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

Pertumbuhan TEKNOLOGI kecerdasan buatan mendorong kebutuhan infrastruktur yang dapat menjalankan aplikasi AI generatif secara lebih efisien. Untuk menghadapi perkembangan ini, Intel mengembangkan GPU D Series sebagai solusi pemrosesan AI yang menekankan kapasitas memori. Produk tersebut mula-mula diperkenalkan 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 operator pusat data.

Presentasi perusahaan dalam OCP Global Summit 2026 mengungkap spesifikasi penting mengenai kapasitas memori GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini dikembangkan guna melayani permintaan AI. Tahap penggunaan model AI merupakan kegiatan menjalankan model yang telah dilatih. Contohnya, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Ketika jumlah pengguna meningkat, kebutuhan memori dan daya komputasi bertambah. Dengan pertimbangan tersebut, Intel merancang lini GPU ini sebagai perangkat pendukung layanan AI perusahaan.

Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270

Salah satu keunggulan utama Intel GPU D Series adalah dukungan memori hingga 480 GB. Dalam rancangan tersebut, Intel memanfaatkan teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Jumlah memori yang tersedia membantu menampung parameter jaringan neural. Di samping menawarkan ruang pemrosesan yang luas, 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 ditujukan untuk mendukung model kecerdasan buatan yang membutuhkan banyak memori.

Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series menggunakan arsitektur Xe3P yang dioptimalkan untuk inferensi. 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. Penggunaan format tersebut berpotensi meningkatkan efisiensi pengolahan data. Walaupun angka performanya tinggi, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Aspek yang memengaruhi kinerja meliputi karakteristik jaringan neural, pengaturan numerik, dan kemampuan sistem menjalankan beban kerja.

Hubungan Memori GPU dengan Performa Large Language Model

Dalam pengembangan AI modern, ketersediaan memori memiliki peranan utama karena data jaringan neural perlu diakses secara berulang. Jaringan neural yang berukuran besar umumnya memerlukan memori lebih besar. Selain parameter model, proses inferensi membutuhkan memori tambahan untuk data pemrosesan. Komponen yang sering digunakan adalah KV cache yang mendukung penggunaan kembali informasi dalam konteks percakapan. Ketika konteks semakin panjang, kebutuhan memori dapat bertambah. Kondisi tersebut mendukung pengembangan akselerator yang berorientasi pada memori.

Sebagai ilustrasi, sebuah model AI dengan 70 miliar parameter membutuhkan sekitar 140 GB hanya untuk bobot FP16. Estimasi sederhana ini masih mengecualikan penyimpanan sementara selama inferensi dan data pendukung proses komputasi. Melalui dukungan memori yang besar, GPU D Series memberikan ruang lebih luas untuk konteks panjang ke sejumlah kartu komputasi pada beban kerja yang sesuai. Akan tetapi, kapasitas besar saja tidak menjamin inferensi lebih cepat. Efisiensi framework harus dievaluasi secara bersamaan ketika menentukan perangkat pemrosesan model.

Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270

Tidak hanya mengandalkan spesifikasi komputasi, Intel memprioritaskan kemudahan integrasi dengan infrastruktur pusat data yang sudah tersedia. Akselerator D Series yang diperkenalkan dirancang untuk pengoperasian melalui pendinginan udara dengan daya sekitar 350 watt. Pendekatan ini ditujukan untuk mempermudah pemasangan di pusat data konvensional. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut dapat mengurangi kebutuhan perubahan fasilitas. Namun demikian, kemampuan pendinginan server tetap harus diperiksa agar perangkat bekerja secara stabil.

Dalam aspek integrasi perangkat keras, 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. Namun demikian, dukungan perangkat keras harus dinilai secara menyeluruh. Faktor seperti kapasitas catu daya, ketersediaan tempat pemasangan, dan kemampuan sistem pendingin. Oleh sebab itu, operator pusat data perlu melakukan evaluasi sesuai spesifikasi perangkat.

Strategi Intel Membangun Infrastruktur AI yang Fleksibel

Manfaat nyata GPU pusat data memerlukan dukungan selain kemampuan komputasi. Perangkat lunak yang kompatibel berperan penting dalam menjalankan model AI secara efisien. Untuk mendukung kebutuhan tersebut, Intel mengutamakan ekosistem perangkat lunak terbuka. Pengembang GPU D Series menyoroti integrasi dengan PyTorch dan vLLM untuk melayani permintaan inferensi. Dukungan tersebut diharapkan mempermudah integrasi dalam membangun layanan kecerdasan buatan tanpa membatasi pilihan framework pengembangan.

Framework PyTorch dikenal sebagai salah satu perangkat pengembangan populer untuk membangun dan menjalankan model. Di sisi lain, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pengelolaan memori dan permintaan yang efisien. Melalui dukungan ekosistem tersebut, GPU D Series diharapkan dapat dimanfaatkan untuk berbagai kebutuhan inferensi. Perlu diperhatikan bahwa, dukungan awal tidak selalu berarti semua model langsung optimal. Tim teknis sebaiknya mengevaluasi kompatibilitas library, operator komputasi yang tersedia, serta hasil benchmark nyata sebelum menentukan keputusan infrastruktur.

Kesimpulan: GPU D Series Memperkuat Strategi AI Intel

Pengembangan Intel GPU D Series memperlihatkan arah inovasi Intel dalam memperkuat solusi komputasi pusat data yang memprioritaskan efisiensi pemrosesan. Kapasitas memori mencapai 480 GB, bandwidth hingga 1,5 TB/s, dan komputasi puncak 1,3 petaflops FP8 menawarkan potensi menarik untuk menjalankan model bahasa 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. Seberapa menarik menurut Anda akselerator AI dengan memori berkapasitas besar? Anda dapat berbagi pemikiran mengenai perkembangan GPU khusus inferensi AI.