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
Pertumbuhan industri artificial intelligence meningkatkan kebutuhan infrastruktur yang mampu menangani model bahasa berukuran besar secara lebih ekonomis. Untuk menghadapi perkembangan ini, Intel menghadirkan GPU D Series sebagai solusi pemrosesan AI yang mengutamakan efisiensi inferensi. Produk tersebut mula-mula diperkenalkan dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Melalui pengembangan ini, perusahaan berupaya menyediakan pilihan perangkat keras tambahan bagi penyedia layanan cloud.
Pengumuman pada Oktober 2026 mengungkap spesifikasi penting mengenai kemampuan komputasi GPU D Series. Berbeda dari kartu grafis konsumen, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Tahap penggunaan model AI merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Sebagai gambaran, layanan chatbot memerlukan inferensi untuk menghasilkan jawaban. Ketika jumlah pengguna meningkat, kebutuhan memori dan daya komputasi bertambah. Dengan pertimbangan tersebut, Intel merancang lini GPU ini sebagai bagian dari infrastruktur AI modern.
Spesifikasi Intel GPU D Series dengan Memori LPDDR5X hingga 480 GB
Karakteristik penting Intel GPU D Series adalah kemampuan menampung memori berkapasitas besar. Melalui pendekatan perangkat kerasnya, Intel menggunakan teknologi memori LPDDR5X yang menawarkan karakteristik hemat daya. Jumlah memori yang tersedia memberikan ruang bagi parameter jaringan neural. Di samping menawarkan ruang pemrosesan yang luas, perangkat ini mendukung bandwidth memori sebesar 1,5 terabyte per detik. Kecepatan akses memori tersebut berperan penting dalam menyediakan data bagi unit komputasi. Perpaduan memori besar serta transfer cepat berpotensi membantu menjalankan inferensi dengan konteks panjang.
Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dikembangkan untuk akselerasi kecerdasan buatan. Perangkat tersebut mendukung performa teoritis 1,3 petaflops menggunakan format FP8. Presisi FP8 mengacu pada format numerik berpresisi rendah yang banyak digunakan dalam komputasi AI. Pemanfaatan presisi rendah ini berpotensi meningkatkan efisiensi pengolahan data. Namun demikian, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Performa sebenarnya dipengaruhi oleh kompleksitas aplikasi, format data yang digunakan, dan kemampuan sistem menjalankan beban kerja.
Peran Bandwidth dan Kapasitas Memori dalam Inferensi Kecerdasan Buatan
Ketika menjalankan aplikasi kecerdasan buatan, kapasitas memori menjadi komponen penting karena data jaringan neural perlu diakses secara berulang. Model dengan parameter lebih banyak dapat menggunakan sumber daya memori dalam jumlah tinggi. Di samping data utama model, proses inferensi memerlukan penyimpanan informasi sementara. Komponen yang sering digunakan adalah KV cache yang mempertahankan data key dan value selama pemrosesan. Saat percakapan melibatkan lebih banyak informasi, kebutuhan memori menjadi semakin besar. Kebutuhan data sementara 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. Estimasi sederhana ini tidak mencakup penyimpanan sementara selama inferensi dan overhead perangkat lunak. Dengan kapasitas hingga 480 GB, GPU D Series memberikan ruang lebih luas untuk konteks panjang ke banyak perangkat GPU pada beban kerja yang sesuai. Namun, ruang penyimpanan yang luas belum memastikan throughput tertinggi. Kecepatan transfer data masih menentukan hasil akhir ketika merancang infrastruktur pusat data.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Di samping menawarkan kemampuan inferensi, Intel memprioritaskan kemudahan integrasi dengan lingkungan server perusahaan. Akselerator D Series yang diperkenalkan mengandalkan sistem pendinginan udara dengan batas daya yang dinyatakan sebesar 350 watt. Rancangan perangkat tersebut dirancang agar mendukung integrasi ke rak server yang kompatibel. 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.
Dalam aspek integrasi perangkat keras, Intel GPU D Series mendukung koneksi PCI Express generasi kelima. Antarmuka perangkat tersebut menyediakan jalur transfer antara GPU dan komponen server. Melalui penggunaan koneksi yang sudah dikenal industri, Intel berusaha mengurangi kebutuhan infrastruktur khusus. Meskipun demikian, dukungan perangkat keras harus dinilai secara menyeluruh. Aspek yang perlu diperhatikan meliputi ketersediaan suplai listrik, ruang fisik di dalam server, dan kapasitas aliran udara. Sebelum melakukan instalasi, operator pusat data perlu melakukan evaluasi sesuai kebutuhan komputasi.
Ekosistem PyTorch dan vLLM pada GPU D Series
Efektivitas perangkat komputasi kecerdasan buatan bergantung pada lebih dari sekadar kapasitas memori. Ekosistem pengembangan yang matang berperan penting dalam menjalankan model AI secara efisien. Sebagai bagian dari strategi pengembangan, Intel menekankan pendekatan software terbuka. Perusahaan tersebut memperkenalkan dukungan dengan ekosistem pemrograman PyTorch dan vLLM untuk menjalankan model bahasa. Strategi kompatibilitas tersebut dirancang agar membantu pengembang dalam memanfaatkan model terbuka tanpa membatasi pilihan framework pengembangan.
Framework PyTorch dikenal sebagai kerangka kerja komputasi neural yang dikenal luas untuk membangun dan menjalankan model. Sementara itu, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Berkat strategi pengembangan terbuka, GPU D Series diharapkan dapat dimanfaatkan untuk beragam model dan aplikasi. 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 menerapkan layanan AI berskala besar.
Kesimpulan: GPU D Series Memperkuat Strategi AI Intel
Peluncuran rincian teknologi GPU D Series menunjukkan strategi perusahaan dalam mengembangkan perangkat keras kecerdasan buatan yang memprioritaskan efisiensi pemrosesan. 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 melayani permintaan kecerdasan buatan berskala besar. Di samping kemampuan teknisnya, dukungan ekosistem perangkat lunak terbuka membantu memperkuat daya tarik produk. Kendati memiliki potensi besar, kinerja sesungguhnya tetap memerlukan pengujian sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda akselerator AI dengan memori berkapasitas besar? Anda dapat berbagi pemikiran mengenai potensinya bagi pusat data.
