Intel Perinci GPU D Series untuk Pemrosesan AI dengan Memori Berkapasitas Besar

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

Perkembangan industri artificial intelligence memperbesar kebutuhan infrastruktur yang mampu menangani aplikasi AI generatif secara semakin optimal. Untuk menghadapi perkembangan ini, Intel mengembangkan GPU D Series sebagai solusi pemrosesan AI yang berfokus pada kebutuhan memori besar. Akselerator terbaru ini sebelumnya dikenal dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Berkat rancangan yang berorientasi pada inferensi, perusahaan berupaya menyediakan alternatif akselerasi AI bagi penyedia layanan cloud.

Pemaparan teknis terbaru Intel memperjelas kemampuan perangkat mengenai kemampuan komputasi GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini dirancang untuk menjalankan inferensi AI. Inferensi sendiri merupakan aktivitas pemrosesan permintaan menggunakan model yang sudah tersedia. Contohnya, layanan chatbot memerlukan inferensi untuk menghasilkan jawaban. Ketika jumlah pengguna meningkat, efisiensi perangkat keras semakin penting. Oleh sebab itu, Intel menempatkan GPU D Series sebagai bagian dari infrastruktur AI modern.

Spesifikasi Intel GPU D Series dengan Memori LPDDR5X hingga 480 GB

Fitur paling menonjol Intel GPU D Series adalah kemampuan menampung memori berkapasitas besar. Melalui pendekatan perangkat kerasnya, Intel menggunakan teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Dukungan penyimpanan data sementara sebesar itu memungkinkan penempatan data yang diperlukan selama inferensi. Tidak hanya menyediakan memori besar, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Kecepatan akses memori tersebut berperan penting dalam menyediakan data bagi unit komputasi. Kombinasi kapasitas dan bandwidth ditujukan untuk mendukung inferensi dengan konteks panjang.

Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dirancang bagi pemrosesan paralel. Akselerator ini menawarkan kemampuan puncak hingga 1,3 petaflops FP8. FP8 merupakan metode penyimpanan nilai floating point menggunakan delapan bit yang relevan untuk pengolahan jaringan neural. Penggunaan format tersebut dapat mengurangi kebutuhan komputasi tertentu. Namun demikian, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Aspek yang memengaruhi kinerja meliputi kompleksitas aplikasi, format data yang digunakan, dan kemampuan sistem menjalankan beban kerja.

Mengapa Memori Besar Penting untuk Menjalankan Model AI

Ketika menjalankan aplikasi kecerdasan buatan, ketersediaan memori memiliki peranan utama karena data jaringan neural perlu diakses secara berulang. Jaringan neural yang berukuran besar umumnya memerlukan memori lebih besar. Selain parameter model, proses inferensi memerlukan penyimpanan informasi sementara. Komponen yang sering digunakan adalah KV cache yang mendukung penggunaan kembali informasi dalam konteks percakapan. Apabila jumlah token yang diproses meningkat, kebutuhan memori dapat bertambah. 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 masih mengecualikan memori kerja tambahan dan berbagai kebutuhan sistem lainnya. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series berpotensi menampung lebih banyak data model ke sejumlah kartu komputasi pada beban kerja yang sesuai. Namun, kapasitas besar saja tidak menjamin inferensi lebih cepat. Kecepatan transfer data tetap perlu dipertimbangkan ketika memilih akselerator AI.

Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270

Selain menonjolkan kapasitas memori, Intel memprioritaskan kemudahan integrasi dengan sistem komputasi enterprise. Perangkat komputasi berbasis Xe3P tersebut dirancang untuk pengoperasian melalui pendinginan udara dengan profil konsumsi daya 350 W. Sistem pendinginan yang digunakan berpotensi menyederhanakan integrasi ke rak server yang kompatibel. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut berpeluang menekan kerumitan instalasi. Namun demikian, kecukupan aliran udara masih perlu dipastikan agar operasional pusat data berlangsung optimal.

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. Dengan memanfaatkan standar umum, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Namun demikian, dukungan perangkat keras harus dinilai secara menyeluruh. Pertimbangan teknisnya mencakup kemampuan power supply, ketersediaan tempat pemasangan, dan kapasitas aliran udara. Untuk memastikan penerapan yang tepat, tim teknis dianjurkan menilai kondisi sistem sesuai lingkungan operasional.

Dukungan Software Terbuka untuk Pengembangan AI Intel

Efektivitas perangkat komputasi kecerdasan buatan memerlukan dukungan selain kemampuan komputasi. Framework komputasi yang didukung berperan penting dalam mengoptimalkan proses inferensi. Sebagai bagian dari strategi pengembangan, Intel mengembangkan dukungan framework yang digunakan industri. Produsen semikonduktor ini menyoroti integrasi dengan ekosistem pemrograman PyTorch dan vLLM untuk menjalankan model bahasa. Strategi kompatibilitas tersebut bertujuan memberikan fleksibilitas dalam mengoperasikan aplikasi berbasis AI tanpa membatasi pilihan framework pengembangan.

PyTorch merupakan kerangka kerja komputasi neural yang dikenal luas untuk melakukan pemrosesan jaringan neural. Sementara itu, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pengelolaan memori dan permintaan yang efisien. Dengan menghadirkan kompatibilitas perangkat lunak, GPU D Series berpotensi digunakan untuk beragam model dan aplikasi. Meskipun demikian, kompatibilitas framework belum menjamin performa terbaik pada seluruh aplikasi. Tim teknis sebaiknya mengevaluasi 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

Pengembangan Intel GPU D Series menggambarkan upaya produsen semikonduktor tersebut dalam mengembangkan perangkat keras kecerdasan buatan yang menekankan kebutuhan aplikasi AI modern. Dukungan LPDDR5X hingga 480 GB, kecepatan transfer memori sebesar 1,5 TB/s, dan performa maksimum FP8 sebesar 1,3 petaflops menawarkan potensi menarik untuk menjalankan model bahasa besar. Di samping kemampuan teknisnya, dukungan ekosistem perangkat lunak terbuka membantu memperkuat daya tarik produk. Kendati memiliki potensi besar, hasil penggunaan perlu dibuktikan melalui benchmark sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda akselerator AI dengan memori berkapasitas besar? Anda dapat berbagi pemikiran mengenai masa depan infrastruktur kecerdasan buatan.