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.

Strategi Intel Menghadirkan Pemrosesan AI dengan Memori Besar

Perkembangan industri artificial intelligence memperbesar permintaan perangkat keras yang mampu menangani sistem kecerdasan buatan kompleks secara lebih ekonomis. Untuk menghadapi perkembangan ini, Intel memperkenalkan GPU D Series sebagai solusi pemrosesan AI yang menekankan kapasitas memori. Akselerator terbaru ini pada tahap pengembangan disebut dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Berkat rancangan yang berorientasi pada inferensi, perusahaan menargetkan hadirnya solusi komputasi yang lebih fleksibel bagi penyedia layanan cloud.

Pengumuman pada Oktober 2026 mengungkap spesifikasi penting mengenai kapasitas memori GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini dirancang untuk menjalankan inferensi AI. Proses inference merupakan kegiatan menjalankan model yang telah dilatih. Contohnya, layanan chatbot menggunakan proses inferensi ketika merespons pertanyaan. Saat permintaan diproses secara bersamaan, efisiensi perangkat keras semakin penting. Karena itulah, Intel merancang lini GPU ini 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. Pada konfigurasi produk ini, Intel memilih teknologi memori LPDDR5X yang menawarkan karakteristik hemat daya. Dukungan penyimpanan data sementara sebesar itu memungkinkan penempatan data yang diperlukan selama inferensi. Tidak hanya menyediakan memori besar, perangkat ini menawarkan kecepatan transfer memori 1,5 TB/s. Kemampuan transfer data ini menjadi faktor utama dalam memenuhi kebutuhan akses data model AI. Perpaduan memori besar serta transfer cepat berpotensi membantu menjalankan model kecerdasan buatan yang membutuhkan banyak memori.

Di samping spesifikasi penyimpanan data, Intel GPU D Series mengadopsi mikroarsitektur Xe3P yang dikembangkan untuk akselerasi kecerdasan buatan. Akselerator ini mendukung performa teoritis 1,3 petaflops menggunakan format FP8. Presisi FP8 mengacu pada format numerik berpresisi rendah yang mendukung akselerasi model kecerdasan buatan. Penggunaan format tersebut berpotensi meningkatkan efisiensi pengolahan data. Walaupun angka performanya tinggi, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Performa sebenarnya dipengaruhi oleh ukuran model, pengaturan numerik, 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 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. Salah satu contohnya adalah KV cache yang mempertahankan data key dan value selama pemrosesan. Apabila jumlah token yang diproses meningkat, kebutuhan memori dapat bertambah. Kebutuhan data sementara tersebut menjadi alasan penggunaan GPU dengan memori besar.

Dalam contoh sederhana, sebuah model AI dengan 70 miliar parameter membutuhkan sekitar 140 GB hanya untuk bobot FP16. Estimasi sederhana ini belum memasukkan memori kerja tambahan dan overhead perangkat lunak. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke banyak perangkat GPU pada konfigurasi tertentu. Akan tetapi, jumlah memori bukan satu-satunya penentu performa. Efisiensi framework harus dievaluasi secara bersamaan ketika merancang infrastruktur pusat data.

Infrastruktur AI dengan Perangkat GPU yang Lebih Mudah Diintegrasikan

Selain menonjolkan kapasitas memori, Intel mengembangkan rancangan yang sesuai dengan infrastruktur pusat data yang sudah tersedia. GPU D270 menggunakan desain berpendingin udara dengan daya sekitar 350 watt. Sistem pendinginan yang digunakan ditujukan untuk mempermudah penggunaan pada infrastruktur enterprise. Tidak seperti konfigurasi yang mengharuskan infrastruktur liquid cooling, desain tersebut membantu menyederhanakan proses penerapan. Namun demikian, kemampuan pendinginan server tetap harus diperiksa agar kinerja GPU dapat dipertahankan.

Untuk kebutuhan pemasangan server, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Antarmuka perangkat tersebut mendukung komunikasi data berkecepatan tinggi. Dengan memanfaatkan standar umum, Intel menargetkan integrasi yang lebih fleksibel. Perlu dipahami bahwa, kompatibilitas server tidak hanya bergantung pada konektor. Aspek yang perlu diperhatikan meliputi ketersediaan suplai listrik, ruang fisik di dalam server, dan kemampuan sistem pendingin. Oleh sebab itu, tim teknis dianjurkan menilai kondisi sistem sesuai spesifikasi perangkat.

Dukungan Software Terbuka untuk Pengembangan AI Intel

Keberhasilan sebuah akselerator AI memerlukan dukungan selain kemampuan komputasi. Framework komputasi yang didukung memiliki pengaruh besar dalam memanfaatkan kemampuan GPU. Sebagai bagian dari strategi pengembangan, Intel mengembangkan dukungan framework yang digunakan industri. Perusahaan tersebut menyoroti integrasi dengan ekosistem pemrograman PyTorch dan vLLM untuk melayani permintaan inferensi. Dukungan tersebut dirancang agar membantu pengembang dalam membangun layanan kecerdasan buatan tanpa membatasi pilihan framework pengembangan.

Dalam ekosistem AI, PyTorch menjadi platform pembelajaran mesin yang banyak digunakan untuk membangun dan menjalankan model. Sementara itu, vLLM dikembangkan untuk melayani inferensi model bahasa dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Melalui dukungan ekosistem tersebut, GPU D Series dirancang agar sesuai untuk beragam model dan aplikasi. Namun demikian, kompatibilitas framework belum menjamin performa terbaik pada seluruh aplikasi. Pengelola sistem dianjurkan menguji kompatibilitas library, operator komputasi yang tersedia, serta hasil benchmark nyata sebelum menerapkan layanan AI berskala besar.

Masa Depan Pemrosesan AI dengan Memori Besar dari Intel

Pengenalan akselerator AI terbaru Intel memperlihatkan arah inovasi Intel dalam mengembangkan perangkat keras kecerdasan buatan yang berorientasi pada kapasitas memori. Kapasitas memori mencapai 480 GB, bandwidth memori 1,5 terabyte per detik, dan kemampuan teoritis 1,3 petaflops dalam format FP8 menawarkan potensi menarik untuk menjalankan model bahasa besar. Selain itu, desain berpendingin udara menjadi pertimbangan bagi operator pusat data. Kendati memiliki potensi besar, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum menentukan manfaat ekonominya. Bagaimana pendapat Anda mengenai GPU D Series terbaru dari Intel? Silakan bagikan pendapat Anda mengenai masa depan infrastruktur kecerdasan buatan.