informasi sementara. Komponen yang sering digunakan adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Ketika konteks semakin panjang, kebutuhan memori dapat bertambah. Kebutuhan data sementara tersebut menjelaskan pentingnya kapasitas tinggi.
Sebagai ilustrasi, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Estimasi sederhana ini tidak mencakup memori kerja tambahan dan berbagai kebutuhan sistem lainnya. Melalui dukungan memori yang besar, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke sejumlah kartu komputasi pada skenario penggunaan tertentu. Akan tetapi, jumlah memori bukan satu-satunya penentu performa. Kecepatan transfer data masih menentukan hasil akhir ketika memilih akselerator AI.
Infrastruktur AI dengan Perangkat GPU yang Lebih Mudah Diintegrasikan
Selain menonjolkan kapasitas memori, Intel menekankan efisiensi penerapan dengan infrastruktur pusat data yang sudah tersedia. Perangkat komputasi berbasis Xe3P tersebut dirancang untuk pengoperasian melalui pendinginan udara dengan batas daya yang dinyatakan sebesar 350 watt. Sistem pendinginan yang digunakan berpotensi menyederhanakan pemasangan di pusat data konvensional. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, desain tersebut berpeluang menekan kerumitan instalasi. Walaupun dirancang lebih praktis, kecukupan aliran udara masih perlu dipastikan agar operasional pusat data berlangsung optimal.
Untuk kebutuhan pemasangan server, Intel GPU D Series menggunakan antarmuka PCIe 5.0. Teknologi interkoneksi ini mendukung komunikasi data berkecepatan tinggi. Dengan memanfaatkan standar umum, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Perlu dipahami bahwa, pemasangan GPU tetap memerlukan pemeriksaan sistem. Aspek yang perlu diperhatikan meliputi ketersediaan suplai listrik, ketersediaan tempat pemasangan, dan kapasitas aliran udara. Oleh sebab itu, operator pusat data perlu melakukan evaluasi sesuai lingkungan operasional.
Dukungan Software Terbuka untuk Pengembangan AI Intel
Efektivitas perangkat komputasi kecerdasan buatan tidak hanya ditentukan oleh spesifikasi perangkat keras. Perangkat lunak yang kompatibel menjadi faktor utama dalam memanfaatkan kemampuan GPU. Untuk mendukung kebutuhan tersebut, Intel mengutamakan ekosistem perangkat lunak terbuka. Perusahaan tersebut memperkenalkan dukungan dengan PyTorch dan vLLM untuk melayani permintaan inferensi. Pendekatan perangkat lunak ini dirancang agar membantu pengembang dalam memanfaatkan model terbuka tanpa membatasi pilihan framework pengembangan.
Dalam ekosistem AI, PyTorch menjadi salah satu perangkat pengembangan populer untuk melakukan pemrosesan jaringan neural. Adapun, vLLM dikembangkan untuk melayani inferensi model bahasa dengan pengelolaan memori dan permintaan yang efisien. Dengan menghadirkan kompatibilitas perangkat lunak, GPU D Series diharapkan dapat dimanfaatkan untuk berbagai kebutuhan inferensi. Meskipun demikian, kemampuan menjalankan perangkat lunak tetap membutuhkan evaluasi. Tim teknis sebaiknya mengevaluasi versi driver, kemampuan kernel pemrosesan, serta hasil benchmark nyata sebelum menentukan keputusan infrastruktur.
Peluang Infrastruktur Kecerdasan Buatan melalui GPU D Series
Peluncuran rincian teknologi GPU D Series menunjukkan strategi perusahaan dalam mengembangkan perangkat keras kecerdasan buatan yang memprioritaskan efisiensi pemrosesan. Kapasitas memori mencapai 480 GB, kecepatan transfer memori sebesar 1,5 TB/s, dan performa maksimum FP8 sebesar 1,3 petaflops menawarkan potensi menarik untuk mendukung inferensi AI dengan konteks panjang. Selain itu, penggunaan antarmuka PCIe 5.0 memberikan pilihan integrasi bagi perusahaan. Walaupun spesifikasinya menjanjikan, kinerja sesungguhnya tetap memerlukan pengujian sebelum menentukan manfaat ekonominya. Apa pandangan Anda tentang GPU D Series terbaru dari Intel? Anda dapat berbagi pemikiran mengenai perkembangan GPU khusus inferensi AI.
