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 TEKNOLOGI kecerdasan buatan meningkatkan kebutuhan infrastruktur yang dirancang untuk memproses model bahasa berukuran besar secara lebih efisien. Sebagai bagian dari strategi komputasi AI, Intel memperkenalkan GPU D Series sebagai solusi pemrosesan AI yang menekankan kapasitas memori. Produk tersebut mula-mula diperkenalkan dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Melalui pengembangan ini, perusahaan berupaya menyediakan solusi komputasi yang lebih fleksibel bagi perusahaan pengembang kecerdasan buatan.
Presentasi perusahaan dalam OCP Global Summit 2026 mengungkap spesifikasi penting mengenai kemampuan komputasi GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini dikembangkan guna melayani permintaan AI. Proses inference merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Contohnya, layanan chatbot memerlukan inferensi untuk menghasilkan jawaban. Apabila layanan AI digunakan dalam skala besar, kebutuhan memori dan daya komputasi bertambah. Oleh sebab itu, Intel menempatkan GPU D Series 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. Kapasitas memori tersebut memberikan ruang bagi data yang diperlukan selama inferensi. Selain kapasitas tinggi, perangkat ini mendukung bandwidth memori sebesar 1,5 terabyte per detik. Bandwidth tersebut menjadi faktor utama dalam menyediakan data bagi unit komputasi. Perpaduan memori besar serta transfer cepat berpotensi membantu menjalankan inferensi dengan konteks panjang.
Selain kemampuan memori, Intel GPU D Series mengadopsi mikroarsitektur Xe3P yang dioptimalkan untuk inferensi. GPU pusat data tersebut memiliki target komputasi sebesar 1,3 petaflops pada presisi FP8. Format floating point 8-bit adalah format numerik berpresisi rendah yang relevan untuk pengolahan jaringan neural. Penerapan representasi numerik FP8 membantu mempercepat operasi yang kompatibel. Walaupun angka performanya tinggi, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Aspek yang memengaruhi kinerja meliputi karakteristik jaringan neural, format data yang digunakan, dan efisiensi perangkat lunak.
Hubungan Memori GPU dengan Performa Large Language Model
Dalam pengembangan AI modern, jumlah memori yang dapat digunakan sangat menentukan karena data jaringan neural perlu diakses secara berulang. Jaringan neural yang berukuran besar umumnya memerlukan memori lebih besar. Selain parameter model, proses inferensi juga menggunakan ruang untuk cache. Salah satu contohnya adalah KV cache yang mempertahankan data key dan value selama pemrosesan. Apabila jumlah token yang diproses meningkat, kebutuhan memori berpotensi meningkat. Karakteristik pemrosesan ini 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. Perhitungan tersebut 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 beberapa akselerator pada konfigurasi tertentu. Namun, jumlah memori bukan satu-satunya penentu performa. Kecepatan transfer data tetap perlu dipertimbangkan ketika memilih akselerator AI.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Tidak hanya mengandalkan spesifikasi komputasi, Intel menekankan efisiensi penerapan dengan lingkungan server perusahaan. Perangkat komputasi berbasis Xe3P tersebut menggunakan desain berpendingin udara dengan profil konsumsi daya 350 W. Rancangan perangkat tersebut berpotensi menyederhanakan pemasangan di pusat data konvensional. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut membantu menyederhanakan proses penerapan. Walaupun dirancang lebih praktis, pengelolaan temperatur tetap membutuhkan perencanaan agar kinerja GPU dapat dipertahankan.
Dalam aspek integrasi perangkat keras, Intel GPU D Series mendukung koneksi PCI Express generasi kelima. Antarmuka perangkat tersebut memungkinkan pertukaran informasi dengan sistem host. Melalui penggunaan koneksi yang sudah dikenal industri, Intel berusaha mengurangi kebutuhan infrastruktur khusus. Perlu dipahami bahwa, pemasangan GPU tetap memerlukan pemeriksaan sistem. Pertimbangan teknisnya mencakup ketersediaan suplai listrik, ruang fisik di dalam server, dan pengelolaan temperatur rak. Sebelum melakukan instalasi, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai lingkungan operasional.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Keberhasilan sebuah akselerator AI tidak hanya ditentukan oleh spesifikasi perangkat keras. Framework komputasi yang didukung memiliki pengaruh besar dalam menjalankan model AI secara efisien. Dalam upaya memperluas penggunaan produk, Intel mengutamakan ekosistem perangkat lunak terbuka. Pengembang GPU D Series mengembangkan kompatibilitas dengan PyTorch dan vLLM untuk mengembangkan aplikasi AI generatif. Pendekatan perangkat lunak ini bertujuan memberikan fleksibilitas dalam mengoperasikan aplikasi berbasis AI tanpa sepenuhnya bergantung pada ekosistem tertutup.
PyTorch merupakan salah satu perangkat pengembangan populer untuk membangun dan menjalankan model. Adapun, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Melalui dukungan ekosistem tersebut, GPU D Series berpotensi digunakan untuk berbagai kebutuhan inferensi. Perlu diperhatikan bahwa, dukungan awal tidak selalu berarti semua model langsung optimal. Pengelola sistem dianjurkan menguji dukungan runtime, dukungan fungsi model, serta efisiensi komputasi dalam penggunaan produksi sebelum menerapkan layanan AI berskala besar.
Kesimpulan: GPU D Series Memperkuat Strategi AI Intel
Pengenalan akselerator AI terbaru Intel menggambarkan upaya produsen semikonduktor tersebut dalam mengembangkan perangkat keras kecerdasan buatan yang berorientasi pada kapasitas memori. Dukungan LPDDR5X hingga 480 GB, bandwidth hingga 1,5 TB/s, dan performa maksimum FP8 sebesar 1,3 petaflops menjadi karakteristik utama untuk mendukung inferensi AI dengan konteks panjang. Di samping kemampuan teknisnya, penggunaan antarmuka PCIe 5.0 menjadi pertimbangan bagi operator pusat data. Meski demikian, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum mengambil keputusan penerapan skala besar. Apa pandangan Anda tentang GPU D Series terbaru dari Intel? Mari sampaikan pandangan Anda mengenai potensinya bagi pusat data.
