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
Pertumbuhan ekosistem komputasi AI memperbesar kebutuhan infrastruktur yang mampu menangani sistem kecerdasan buatan kompleks secara lebih efisien. Sebagai bagian dari strategi komputasi AI, Intel menghadirkan GPU D Series sebagai solusi pemrosesan AI yang mengutamakan efisiensi inferensi. Akselerator terbaru ini mula-mula diperkenalkan dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Melalui pengembangan ini, perusahaan menargetkan hadirnya solusi komputasi yang lebih fleksibel bagi penyedia layanan cloud.
Pemaparan teknis terbaru Intel memberikan informasi lebih lengkap mengenai kapasitas memori GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Inferensi sendiri merupakan aktivitas pemrosesan permintaan menggunakan model yang sudah tersedia. Dalam penerapan sehari-hari, 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 perangkat pendukung layanan AI perusahaan.
Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270
Salah satu keunggulan utama 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. Dukungan penyimpanan data sementara sebesar itu memungkinkan penempatan data yang diperlukan selama inferensi. Di samping menawarkan ruang pemrosesan yang luas, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Bandwidth tersebut menjadi faktor utama dalam memenuhi kebutuhan akses data model AI. Kombinasi kapasitas dan bandwidth dirancang agar mampu menangani inferensi dengan konteks panjang.
Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dirancang bagi pemrosesan paralel. Perangkat tersebut mendukung performa teoritis 1,3 petaflops menggunakan format FP8. Presisi FP8 mengacu pada representasi angka dengan delapan bit yang mendukung akselerasi model kecerdasan buatan. Penggunaan format tersebut dapat mengurangi kebutuhan komputasi tertentu. Namun demikian, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Performa sebenarnya dipengaruhi oleh karakteristik jaringan neural, pengaturan numerik, dan optimalisasi framework.
Mengapa Memori Besar Penting untuk Menjalankan Model AI
Dalam pengembangan AI modern, ketersediaan memori memiliki peranan utama karena parameter model harus tersedia selama pemrosesan. Sistem AI dengan kompleksitas tinggi dapat menggunakan sumber daya memori dalam jumlah tinggi. Di samping data utama model, proses inferensi memerlukan penyimpanan informasi sementara. Salah satu contohnya adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Ketika konteks semakin panjang, kebutuhan memori berpotensi meningkat. Kondisi tersebut mendukung pengembangan akselerator yang berorientasi pada memori.
Sebagai ilustrasi, sebuah model AI dengan 70 miliar parameter membutuhkan sekitar 140 GB hanya untuk bobot FP16. Gambaran kebutuhan memori tersebut tidak mencakup KV cache dan overhead perangkat lunak. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series berpotensi menampung lebih banyak data model ke sejumlah kartu komputasi pada konfigurasi tertentu. Meski demikian, ruang penyimpanan yang luas belum memastikan throughput tertinggi. Efisiensi framework tetap perlu dipertimbangkan ketika merancang infrastruktur pusat data.
Intel GPU D Series Dirancang untuk Efisiensi Pusat Data
Di samping menawarkan kemampuan inferensi, Intel menekankan efisiensi penerapan dengan sistem komputasi enterprise. Akselerator D Series yang diperkenalkan menggunakan desain berpendingin udara dengan profil konsumsi daya 350 W. Rancangan perangkat tersebut ditujukan untuk mempermudah pemasangan di pusat data konvensional. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut membantu menyederhanakan proses penerapan. Meski demikian, kemampuan pendinginan server tetap harus diperiksa agar perangkat bekerja secara stabil.
Untuk kebutuhan pemasangan server, Intel GPU D Series menggunakan antarmuka PCIe 5.0. Teknologi interkoneksi ini memungkinkan pertukaran informasi dengan sistem host. Melalui penggunaan koneksi yang sudah dikenal industri, Intel berusaha mengurangi kebutuhan infrastruktur khusus. Meskipun demikian, kompatibilitas server tidak hanya bergantung pada konektor. Faktor seperti kemampuan power supply, ruang fisik di dalam server, dan pengelolaan temperatur rak. Oleh sebab itu, tim teknis dianjurkan menilai kondisi sistem sesuai spesifikasi perangkat.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Efektivitas perangkat komputasi kecerdasan buatan tidak hanya ditentukan oleh spesifikasi perangkat keras. Perangkat lunak yang kompatibel berperan penting dalam memanfaatkan kemampuan GPU. Untuk mendukung kebutuhan tersebut, Intel mengutamakan ekosistem perangkat lunak terbuka. Pengembang GPU D Series mengembangkan kompatibilitas dengan PyTorch dan vLLM untuk melayani permintaan inferensi. Dukungan tersebut diharapkan mempermudah integrasi dalam mengoperasikan aplikasi berbasis AI tanpa sepenuhnya bergantung pada ekosistem tertutup.
Framework PyTorch dikenal sebagai kerangka kerja komputasi neural yang dikenal luas untuk mengembangkan aplikasi kecerdasan buatan. Adapun, vLLM berfokus pada penyajian model bahasa besar dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Melalui dukungan ekosistem tersebut, GPU D Series dirancang agar sesuai untuk berbagai kebutuhan inferensi. Perlu diperhatikan bahwa, kemampuan menjalankan perangkat lunak tetap membutuhkan evaluasi. Tim teknis sebaiknya mengevaluasi 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
Pengenalan akselerator AI terbaru Intel menunjukkan strategi perusahaan dalam mengembangkan perangkat keras kecerdasan buatan yang menekankan kebutuhan aplikasi AI modern. Kemampuan menyediakan memori berukuran besar, 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. Sebagai nilai tambah lainnya, penggunaan antarmuka PCIe 5.0 membantu memperkuat daya tarik produk. Walaupun spesifikasinya menjanjikan, kinerja sesungguhnya tetap memerlukan pengujian sebelum menentukan manfaat ekonominya. Bagaimana pendapat Anda mengenai GPU D Series terbaru dari Intel? Anda dapat berbagi pemikiran mengenai perkembangan GPU khusus inferensi AI.
