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 memperbesar permintaan perangkat keras yang mampu menangani sistem kecerdasan buatan kompleks secara semakin optimal. Untuk menghadapi perkembangan ini, Intel mengembangkan GPU D Series sebagai perangkat komputasi pusat data yang menekankan kapasitas memori. Produk tersebut pada tahap pengembangan disebut dengan nama kode Crescent Island sebelum dimasukkan ke lini produk Intel GPU D Series. Dengan pendekatan tersebut, perusahaan ingin menawarkan pilihan perangkat keras tambahan bagi perusahaan pengembang kecerdasan buatan.

Pengumuman pada Oktober 2026 mengungkap spesifikasi penting mengenai kemampuan komputasi GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Inferensi sendiri merupakan aktivitas pemrosesan permintaan menggunakan model yang sudah tersedia. Dalam penerapan sehari-hari, layanan chatbot memerlukan inferensi untuk menghasilkan jawaban. Ketika jumlah pengguna meningkat, kebutuhan memori dan daya komputasi bertambah. Karena itulah, Intel memposisikan akselerator terbarunya sebagai perangkat pendukung layanan AI perusahaan.

Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270

Karakteristik penting Intel GPU D Series adalah kapasitas LPDDR5X mencapai 480 GB. Pada konfigurasi produk ini, Intel memilih teknologi memori LPDDR5X yang mendukung konsumsi daya yang lebih terkendali. Dukungan penyimpanan data sementara sebesar itu memungkinkan penempatan 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. Kombinasi kapasitas dan bandwidth dirancang agar mampu menangani model kecerdasan buatan yang membutuhkan banyak memori.

Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series mengadopsi mikroarsitektur Xe3P yang dirancang bagi pemrosesan paralel. GPU pusat data tersebut mendukung performa teoritis 1,3 petaflops menggunakan format FP8. Presisi FP8 mengacu pada format numerik berpresisi rendah yang banyak digunakan dalam komputasi AI. Penerapan representasi numerik FP8 dapat mengurangi kebutuhan komputasi tertentu. Walaupun angka performanya tinggi, hasil pemrosesan sesungguhnya dapat berbeda dari spesifikasi maksimum. Faktor seperti karakteristik jaringan neural, pengaturan numerik, dan kemampuan sistem menjalankan beban kerja.

Hubungan Memori GPU dengan Performa Large Language Model

Pada penggunaan model bahasa besar, jumlah memori yang dapat digunakan sangat menentukan karena data jaringan neural perlu diakses secara berulang. Sistem AI dengan kompleksitas tinggi dapat menggunakan sumber daya memori dalam jumlah tinggi. Tidak hanya bobot jaringan neural, proses inferensi juga menggunakan ruang untuk cache. Komponen yang sering digunakan adalah KV cache yang mempertahankan data key dan value selama pemrosesan. Apabila jumlah token yang diproses meningkat, kebutuhan memori dapat bertambah. Karakteristik pemrosesan ini menjadi alasan penggunaan GPU dengan memori besar.

Untuk memberikan gambaran, sebuah model AI dengan 70 miliar parameter membutuhkan sekitar 140 GB hanya untuk bobot FP16. Gambaran kebutuhan memori tersebut masih mengecualikan penyimpanan sementara selama inferensi dan berbagai kebutuhan sistem lainnya. Melalui dukungan memori yang besar, GPU D Series berpotensi menampung lebih banyak data model ke beberapa akselerator pada konfigurasi tertentu. Meski demikian, jumlah memori bukan satu-satunya penentu performa. Kemampuan komputasi masih menentukan hasil akhir ketika merancang infrastruktur pusat data.

Infrastruktur AI dengan Perangkat GPU yang Lebih Mudah Diintegrasikan

Tidak hanya mengandalkan spesifikasi komputasi, Intel memprioritaskan kemudahan integrasi dengan infrastruktur pusat data yang sudah tersedia. Perangkat komputasi berbasis Xe3P tersebut dirancang untuk pengoperasian melalui pendinginan udara dengan batas daya yang dinyatakan sebesar 350 watt. Pendekatan ini berpotensi menyederhanakan pemasangan di pusat data konvensional. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, desain tersebut membantu menyederhanakan proses penerapan. Namun demikian, kecukupan aliran udara masih perlu dipastikan agar perangkat bekerja secara stabil.

Untuk kebutuhan pemasangan server, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Antarmuka perangkat tersebut mendukung komunikasi data berkecepatan tinggi. Melalui penggunaan koneksi yang sudah dikenal industri, Intel menargetkan integrasi yang lebih fleksibel. Meskipun demikian, pemasangan GPU tetap memerlukan pemeriksaan sistem. Pertimbangan teknisnya mencakup kemampuan power supply, ruang fisik di dalam server, dan kemampuan sistem pendingin. Sebelum melakukan instalasi, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai spesifikasi perangkat.

Ekosistem PyTorch dan vLLM pada GPU D Series

Manfaat nyata GPU pusat data memerlukan dukungan selain kemampuan komputasi. Ekosistem pengembangan yang matang memiliki pengaruh besar dalam mengoptimalkan proses inferensi. Dalam upaya memperluas penggunaan produk, Intel mengembangkan dukungan framework yang digunakan industri. Produsen semikonduktor ini mengembangkan kompatibilitas dengan PyTorch dan vLLM untuk melayani permintaan inferensi. Pendekatan perangkat lunak ini bertujuan memberikan fleksibilitas dalam memanfaatkan model terbuka tanpa sepenuhnya bergantung pada ekosistem tertutup.

Dalam ekosistem AI, PyTorch menjadi kerangka kerja komputasi neural yang dikenal luas untuk mengembangkan aplikasi kecerdasan buatan. Adapun, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pengelolaan memori dan permintaan yang efisien. Berkat strategi pengembangan terbuka, GPU D Series diharapkan dapat dimanfaatkan untuk berbagai kebutuhan inferensi. Namun demikian, dukungan awal tidak selalu berarti semua model langsung optimal. Pengelola sistem dianjurkan menguji dukungan runtime, kemampuan kernel pemrosesan, serta efisiensi komputasi dalam penggunaan produksi sebelum menggunakan perangkat secara luas.

Peluang Infrastruktur Kecerdasan Buatan melalui GPU D Series

Pengenalan akselerator AI terbaru Intel menunjukkan strategi perusahaan dalam memperkuat solusi komputasi pusat data yang berorientasi pada kapasitas memori. Kemampuan menyediakan memori berukuran besar, bandwidth memori 1,5 terabyte per detik, dan komputasi puncak 1,3 petaflops FP8 merupakan spesifikasi penting untuk mendukung inferensi AI dengan konteks panjang. Sebagai nilai tambah lainnya, penggunaan antarmuka PCIe 5.0 memberikan pilihan integrasi bagi perusahaan. Walaupun spesifikasinya menjanjikan, hasil penggunaan perlu dibuktikan melalui benchmark sebelum menentukan manfaat ekonominya. Bagaimana pendapat Anda mengenai akselerator AI dengan memori berkapasitas besar? Mari sampaikan pandangan Anda mengenai masa depan infrastruktur kecerdasan buatan.