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 TEKNOLOGI kecerdasan buatan memperbesar penggunaan sistem komputasi yang mampu menangani aplikasi AI generatif secara lebih efisien. Menanggapi kebutuhan tersebut, Intel mengembangkan GPU D Series sebagai perangkat komputasi pusat data yang berfokus pada kebutuhan memori besar. Akselerator terbaru ini pada tahap pengembangan disebut dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Melalui pengembangan ini, perusahaan ingin menawarkan pilihan perangkat keras tambahan bagi penyedia layanan cloud.

Pengumuman pada Oktober 2026 memperjelas kemampuan perangkat mengenai kapasitas memori GPU D Series. Berbeda dari kartu grafis konsumen, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Proses inference merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Dalam penerapan sehari-hari, layanan chatbot menggunakan proses inferensi ketika merespons pertanyaan. Saat permintaan diproses secara bersamaan, kebutuhan memori dan daya komputasi bertambah. Dengan pertimbangan tersebut, 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 dukungan memori hingga 480 GB. Melalui pendekatan perangkat kerasnya, Intel memilih teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Jumlah memori yang tersedia memungkinkan penempatan data yang diperlukan selama inferensi. Tidak hanya menyediakan memori besar, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Kemampuan transfer data ini memiliki pengaruh besar dalam memenuhi kebutuhan akses data model AI. Keseimbangan ruang penyimpanan dan kecepatan akses berpotensi membantu menjalankan inferensi dengan konteks panjang.

Di samping spesifikasi penyimpanan data, Intel GPU D Series menggunakan arsitektur Xe3P yang dikembangkan untuk akselerasi kecerdasan buatan. Perangkat tersebut memiliki target komputasi sebesar 1,3 petaflops pada presisi FP8. FP8 merupakan metode penyimpanan nilai floating point menggunakan delapan bit yang relevan untuk pengolahan jaringan neural. Penerapan representasi numerik FP8 berpotensi meningkatkan efisiensi pengolahan data. Namun demikian, hasil pemrosesan sesungguhnya dapat berbeda dari spesifikasi maksimum. Aspek yang memengaruhi kinerja meliputi karakteristik jaringan neural, jenis presisi, dan optimalisasi framework.

Peran Bandwidth dan Kapasitas Memori dalam Inferensi Kecerdasan Buatan

Ketika menjalankan aplikasi kecerdasan buatan, jumlah memori yang dapat digunakan sangat menentukan karena data jaringan neural perlu diakses secara berulang. Jaringan neural yang berukuran besar dapat menggunakan sumber daya memori dalam jumlah tinggi. Tidak hanya bobot jaringan neural, proses inferensi memerlukan penyimpanan informasi sementara. Komponen yang sering digunakan adalah KV cache yang mendukung penggunaan kembali informasi dalam konteks percakapan. Saat percakapan melibatkan lebih banyak informasi, kebutuhan memori dapat bertambah. Kondisi tersebut menjelaskan pentingnya kapasitas tinggi.

Untuk memberikan gambaran, sebuah model AI dengan 70 miliar parameter memerlukan kurang lebih 140 GB untuk menyimpan bobot dalam format FP16. Estimasi sederhana ini belum memasukkan memori kerja tambahan dan overhead perangkat lunak. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series berpotensi menampung lebih banyak data model ke banyak perangkat GPU pada beban kerja yang sesuai. Namun, jumlah memori bukan satu-satunya penentu performa. Kecepatan transfer data tetap perlu dipertimbangkan ketika menentukan perangkat pemrosesan model.

Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270

Tidak hanya mengandalkan spesifikasi komputasi, Intel menekankan efisiensi penerapan dengan lingkungan server perusahaan. GPU D270 dirancang untuk pengoperasian melalui pendinginan udara dengan profil konsumsi daya 350 W. Rancangan perangkat tersebut dirancang agar mendukung pemasangan di pusat data konvensional. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut berpeluang menekan kerumitan instalasi. Meski demikian, kemampuan pendinginan server tetap harus diperiksa agar kinerja GPU dapat dipertahankan.

Dalam aspek integrasi perangkat keras, Intel GPU D Series mendukung koneksi PCI Express generasi kelima. Standar tersebut mendukung komunikasi data berkecepatan tinggi. Dengan memanfaatkan standar umum, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Meskipun demikian, pemasangan GPU tetap memerlukan pemeriksaan sistem. Faktor seperti kapasitas catu daya, ketersediaan tempat pemasangan, dan pengelolaan temperatur rak. Sebelum melakukan instalasi, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai spesifikasi perangkat.

Dukungan Software Terbuka untuk Pengembangan AI Intel

Efektivitas perangkat komputasi kecerdasan buatan bergantung pada lebih dari sekadar kapasitas memori. Ekosistem pengembangan yang matang memiliki pengaruh besar dalam mengoptimalkan proses inferensi. Untuk mendukung kebutuhan tersebut, Intel mengutamakan ekosistem perangkat lunak terbuka. Pengembang GPU D Series memperkenalkan dukungan dengan framework pembelajaran mesin PyTorch dan vLLM untuk melayani permintaan inferensi. Strategi kompatibilitas tersebut dirancang agar membantu pengembang dalam memanfaatkan model terbuka tanpa sepenuhnya bergantung pada ekosistem tertutup.

PyTorch merupakan platform pembelajaran mesin yang banyak digunakan untuk mengembangkan aplikasi kecerdasan buatan. Sementara itu, vLLM dikembangkan untuk melayani inferensi model bahasa dengan optimalisasi throughput serta penggunaan cache. Berkat strategi pengembangan terbuka, GPU D Series diharapkan dapat dimanfaatkan untuk beragam model dan aplikasi. Meskipun demikian, dukungan awal tidak selalu berarti semua model langsung optimal. Pengelola sistem dianjurkan menguji dukungan runtime, operator komputasi yang tersedia, serta hasil benchmark nyata sebelum menggunakan perangkat secara luas.

Masa Depan Pemrosesan AI dengan Memori Besar dari Intel

Peluncuran rincian teknologi GPU D Series menunjukkan strategi perusahaan dalam menghadirkan infrastruktur inferensi AI yang menekankan kebutuhan aplikasi AI modern. Kapasitas memori mencapai 480 GB, bandwidth memori 1,5 terabyte per detik, dan kemampuan teoritis 1,3 petaflops dalam format FP8 merupakan spesifikasi penting untuk melayani permintaan kecerdasan buatan berskala besar. Di samping kemampuan teknisnya, desain berpendingin udara memberikan pilihan integrasi bagi perusahaan. Walaupun spesifikasinya menjanjikan, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum mengambil keputusan penerapan skala besar. Bagaimana pendapat Anda mengenai GPU D Series terbaru dari Intel? Mari sampaikan pandangan Anda mengenai masa depan infrastruktur kecerdasan buatan.