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.

Intel Perkenalkan GPU D Series untuk Infrastruktur Kecerdasan Buatan

Kemajuan ekosistem komputasi AI memperbesar permintaan perangkat keras yang mampu menangani aplikasi AI generatif secara semakin optimal. Sebagai bagian dari strategi komputasi AI, Intel menghadirkan GPU D Series sebagai perangkat komputasi pusat data yang mengutamakan efisiensi inferensi. Akselerator terbaru ini sebelumnya dikenal dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Dengan pendekatan tersebut, perusahaan berupaya menyediakan solusi komputasi yang lebih fleksibel bagi operator pusat data.

Pemaparan teknis terbaru Intel memperjelas kemampuan perangkat mengenai kemampuan komputasi GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini dikembangkan guna melayani permintaan AI. Inferensi sendiri merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Contohnya, layanan chatbot menggunakan proses inferensi ketika merespons pertanyaan. Apabila layanan AI digunakan dalam skala besar, beban infrastruktur menjadi lebih tinggi. Karena itulah, Intel merancang lini GPU ini sebagai solusi untuk kebutuhan inferensi berskala besar.

Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P

Salah satu keunggulan utama Intel GPU D Series adalah kemampuan menampung memori berkapasitas besar. Pada konfigurasi produk ini, Intel memilih teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Kapasitas memori tersebut memungkinkan penempatan parameter jaringan neural. Tidak hanya menyediakan memori besar, perangkat ini mendukung bandwidth memori sebesar 1,5 terabyte per detik. Kecepatan akses memori tersebut memiliki pengaruh besar dalam menyediakan data bagi unit komputasi. Kombinasi kapasitas dan bandwidth dirancang agar mampu menangani layanan AI dengan permintaan kompleks.

Di samping spesifikasi penyimpanan data, Intel GPU D Series menggunakan arsitektur Xe3P yang dioptimalkan untuk inferensi. GPU pusat data tersebut memiliki target komputasi sebesar 1,3 petaflops pada presisi FP8. Presisi FP8 mengacu pada representasi angka dengan delapan bit yang relevan untuk pengolahan jaringan neural. Penggunaan format tersebut dapat mengurangi kebutuhan komputasi tertentu. Perlu diperhatikan bahwa, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Faktor seperti karakteristik jaringan neural, pengaturan numerik, dan efisiensi perangkat lunak.

Mengapa Memori Besar Penting untuk Menjalankan Model AI

Pada penggunaan model bahasa besar, jumlah memori yang dapat digunakan sangat menentukan karena parameter model harus tersedia selama pemrosesan. Jaringan neural yang berukuran besar umumnya memerlukan memori lebih besar. Di samping data utama model, proses inferensi memerlukan penyimpanan informasi sementara. Bagian penting dalam inferensi transformer adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Ketika konteks semakin panjang, kebutuhan memori menjadi semakin besar. Kondisi tersebut menjadi alasan penggunaan GPU dengan memori besar.

Sebagai ilustrasi, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Gambaran kebutuhan memori tersebut tidak mencakup KV cache dan overhead perangkat lunak. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke sejumlah kartu komputasi pada skenario penggunaan tertentu. Akan tetapi, kapasitas besar saja tidak menjamin inferensi lebih cepat. Kecepatan transfer data tetap perlu dipertimbangkan ketika merancang infrastruktur pusat data.

Infrastruktur AI dengan Perangkat GPU yang Lebih Mudah Diintegrasikan

Selain menonjolkan kapasitas memori, Intel mengembangkan rancangan yang sesuai dengan infrastruktur pusat data yang sudah tersedia. Perangkat komputasi berbasis Xe3P tersebut mengandalkan sistem pendinginan udara dengan daya sekitar 350 watt. Rancangan perangkat tersebut ditujukan untuk mempermudah penggunaan pada infrastruktur enterprise. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, 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 mendukung koneksi PCI Express generasi kelima. Teknologi interkoneksi ini mendukung komunikasi data berkecepatan tinggi. Dengan memanfaatkan standar umum, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Meskipun demikian, kompatibilitas server tidak hanya bergantung pada konektor. Pertimbangan teknisnya mencakup kapasitas catu daya, ketersediaan tempat pemasangan, dan kemampuan sistem pendingin. Untuk memastikan penerapan yang tepat, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai spesifikasi perangkat.

Dukungan Software Terbuka untuk Pengembangan AI Intel

Efektivitas perangkat komputasi kecerdasan buatan bergantung pada lebih dari sekadar kapasitas memori. Ekosistem pengembangan yang matang memiliki pengaruh besar dalam memanfaatkan kemampuan GPU. Sebagai bagian dari strategi pengembangan, Intel mengembangkan dukungan framework yang digunakan industri. Pengembang GPU D Series mengembangkan kompatibilitas dengan PyTorch dan vLLM untuk melayani permintaan inferensi. Dukungan tersebut dirancang agar membantu pengembang dalam memanfaatkan model terbuka tanpa harus menggunakan satu pendekatan perangkat lunak khusus.

PyTorch merupakan platform pembelajaran mesin yang banyak digunakan untuk mengembangkan aplikasi kecerdasan buatan. Sementara itu, vLLM dikembangkan untuk melayani inferensi model bahasa dengan optimalisasi throughput serta penggunaan cache. Melalui dukungan ekosistem tersebut, GPU D Series diharapkan dapat dimanfaatkan untuk berbagai kebutuhan inferensi. Namun demikian, kemampuan menjalankan perangkat lunak tetap membutuhkan evaluasi. Pengembang perlu memeriksa versi driver, dukungan fungsi model, serta efisiensi komputasi dalam penggunaan produksi sebelum menentukan keputusan infrastruktur.

Peluang Infrastruktur Kecerdasan Buatan melalui GPU D Series

Peluncuran rincian teknologi GPU D Series menggambarkan upaya produsen semikonduktor tersebut dalam memperkuat solusi komputasi pusat data yang menekankan kebutuhan aplikasi AI modern. Kemampuan menyediakan memori berukuran besar, bandwidth memori 1,5 terabyte per detik, dan kemampuan teoritis 1,3 petaflops dalam format FP8 menawarkan potensi menarik untuk melayani permintaan kecerdasan buatan berskala besar. Sebagai nilai tambah lainnya, desain berpendingin udara menjadi pertimbangan bagi operator pusat data. Kendati memiliki potensi besar, kinerja sesungguhnya tetap memerlukan pengujian sebelum membandingkan dengan akselerator lain. Bagaimana pendapat Anda mengenai perkembangan TEKNOLOGI komputasi AI Intel? Mari sampaikan pandangan Anda mengenai perkembangan GPU khusus inferensi AI.