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 ekosistem komputasi AI meningkatkan penggunaan sistem komputasi yang mampu menangani model bahasa berukuran besar secara lebih efisien. Untuk menghadapi perkembangan ini, Intel mengembangkan GPU D Series sebagai akselerator khusus inferensi yang berfokus pada kebutuhan memori besar. Akselerator terbaru ini sebelumnya dikenal dengan nama kode Crescent Island sebelum dimasukkan ke lini produk Intel GPU D Series. Berkat rancangan yang berorientasi pada inferensi, perusahaan menargetkan hadirnya solusi komputasi yang lebih fleksibel bagi perusahaan pengembang kecerdasan buatan.
Pengumuman pada Oktober 2026 memberikan informasi lebih lengkap mengenai arsitektur pemrosesan GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini dirancang untuk menjalankan inferensi AI. Tahap penggunaan model AI merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Contohnya, layanan chatbot memerlukan inferensi untuk menghasilkan jawaban. Ketika jumlah pengguna meningkat, beban infrastruktur menjadi lebih tinggi. Karena itulah, Intel memposisikan akselerator terbarunya sebagai perangkat pendukung layanan AI perusahaan.
Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270
Fitur paling menonjol Intel GPU D Series adalah kapasitas LPDDR5X mencapai 480 GB. Pada konfigurasi produk ini, Intel memanfaatkan teknologi memori LPDDR5X yang mendukung konsumsi daya yang lebih terkendali. Jumlah memori yang tersedia memungkinkan penempatan model AI berukuran besar. Tidak hanya menyediakan memori besar, perangkat ini menawarkan kecepatan transfer memori 1,5 TB/s. Kemampuan transfer data ini memiliki pengaruh besar dalam mengalirkan informasi selama pemrosesan. Keseimbangan ruang penyimpanan dan kecepatan akses ditujukan untuk mendukung layanan AI dengan permintaan kompleks.
Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dioptimalkan untuk inferensi. Akselerator ini memiliki target komputasi sebesar 1,3 petaflops pada presisi FP8. Format floating point 8-bit adalah metode penyimpanan nilai floating point menggunakan delapan bit yang banyak digunakan dalam komputasi AI. Pemanfaatan presisi rendah ini dapat mengurangi kebutuhan komputasi tertentu. Walaupun angka performanya tinggi, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Faktor seperti kompleksitas aplikasi, pengaturan numerik, dan efisiensi perangkat lunak.
Hubungan Memori GPU dengan Performa Large Language Model
Pada penggunaan model bahasa besar, kapasitas memori menjadi komponen penting karena parameter model harus tersedia selama pemrosesan. Jaringan neural yang berukuran besar dapat menggunakan sumber daya memori dalam jumlah tinggi. Tidak hanya bobot jaringan neural, proses inferensi membutuhkan memori tambahan untuk data pemrosesan. Komponen yang sering digunakan adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Apabila jumlah token yang diproses meningkat, kebutuhan memori dapat bertambah. Kondisi tersebut mendukung pengembangan akselerator yang berorientasi pada memori.
Untuk memberikan gambaran, sebuah model AI dengan 70 miliar parameter membutuhkan sekitar 140 GB hanya untuk bobot FP16. Estimasi sederhana ini tidak mencakup memori kerja tambahan dan data pendukung proses komputasi. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke sejumlah kartu komputasi pada konfigurasi tertentu. Namun, kapasitas besar saja tidak menjamin inferensi lebih cepat. Kemampuan komputasi 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 sistem komputasi enterprise. GPU D270 mengandalkan sistem pendinginan udara dengan batas daya yang dinyatakan sebesar 350 watt. Rancangan perangkat tersebut berpotensi menyederhanakan pemasangan di pusat data konvensional. Tidak seperti konfigurasi yang mengharuskan infrastruktur liquid cooling, desain tersebut membantu menyederhanakan proses penerapan. Namun demikian, kemampuan pendinginan server tetap harus diperiksa agar perangkat bekerja secara stabil.
Untuk kebutuhan pemasangan server, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Antarmuka perangkat tersebut menyediakan jalur transfer antara GPU dan komponen server. Berkat penerapan antarmuka PCIe, Intel berusaha mengurangi kebutuhan infrastruktur khusus. Namun demikian, pemasangan GPU tetap memerlukan pemeriksaan sistem. Pertimbangan teknisnya mencakup kapasitas catu daya, dimensi slot ekspansi, dan pengelolaan temperatur rak. Untuk memastikan penerapan yang tepat, tim teknis dianjurkan menilai kondisi sistem sesuai spesifikasi perangkat.
Ekosistem PyTorch dan vLLM pada GPU D Series
Keberhasilan sebuah akselerator AI bergantung pada lebih dari sekadar kapasitas memori. Perangkat lunak yang kompatibel menjadi faktor utama dalam menjalankan model AI secara efisien. Untuk mendukung kebutuhan tersebut, Intel mengutamakan ekosistem perangkat lunak terbuka. Produsen semikonduktor ini mengembangkan kompatibilitas dengan ekosistem pemrograman PyTorch dan vLLM untuk menjalankan model bahasa. Pendekatan perangkat lunak ini dirancang agar membantu pengembang dalam membangun layanan kecerdasan buatan tanpa sepenuhnya bergantung pada ekosistem tertutup.
PyTorch merupakan platform pembelajaran mesin yang banyak digunakan untuk membangun dan menjalankan model. Sementara itu, vLLM dikembangkan untuk melayani inferensi model bahasa dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Melalui dukungan ekosistem tersebut, GPU D Series berpotensi digunakan untuk sejumlah skenario implementasi AI. Namun demikian, kompatibilitas framework belum menjamin performa terbaik pada seluruh aplikasi. Tim teknis sebaiknya mengevaluasi dukungan runtime, operator komputasi yang tersedia, serta efisiensi komputasi dalam penggunaan produksi sebelum menggunakan perangkat secara luas.
Peluang Infrastruktur Kecerdasan Buatan melalui GPU D Series
Pengenalan akselerator AI terbaru Intel memperlihatkan arah inovasi Intel dalam mengembangkan perangkat keras kecerdasan buatan yang berorientasi pada kapasitas memori. Kapasitas memori mencapai 480 GB, bandwidth memori 1,5 terabyte per detik, dan performa maksimum FP8 sebesar 1,3 petaflops menjadi karakteristik utama untuk mendukung inferensi AI dengan konteks panjang. Di samping kemampuan teknisnya, dukungan ekosistem perangkat lunak terbuka menjadi pertimbangan bagi operator pusat data. Walaupun spesifikasinya menjanjikan, hasil penggunaan perlu dibuktikan melalui benchmark sebelum menentukan manfaat ekonominya. Bagaimana pendapat Anda mengenai akselerator AI dengan memori berkapasitas besar? Silakan bagikan pendapat Anda mengenai masa depan infrastruktur kecerdasan buatan.
