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

Perkembangan industri artificial intelligence meningkatkan permintaan perangkat keras yang mampu menangani model bahasa berukuran besar secara lebih efisien. Sebagai bagian dari strategi komputasi AI, Intel memperkenalkan GPU D Series sebagai perangkat komputasi pusat data yang menekankan kapasitas memori. Akselerator terbaru ini sebelumnya dikenal dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Dengan pendekatan tersebut, perusahaan berupaya menyediakan pilihan perangkat keras tambahan bagi operator pusat data.

Pemaparan teknis terbaru Intel memperjelas kemampuan perangkat mengenai kapasitas memori GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Tahap penggunaan model AI merupakan kegiatan menjalankan model yang telah dilatih. Dalam penerapan sehari-hari, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Ketika jumlah pengguna meningkat, kebutuhan memori dan daya komputasi bertambah. Oleh sebab itu, Intel memposisikan akselerator terbarunya sebagai solusi untuk kebutuhan inferensi berskala besar.

Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P

Fitur paling menonjol Intel GPU D Series adalah dukungan memori hingga 480 GB. Melalui pendekatan perangkat kerasnya, Intel memilih teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Dukungan penyimpanan data sementara sebesar itu membantu menampung parameter jaringan neural. Selain kapasitas tinggi, perangkat ini mendukung bandwidth memori sebesar 1,5 terabyte per detik. Bandwidth tersebut memiliki pengaruh besar dalam memenuhi kebutuhan akses data model AI. Keseimbangan ruang penyimpanan dan kecepatan akses berpotensi membantu menjalankan layanan AI dengan permintaan kompleks.

Di samping spesifikasi penyimpanan data, Intel GPU D Series menggunakan arsitektur Xe3P yang dikembangkan untuk akselerasi kecerdasan buatan. Akselerator ini menawarkan kemampuan puncak hingga 1,3 petaflops FP8. Format floating point 8-bit adalah format numerik berpresisi rendah yang relevan untuk pengolahan jaringan neural. Penggunaan format tersebut dapat mengurangi kebutuhan komputasi tertentu. Walaupun angka performanya tinggi, hasil pemrosesan sesungguhnya dapat berbeda dari spesifikasi maksimum. Faktor seperti ukuran model, jenis presisi, dan kemampuan sistem menjalankan beban kerja.

Hubungan Memori GPU dengan Performa Large Language Model

Ketika menjalankan aplikasi kecerdasan buatan, 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 menyimpan informasi perhatian dari token sebelumnya. Saat percakapan melibatkan lebih banyak informasi, kebutuhan memori menjadi semakin besar. Karakteristik pemrosesan ini menjelaskan pentingnya kapasitas tinggi.

Sebagai ilustrasi, sebuah model AI dengan 70 miliar parameter memerlukan kurang lebih 140 GB untuk menyimpan bobot dalam format FP16. Perhitungan tersebut belum memasukkan memori kerja tambahan dan overhead perangkat lunak. Melalui dukungan memori yang besar, GPU D Series berpotensi menampung lebih banyak data model ke beberapa akselerator pada konfigurasi tertentu. Namun, kapasitas besar saja tidak menjamin inferensi lebih cepat. Efisiensi framework masih menentukan hasil akhir ketika merancang infrastruktur pusat data.

Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270

Selain menonjolkan kapasitas memori, Intel memprioritaskan kemudahan integrasi dengan infrastruktur pusat data yang sudah tersedia. Akselerator D Series yang diperkenalkan mengandalkan sistem pendinginan udara dengan daya sekitar 350 watt. Sistem pendinginan yang digunakan ditujukan untuk mempermudah integrasi ke rak server yang kompatibel. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut berpeluang menekan kerumitan instalasi. Namun demikian, kemampuan pendinginan server tetap harus diperiksa agar perangkat bekerja secara stabil.

Dari sisi konektivitas, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Antarmuka perangkat tersebut memungkinkan pertukaran informasi dengan sistem host. Berkat penerapan antarmuka PCIe, Intel berusaha mengurangi kebutuhan infrastruktur khusus. 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. Oleh sebab itu, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai spesifikasi perangkat.

Strategi Intel Membangun Infrastruktur AI yang Fleksibel

Manfaat nyata GPU pusat data tidak hanya ditentukan oleh spesifikasi perangkat keras. Ekosistem pengembangan yang matang berperan penting dalam menjalankan model AI secara efisien. Untuk mendukung kebutuhan tersebut, Intel mengutamakan ekosistem perangkat lunak terbuka. Pengembang GPU D Series mengembangkan kompatibilitas dengan framework pembelajaran mesin PyTorch dan vLLM untuk menjalankan model bahasa. Dukungan tersebut diharapkan mempermudah integrasi dalam mengoperasikan aplikasi berbasis AI tanpa membatasi pilihan framework pengembangan.

PyTorch merupakan salah satu perangkat pengembangan populer untuk mengembangkan aplikasi kecerdasan buatan. Adapun, vLLM dikembangkan untuk melayani inferensi model bahasa dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Berkat strategi pengembangan terbuka, GPU D Series diharapkan dapat dimanfaatkan untuk sejumlah skenario implementasi AI. Perlu diperhatikan bahwa, dukungan awal tidak selalu berarti semua model langsung optimal. Pengelola sistem dianjurkan menguji kompatibilitas library, kemampuan kernel pemrosesan, serta performa berdasarkan beban kerja sebelum menerapkan layanan AI berskala besar.

Peluang Infrastruktur Kecerdasan Buatan melalui GPU D Series

Pengenalan akselerator AI terbaru Intel 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 performa maksimum FP8 sebesar 1,3 petaflops menawarkan potensi menarik untuk melayani permintaan kecerdasan buatan berskala besar. Di samping kemampuan teknisnya, desain berpendingin udara membantu memperkuat daya tarik produk. Meski demikian, hasil penggunaan perlu dibuktikan melalui benchmark sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda akselerator AI dengan memori berkapasitas besar? Anda dapat berbagi pemikiran mengenai potensinya bagi pusat data.