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 TEKNOLOGI kecerdasan buatan mendorong kebutuhan infrastruktur yang mampu menangani aplikasi AI generatif secara lebih ekonomis. Sebagai bagian dari strategi komputasi AI, Intel menghadirkan GPU D Series sebagai perangkat komputasi pusat data yang menekankan kapasitas memori. Perangkat komputasi tersebut sebelumnya dikenal dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Melalui pengembangan ini, perusahaan menargetkan hadirnya solusi komputasi yang lebih fleksibel bagi operator pusat data.

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. Proses inference merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Dalam penerapan sehari-hari, layanan chatbot menggunakan proses inferensi ketika merespons pertanyaan. Apabila layanan AI digunakan dalam skala besar, efisiensi perangkat keras semakin penting. Karena itulah, Intel menempatkan GPU D Series sebagai perangkat pendukung layanan AI perusahaan.

Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P

Salah satu keunggulan utama Intel GPU D Series adalah kapasitas LPDDR5X mencapai 480 GB. Melalui pendekatan perangkat kerasnya, Intel menggunakan teknologi memori LPDDR5X yang mendukung konsumsi daya yang lebih terkendali. Dukungan penyimpanan data sementara sebesar itu membantu menampung parameter jaringan neural. Selain kapasitas tinggi, perangkat ini menawarkan kecepatan transfer memori 1,5 TB/s. Kecepatan akses memori tersebut berperan penting dalam mengalirkan informasi selama pemrosesan. Kombinasi kapasitas dan bandwidth berpotensi membantu menjalankan inferensi dengan konteks panjang.

Di samping spesifikasi penyimpanan data, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dioptimalkan untuk inferensi. GPU pusat data tersebut menawarkan kemampuan puncak hingga 1,3 petaflops FP8. Presisi FP8 mengacu pada representasi angka dengan delapan bit yang relevan untuk pengolahan jaringan neural. Penerapan representasi numerik FP8 dapat mengurangi kebutuhan komputasi tertentu. Namun demikian, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Performa sebenarnya dipengaruhi oleh kompleksitas aplikasi, format data yang digunakan, dan kemampuan sistem menjalankan beban kerja.

Peran Bandwidth dan Kapasitas Memori dalam Inferensi Kecerdasan Buatan

Pada penggunaan model bahasa besar, ketersediaan memori memiliki peranan utama karena parameter model harus tersedia selama pemrosesan. Sistem AI dengan kompleksitas tinggi umumnya memerlukan memori lebih besar. Tidak hanya bobot jaringan neural, proses inferensi membutuhkan memori tambahan untuk data pemrosesan. Salah satu contohnya adalah KV cache yang mempertahankan data key dan value selama pemrosesan. Apabila jumlah token yang diproses meningkat, kebutuhan memori menjadi semakin besar. Kondisi tersebut menjelaskan pentingnya kapasitas tinggi.

Dalam contoh sederhana, sebuah model AI dengan 70 miliar parameter membutuhkan sekitar 140 GB hanya untuk bobot FP16. Gambaran kebutuhan memori tersebut belum memasukkan memori kerja tambahan dan berbagai kebutuhan sistem lainnya. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series berpotensi menampung lebih banyak data model ke sejumlah kartu komputasi pada konfigurasi tertentu. Namun, ruang penyimpanan yang luas belum memastikan throughput tertinggi. Efisiensi framework harus dievaluasi secara bersamaan ketika memilih akselerator AI.

Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270

Tidak hanya mengandalkan spesifikasi komputasi, Intel mengembangkan rancangan yang sesuai dengan lingkungan server perusahaan. Akselerator D Series yang diperkenalkan mengandalkan sistem pendinginan udara dengan daya sekitar 350 watt. Sistem pendinginan yang digunakan berpotensi menyederhanakan penggunaan pada infrastruktur enterprise. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, desain tersebut berpeluang menekan kerumitan instalasi. Namun demikian, kecukupan aliran udara masih perlu dipastikan agar kinerja GPU dapat dipertahankan.

Dari sisi konektivitas, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Standar tersebut menyediakan jalur transfer antara GPU dan komponen server. Dengan memanfaatkan standar umum, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Meskipun demikian, pemasangan GPU tetap memerlukan pemeriksaan sistem. Aspek yang perlu diperhatikan meliputi kemampuan power supply, ruang fisik di dalam server, dan kapasitas aliran udara. Untuk memastikan penerapan yang tepat, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai lingkungan operasional.

Ekosistem PyTorch dan vLLM pada GPU D Series

Efektivitas perangkat komputasi kecerdasan buatan tidak hanya ditentukan oleh spesifikasi perangkat keras. Ekosistem pengembangan yang matang menjadi faktor utama dalam memanfaatkan kemampuan GPU. Sebagai bagian dari strategi pengembangan, Intel mengutamakan ekosistem perangkat lunak terbuka. Produsen semikonduktor ini mengembangkan kompatibilitas dengan PyTorch dan vLLM untuk mengembangkan aplikasi AI generatif. Pendekatan perangkat lunak ini dirancang agar membantu pengembang dalam mengoperasikan aplikasi berbasis AI tanpa harus menggunakan satu pendekatan perangkat lunak khusus.

PyTorch merupakan platform pembelajaran mesin yang banyak digunakan untuk mengembangkan aplikasi kecerdasan buatan. Adapun, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Melalui dukungan ekosistem tersebut, GPU D Series dirancang agar sesuai untuk sejumlah skenario implementasi AI. Perlu diperhatikan bahwa, dukungan awal tidak selalu berarti semua model langsung optimal. Tim teknis sebaiknya mengevaluasi versi driver, kemampuan kernel pemrosesan, serta performa berdasarkan beban kerja sebelum menerapkan layanan AI berskala besar.

Peluang Infrastruktur Kecerdasan Buatan melalui GPU D Series

Peluncuran rincian teknologi GPU D Series menggambarkan upaya produsen semikonduktor tersebut dalam menghadirkan infrastruktur inferensi AI yang berorientasi pada kapasitas memori. Kemampuan menyediakan memori berukuran besar, kecepatan transfer memori sebesar 1,5 TB/s, dan komputasi puncak 1,3 petaflops FP8 menjadi karakteristik utama untuk menjalankan model bahasa besar. Di samping kemampuan teknisnya, dukungan ekosistem perangkat lunak terbuka membantu memperkuat daya tarik produk. Walaupun spesifikasinya menjanjikan, kinerja sesungguhnya tetap memerlukan pengujian sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda GPU D Series terbaru dari Intel? Mari sampaikan pandangan Anda mengenai potensinya bagi pusat data.