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
Kemajuan ekosistem komputasi AI mendorong permintaan perangkat keras yang dirancang untuk memproses aplikasi AI generatif secara lebih ekonomis. Menanggapi kebutuhan tersebut, Intel memperkenalkan GPU D Series sebagai akselerator khusus inferensi yang mengutamakan efisiensi inferensi. Produk tersebut pada tahap pengembangan disebut dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Dengan pendekatan tersebut, perusahaan ingin menawarkan pilihan perangkat keras tambahan bagi penyedia layanan cloud.
Pemaparan teknis terbaru Intel memberikan informasi lebih lengkap mengenai kemampuan komputasi GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Inferensi sendiri merupakan kegiatan menjalankan model yang telah dilatih. Contohnya, layanan chatbot menggunakan proses inferensi ketika merespons pertanyaan. Saat permintaan diproses secara bersamaan, beban infrastruktur menjadi lebih tinggi. Oleh sebab itu, Intel memposisikan akselerator terbarunya sebagai bagian dari infrastruktur AI modern.
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 menggunakan teknologi memori LPDDR5X yang mendukung konsumsi daya yang lebih terkendali. Kapasitas memori tersebut memberikan ruang bagi data yang diperlukan selama inferensi. Tidak hanya menyediakan memori besar, perangkat ini mendukung bandwidth memori sebesar 1,5 terabyte per detik. Kemampuan transfer data ini menjadi faktor utama dalam menyediakan data bagi unit komputasi. Perpaduan memori besar serta transfer cepat berpotensi membantu menjalankan layanan AI dengan permintaan kompleks.
Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dikembangkan untuk akselerasi kecerdasan buatan. Akselerator ini menawarkan kemampuan puncak hingga 1,3 petaflops FP8. Presisi FP8 mengacu pada format numerik berpresisi rendah yang mendukung akselerasi model kecerdasan buatan. Penggunaan format tersebut membantu mempercepat operasi yang kompatibel. Walaupun angka performanya tinggi, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Faktor seperti ukuran model, pengaturan numerik, dan efisiensi perangkat lunak.
Peran Bandwidth dan Kapasitas Memori dalam Inferensi Kecerdasan Buatan
Dalam pengembangan AI modern, kapasitas memori menjadi komponen penting karena data jaringan neural perlu diakses secara berulang. Jaringan neural yang berukuran besar sering membutuhkan kapasitas penyimpanan sementara yang luas. 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 berpotensi meningkat. Kondisi tersebut menjadi alasan penggunaan GPU dengan memori besar.
Sebagai ilustrasi, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Gambaran kebutuhan memori tersebut belum memasukkan penyimpanan sementara selama inferensi dan overhead perangkat lunak. Dengan kapasitas hingga 480 GB, GPU D Series memberikan ruang lebih luas untuk konteks panjang ke sejumlah kartu komputasi pada beban kerja yang sesuai. Akan tetapi, jumlah memori bukan satu-satunya penentu performa. Kemampuan komputasi masih menentukan hasil akhir ketika menentukan perangkat pemrosesan model.
Intel GPU D Series Dirancang untuk Efisiensi Pusat Data
Tidak hanya mengandalkan spesifikasi komputasi, Intel memprioritaskan kemudahan integrasi dengan lingkungan server perusahaan. Perangkat komputasi berbasis Xe3P tersebut mengandalkan sistem pendinginan udara dengan daya sekitar 350 watt. Pendekatan ini dirancang agar mendukung pemasangan di pusat data konvensional. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, desain tersebut membantu menyederhanakan proses penerapan. Walaupun dirancang lebih praktis, kemampuan pendinginan server tetap harus diperiksa agar perangkat bekerja secara stabil.
Dari sisi konektivitas, Intel GPU D Series menggunakan antarmuka PCIe 5.0. Teknologi interkoneksi ini mendukung komunikasi data berkecepatan tinggi. Melalui penggunaan koneksi yang sudah dikenal industri, Intel berusaha mengurangi kebutuhan infrastruktur khusus. Meskipun demikian, dukungan perangkat keras harus dinilai secara menyeluruh. Pertimbangan teknisnya mencakup kemampuan power supply, ketersediaan tempat pemasangan, dan kapasitas aliran udara. Sebelum melakukan instalasi, operator pusat data perlu melakukan evaluasi sesuai kebutuhan komputasi.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Efektivitas perangkat komputasi kecerdasan buatan bergantung pada lebih dari sekadar kapasitas memori. Perangkat lunak yang kompatibel berperan penting dalam memanfaatkan kemampuan GPU. Dalam upaya memperluas penggunaan produk, Intel menekankan pendekatan software terbuka. Produsen semikonduktor ini memperkenalkan dukungan dengan PyTorch dan vLLM untuk mengembangkan aplikasi AI generatif. Strategi kompatibilitas tersebut diharapkan mempermudah integrasi dalam mengoperasikan aplikasi berbasis AI 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. Melalui dukungan ekosistem tersebut, GPU D Series diharapkan dapat dimanfaatkan untuk beragam model dan aplikasi. Perlu diperhatikan bahwa, kemampuan menjalankan perangkat lunak tetap membutuhkan evaluasi. Tim teknis sebaiknya mengevaluasi versi driver, operator komputasi yang tersedia, serta efisiensi komputasi dalam penggunaan produksi sebelum menggunakan perangkat secara luas.
Kesimpulan: GPU D Series Memperkuat Strategi AI Intel
Peluncuran rincian teknologi GPU D Series menggambarkan upaya produsen semikonduktor tersebut dalam mengembangkan perangkat keras kecerdasan buatan yang memprioritaskan efisiensi pemrosesan. Kemampuan menyediakan memori berukuran besar, bandwidth memori 1,5 terabyte per detik, dan komputasi puncak 1,3 petaflops FP8 merupakan spesifikasi penting untuk melayani permintaan kecerdasan buatan berskala besar. Di samping kemampuan teknisnya, penggunaan antarmuka PCIe 5.0 membantu memperkuat daya tarik produk. Walaupun spesifikasinya menjanjikan, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda akselerator AI dengan memori berkapasitas besar? Silakan bagikan pendapat Anda mengenai potensinya bagi pusat data.
