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.
Strategi Intel Menghadirkan Pemrosesan AI dengan Memori Besar
Pertumbuhan TEKNOLOGI kecerdasan buatan mendorong penggunaan sistem komputasi yang mampu menangani model bahasa berukuran besar secara lebih ekonomis. Menanggapi kebutuhan tersebut, Intel menghadirkan GPU D Series sebagai perangkat komputasi pusat data yang menekankan kapasitas memori. Perangkat komputasi tersebut pada tahap pengembangan disebut dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Berkat rancangan yang berorientasi pada inferensi, perusahaan ingin menawarkan pilihan perangkat keras tambahan bagi perusahaan pengembang kecerdasan buatan.
Presentasi perusahaan dalam OCP Global Summit 2026 memberikan informasi lebih lengkap mengenai kapasitas memori GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini dirancang untuk menjalankan inferensi AI. Inferensi sendiri merupakan kegiatan menjalankan model yang telah dilatih. Sebagai gambaran, layanan chatbot menggunakan proses inferensi ketika merespons pertanyaan. Ketika jumlah pengguna meningkat, efisiensi perangkat keras semakin penting. Dengan pertimbangan tersebut, Intel menempatkan GPU D Series sebagai solusi untuk kebutuhan inferensi berskala besar.
Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270
Karakteristik penting Intel GPU D Series adalah kapasitas LPDDR5X mencapai 480 GB. Dalam rancangan tersebut, Intel memanfaatkan teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Kapasitas memori tersebut membantu menampung model AI berukuran besar. Tidak hanya menyediakan memori besar, perangkat ini menawarkan kecepatan transfer memori 1,5 TB/s. Kemampuan transfer data ini menjadi faktor utama dalam mengalirkan informasi selama pemrosesan. Keseimbangan ruang penyimpanan dan kecepatan akses dirancang agar mampu menangani layanan AI dengan permintaan kompleks.
Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series menggunakan arsitektur Xe3P yang dikembangkan untuk akselerasi kecerdasan buatan. Perangkat tersebut menawarkan kemampuan puncak hingga 1,3 petaflops FP8. Presisi FP8 mengacu pada metode penyimpanan nilai floating point menggunakan delapan bit yang mendukung akselerasi model kecerdasan buatan. Pemanfaatan presisi rendah ini berpotensi meningkatkan efisiensi pengolahan data. Walaupun angka performanya tinggi, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Performa sebenarnya dipengaruhi oleh karakteristik jaringan neural, format data yang digunakan, dan kemampuan sistem menjalankan beban kerja.
Peran Bandwidth dan Kapasitas Memori dalam Inferensi Kecerdasan Buatan
Pada penggunaan model bahasa besar, jumlah memori yang dapat digunakan sangat menentukan karena parameter model harus tersedia selama pemrosesan. Sistem AI dengan kompleksitas tinggi sering membutuhkan kapasitas penyimpanan sementara yang luas. Selain parameter model, proses inferensi memerlukan penyimpanan informasi sementara. Komponen yang sering digunakan adalah KV cache yang mendukung penggunaan kembali informasi dalam konteks percakapan. Saat percakapan melibatkan lebih banyak informasi, kebutuhan memori menjadi semakin besar. Kondisi tersebut menjadi alasan penggunaan GPU dengan memori besar.
Dalam contoh sederhana, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Perhitungan tersebut belum memasukkan KV cache dan overhead perangkat lunak. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series memberikan ruang lebih luas untuk konteks panjang ke sejumlah kartu komputasi pada skenario penggunaan tertentu. Akan tetapi, jumlah memori bukan satu-satunya penentu performa. Efisiensi framework masih menentukan hasil akhir ketika menentukan perangkat pemrosesan model.
Intel GPU D Series Dirancang untuk Efisiensi Pusat Data
Di samping menawarkan kemampuan inferensi, Intel mengembangkan rancangan yang sesuai dengan lingkungan server perusahaan. Perangkat komputasi berbasis Xe3P tersebut dirancang untuk pengoperasian melalui pendinginan udara dengan daya sekitar 350 watt. Rancangan perangkat tersebut ditujukan untuk mempermudah pemasangan di pusat data konvensional. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, desain tersebut berpeluang menekan kerumitan instalasi. Namun demikian, pengelolaan temperatur tetap membutuhkan perencanaan agar kinerja GPU dapat dipertahankan.
Untuk kebutuhan pemasangan server, Intel GPU D Series menggunakan antarmuka PCIe 5.0. Standar tersebut memungkinkan pertukaran informasi dengan sistem host. Melalui penggunaan koneksi yang sudah dikenal industri, Intel berusaha mengurangi kebutuhan infrastruktur khusus. Perlu dipahami bahwa, dukungan perangkat keras harus dinilai secara menyeluruh. Aspek yang perlu diperhatikan meliputi ketersediaan suplai listrik, ruang fisik di dalam server, dan pengelolaan temperatur rak. Untuk memastikan penerapan yang tepat, tim teknis dianjurkan menilai kondisi sistem sesuai lingkungan operasional.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Efektivitas perangkat komputasi kecerdasan buatan tidak hanya ditentukan oleh spesifikasi perangkat keras. Perangkat lunak yang kompatibel memiliki pengaruh besar dalam menjalankan model AI secara efisien. Dalam upaya memperluas penggunaan produk, Intel mengembangkan dukungan framework yang digunakan industri. Produsen semikonduktor ini menyoroti integrasi dengan framework pembelajaran mesin PyTorch dan vLLM untuk mengembangkan aplikasi AI generatif. Dukungan tersebut dirancang agar membantu pengembang dalam memanfaatkan model terbuka tanpa sepenuhnya bergantung pada ekosistem tertutup.
Framework PyTorch dikenal sebagai salah satu perangkat pengembangan populer untuk membangun dan menjalankan model. Di sisi lain, vLLM berfokus pada penyajian model bahasa besar dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Dengan menghadirkan kompatibilitas perangkat lunak, GPU D Series berpotensi digunakan untuk berbagai kebutuhan inferensi. Perlu diperhatikan bahwa, dukungan awal tidak selalu berarti semua model langsung optimal. Pengembang perlu memeriksa versi driver, dukungan fungsi model, serta performa berdasarkan beban kerja sebelum menerapkan layanan AI berskala besar.
Kesimpulan: GPU D Series Memperkuat Strategi AI Intel
Peluncuran rincian teknologi GPU D Series menggambarkan upaya produsen semikonduktor tersebut dalam mengembangkan perangkat keras kecerdasan buatan yang menekankan kebutuhan aplikasi AI modern. Kemampuan menyediakan memori berukuran besar, bandwidth memori 1,5 terabyte per detik, dan komputasi puncak 1,3 petaflops FP8 menjadi karakteristik utama untuk mendukung inferensi AI dengan konteks panjang. Sebagai nilai tambah lainnya, dukungan ekosistem perangkat lunak terbuka memberikan pilihan integrasi bagi perusahaan. Meski demikian, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda GPU D Series terbaru dari Intel? Silakan bagikan pendapat Anda mengenai perkembangan GPU khusus inferensi AI.
