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.

Pengembangan GPU D Series sebagai Akselerator AI Pusat Data

Perkembangan ekosistem komputasi AI mendorong penggunaan sistem komputasi yang mampu menangani sistem kecerdasan buatan kompleks secara semakin optimal. Untuk menghadapi perkembangan ini, Intel memperkenalkan GPU D Series sebagai solusi pemrosesan AI yang menekankan kapasitas memori. Akselerator terbaru ini mula-mula diperkenalkan dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Berkat rancangan yang berorientasi pada inferensi, perusahaan menargetkan hadirnya alternatif akselerasi AI bagi operator pusat data.

Presentasi perusahaan dalam OCP Global Summit 2026 memberikan informasi lebih lengkap mengenai kemampuan komputasi GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini dikembangkan guna melayani permintaan AI. Proses inference merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Sebagai gambaran, layanan chatbot menggunakan proses inferensi ketika merespons pertanyaan. Saat permintaan diproses secara bersamaan, kebutuhan memori dan daya komputasi bertambah. Oleh sebab itu, Intel merancang lini GPU ini sebagai bagian dari infrastruktur AI modern.

Spesifikasi Intel GPU D Series dengan Memori LPDDR5X hingga 480 GB

Fitur paling menonjol Intel GPU D Series adalah kemampuan menampung memori berkapasitas besar. Dalam rancangan tersebut, Intel memanfaatkan teknologi memori LPDDR5X yang mendukung konsumsi daya yang lebih terkendali. Jumlah memori yang tersedia membantu menampung parameter jaringan neural. Selain kapasitas tinggi, perangkat ini mendukung bandwidth memori sebesar 1,5 terabyte per detik. Bandwidth tersebut berperan penting dalam mengalirkan informasi selama pemrosesan. Keseimbangan ruang penyimpanan dan kecepatan akses berpotensi membantu menjalankan model kecerdasan buatan yang membutuhkan banyak memori.

Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series mengadopsi mikroarsitektur Xe3P yang dirancang bagi pemrosesan paralel. Perangkat tersebut mendukung performa teoritis 1,3 petaflops menggunakan format FP8. Format floating point 8-bit adalah representasi angka dengan delapan bit yang banyak digunakan dalam komputasi AI. Pemanfaatan presisi rendah ini membantu mempercepat operasi yang kompatibel. Perlu diperhatikan bahwa, hasil pemrosesan sesungguhnya dapat berbeda dari spesifikasi maksimum. Faktor seperti kompleksitas aplikasi, jenis presisi, 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. Model dengan parameter lebih banyak umumnya memerlukan memori lebih besar. Selain parameter model, 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. Kondisi tersebut menjadi alasan penggunaan GPU dengan memori besar.

Sebagai ilustrasi, sebuah model AI dengan 70 miliar parameter memerlukan kurang lebih 140 GB untuk menyimpan bobot dalam format FP16. Perhitungan tersebut belum memasukkan penyimpanan sementara selama inferensi dan overhead perangkat lunak. Dengan kapasitas hingga 480 GB, GPU D Series berpotensi menampung lebih banyak data model ke banyak perangkat GPU pada beban kerja yang sesuai. Meski demikian, jumlah memori bukan satu-satunya penentu performa. Kemampuan komputasi masih menentukan hasil akhir 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. GPU D270 mengandalkan sistem pendinginan udara dengan profil konsumsi daya 350 W. Sistem pendinginan yang digunakan dirancang agar mendukung pemasangan di pusat data konvensional. Tidak seperti konfigurasi yang mengharuskan infrastruktur liquid cooling, desain tersebut dapat mengurangi kebutuhan perubahan fasilitas. Meski demikian, pengelolaan temperatur tetap membutuhkan perencanaan agar perangkat bekerja secara stabil.

Dari sisi konektivitas, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Standar tersebut mendukung komunikasi data berkecepatan tinggi. Berkat penerapan antarmuka PCIe, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Namun demikian, kompatibilitas server tidak hanya bergantung pada konektor. Aspek yang perlu diperhatikan meliputi ketersediaan suplai listrik, ketersediaan tempat pemasangan, dan kapasitas aliran udara. Oleh sebab itu, operator pusat data perlu melakukan evaluasi sesuai lingkungan operasional.

Strategi Intel Membangun Infrastruktur AI yang Fleksibel

Efektivitas perangkat komputasi kecerdasan buatan memerlukan dukungan selain kemampuan komputasi. Ekosistem pengembangan yang matang menjadi faktor utama dalam menjalankan model AI secara efisien. Untuk mendukung kebutuhan tersebut, Intel menekankan pendekatan software terbuka. Perusahaan tersebut menyoroti integrasi dengan PyTorch dan vLLM untuk melayani permintaan inferensi. Pendekatan perangkat lunak ini bertujuan memberikan fleksibilitas dalam mengoperasikan aplikasi berbasis AI tanpa membatasi pilihan framework pengembangan.

PyTorch merupakan platform pembelajaran mesin yang banyak digunakan untuk mengembangkan aplikasi kecerdasan buatan. Sementara itu, vLLM berfokus pada penyajian model bahasa besar dengan pengelolaan memori dan permintaan yang efisien. Dengan menghadirkan kompatibilitas perangkat lunak, GPU D Series diharapkan dapat dimanfaatkan untuk sejumlah skenario implementasi AI. Perlu diperhatikan bahwa, kompatibilitas framework belum menjamin performa terbaik pada seluruh aplikasi. Pengelola sistem dianjurkan menguji kompatibilitas library, dukungan fungsi model, serta performa berdasarkan beban kerja sebelum menentukan keputusan infrastruktur.

Kesimpulan: GPU D Series Memperkuat Strategi AI Intel

Pengenalan akselerator AI terbaru Intel menunjukkan strategi perusahaan dalam menghadirkan infrastruktur inferensi AI yang berorientasi pada kapasitas memori. 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 menjalankan model bahasa besar. Selain itu, dukungan ekosistem perangkat lunak terbuka membantu memperkuat daya tarik produk. Walaupun spesifikasinya menjanjikan, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum membandingkan dengan akselerator lain. Bagaimana pendapat Anda mengenai perkembangan TEKNOLOGI komputasi AI Intel? Mari sampaikan pandangan Anda mengenai perkembangan GPU khusus inferensi AI.