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
Kemajuan industri artificial intelligence memperbesar permintaan perangkat keras yang dapat menjalankan aplikasi AI generatif secara lebih efisien. Menanggapi kebutuhan tersebut, Intel memperkenalkan GPU D Series sebagai solusi pemrosesan AI yang mengutamakan efisiensi inferensi. Perangkat komputasi tersebut sebelumnya dikenal dengan nama kode Crescent Island sebelum dimasukkan ke lini produk Intel GPU D Series. Melalui pengembangan ini, perusahaan menargetkan hadirnya pilihan perangkat keras tambahan bagi operator pusat data.
Pemaparan teknis terbaru Intel memberikan informasi lebih lengkap mengenai arsitektur pemrosesan GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini dikembangkan guna melayani permintaan AI. Inferensi sendiri merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Dalam penerapan sehari-hari, layanan chatbot memerlukan inferensi untuk menghasilkan jawaban. Ketika jumlah pengguna meningkat, beban infrastruktur menjadi lebih tinggi. Karena itulah, Intel merancang lini GPU ini sebagai bagian dari infrastruktur AI modern.
Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P
Fitur paling menonjol Intel GPU D Series adalah kapasitas LPDDR5X mencapai 480 GB. Melalui pendekatan perangkat kerasnya, Intel memilih teknologi memori LPDDR5X yang menawarkan karakteristik hemat daya. Dukungan penyimpanan data sementara sebesar itu membantu menampung model AI berukuran besar. Selain kapasitas tinggi, perangkat ini menawarkan kecepatan transfer memori 1,5 TB/s. Bandwidth tersebut menjadi faktor utama dalam memenuhi kebutuhan akses data model AI. Perpaduan memori besar serta transfer cepat ditujukan untuk mendukung model kecerdasan buatan yang membutuhkan banyak memori.
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 format numerik berpresisi rendah yang mendukung akselerasi model kecerdasan buatan. Penerapan representasi numerik FP8 berpotensi meningkatkan efisiensi pengolahan data. Namun demikian, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Aspek yang memengaruhi kinerja meliputi karakteristik jaringan neural, format data yang digunakan, dan efisiensi perangkat lunak.
Mengapa Memori Besar Penting untuk Menjalankan Model AI
Ketika menjalankan aplikasi kecerdasan buatan, 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. Di samping data utama model, proses inferensi memerlukan penyimpanan informasi sementara. Salah satu contohnya adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Saat percakapan melibatkan lebih banyak informasi, kebutuhan memori dapat bertambah. Kebutuhan data sementara tersebut menjelaskan pentingnya kapasitas tinggi.
Dalam contoh sederhana, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Estimasi sederhana ini masih mengecualikan KV cache dan data pendukung proses komputasi. Dengan kapasitas hingga 480 GB, GPU D Series berpotensi menampung lebih banyak data model ke beberapa akselerator pada skenario penggunaan tertentu. Namun, kapasitas besar saja tidak menjamin inferensi lebih cepat. Kecepatan transfer data masih menentukan hasil akhir ketika menentukan perangkat pemrosesan model.
Infrastruktur AI dengan Perangkat GPU yang Lebih Mudah Diintegrasikan
Tidak hanya mengandalkan spesifikasi komputasi, Intel memprioritaskan kemudahan integrasi dengan sistem komputasi enterprise. Perangkat komputasi berbasis Xe3P tersebut menggunakan desain berpendingin udara dengan batas daya yang dinyatakan sebesar 350 watt. Rancangan perangkat tersebut berpotensi menyederhanakan penggunaan pada infrastruktur enterprise. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut membantu menyederhanakan proses penerapan. Walaupun dirancang lebih praktis, kecukupan aliran udara masih perlu dipastikan agar operasional pusat data berlangsung optimal.
Dari sisi konektivitas, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Teknologi interkoneksi ini mendukung komunikasi data berkecepatan tinggi. Dengan memanfaatkan standar umum, Intel menargetkan integrasi yang lebih fleksibel. Perlu dipahami bahwa, dukungan perangkat keras harus dinilai secara menyeluruh. Pertimbangan teknisnya mencakup kapasitas catu daya, ruang fisik di dalam server, 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 bergantung pada lebih dari sekadar kapasitas memori. Ekosistem pengembangan yang matang menjadi faktor utama dalam mengoptimalkan proses inferensi. Dalam upaya memperluas penggunaan produk, Intel menekankan pendekatan software terbuka. Pengembang GPU D Series menyoroti integrasi dengan ekosistem pemrograman PyTorch dan vLLM untuk mengembangkan aplikasi AI generatif. Pendekatan perangkat lunak ini diharapkan mempermudah integrasi dalam memanfaatkan model terbuka tanpa sepenuhnya bergantung pada ekosistem tertutup.
PyTorch merupakan platform pembelajaran mesin yang banyak digunakan untuk melakukan pemrosesan jaringan neural. Di sisi lain, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Melalui dukungan ekosistem tersebut, GPU D Series diharapkan dapat dimanfaatkan untuk sejumlah skenario implementasi AI. Perlu diperhatikan bahwa, kemampuan menjalankan perangkat lunak tetap membutuhkan evaluasi. Pengelola sistem dianjurkan menguji versi driver, operator komputasi yang tersedia, serta efisiensi komputasi dalam penggunaan produksi sebelum menggunakan perangkat secara luas.
Masa Depan Pemrosesan AI dengan Memori Besar dari Intel
Peluncuran rincian teknologi GPU D Series menggambarkan upaya produsen semikonduktor tersebut dalam menghadirkan infrastruktur inferensi AI yang memprioritaskan efisiensi pemrosesan. 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. Di samping kemampuan teknisnya, dukungan ekosistem perangkat lunak terbuka memberikan pilihan integrasi bagi perusahaan. Meski demikian, hasil penggunaan perlu dibuktikan melalui benchmark sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda GPU D Series terbaru dari Intel? Mari sampaikan pandangan Anda mengenai masa depan infrastruktur kecerdasan buatan.
