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
Perkembangan industri artificial intelligence meningkatkan kebutuhan infrastruktur yang dapat menjalankan aplikasi AI generatif secara lebih efisien. Sebagai bagian dari strategi komputasi AI, Intel menghadirkan GPU D Series sebagai solusi pemrosesan AI yang menekankan kapasitas memori. Perangkat komputasi tersebut pada tahap pengembangan disebut dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Melalui pengembangan ini, perusahaan ingin menawarkan alternatif akselerasi AI bagi perusahaan pengembang kecerdasan buatan.
Pengumuman pada Oktober 2026 mengungkap spesifikasi penting mengenai kemampuan komputasi GPU D Series. Berbeda dari kartu grafis konsumen, akselerator ini dirancang untuk menjalankan inferensi AI. Tahap penggunaan model AI merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Dalam penerapan sehari-hari, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Saat permintaan diproses secara bersamaan, beban infrastruktur menjadi lebih tinggi. Karena itulah, Intel menempatkan GPU D Series sebagai solusi untuk kebutuhan inferensi berskala besar.
Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P
Karakteristik penting Intel GPU D Series adalah kemampuan menampung memori berkapasitas besar. Melalui pendekatan perangkat kerasnya, Intel memanfaatkan teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Jumlah memori yang tersedia memberikan ruang bagi model AI berukuran besar. Tidak hanya menyediakan memori besar, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Kecepatan akses memori tersebut berperan penting dalam menyediakan data bagi unit komputasi. Keseimbangan ruang penyimpanan dan kecepatan akses berpotensi membantu menjalankan layanan AI dengan permintaan kompleks.
Di samping spesifikasi penyimpanan data, Intel GPU D Series menggunakan arsitektur Xe3P yang dikembangkan untuk akselerasi kecerdasan buatan. GPU pusat data tersebut mendukung performa teoritis 1,3 petaflops menggunakan format FP8. Presisi FP8 mengacu pada representasi angka dengan delapan bit yang relevan untuk pengolahan jaringan neural. Pemanfaatan presisi rendah ini membantu mempercepat operasi yang kompatibel. Namun demikian, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Performa sebenarnya dipengaruhi oleh karakteristik jaringan neural, format data yang digunakan, 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 sistem membutuhkan ruang untuk menyimpan informasi komputasi. Sistem AI dengan kompleksitas tinggi dapat menggunakan sumber daya memori dalam jumlah tinggi. Selain parameter model, proses inferensi memerlukan penyimpanan informasi sementara. Bagian penting dalam inferensi transformer adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Apabila jumlah token yang diproses meningkat, kebutuhan memori berpotensi meningkat. Karakteristik pemrosesan ini mendukung pengembangan akselerator yang berorientasi pada memori.
Untuk memberikan gambaran, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Perhitungan tersebut tidak mencakup memori kerja tambahan dan overhead perangkat lunak. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke beberapa akselerator pada konfigurasi tertentu. Namun, jumlah memori bukan satu-satunya penentu performa. Kemampuan komputasi tetap perlu dipertimbangkan ketika menentukan perangkat pemrosesan model.
Intel GPU D Series Dirancang untuk Efisiensi Pusat Data
Di samping menawarkan kemampuan inferensi, Intel menekankan efisiensi penerapan dengan infrastruktur pusat data yang sudah tersedia. Perangkat komputasi berbasis Xe3P tersebut dirancang untuk pengoperasian melalui pendinginan udara dengan profil konsumsi daya 350 W. Sistem pendinginan yang digunakan ditujukan untuk mempermudah pemasangan di pusat data konvensional. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut dapat mengurangi kebutuhan perubahan fasilitas. Meski demikian, pengelolaan temperatur tetap membutuhkan perencanaan agar perangkat bekerja secara stabil.
Untuk kebutuhan pemasangan server, Intel GPU D Series mendukung koneksi PCI Express generasi kelima. Antarmuka perangkat tersebut mendukung komunikasi data berkecepatan tinggi. Dengan memanfaatkan standar umum, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Perlu dipahami bahwa, kompatibilitas server tidak hanya bergantung pada konektor. Pertimbangan teknisnya mencakup ketersediaan suplai listrik, ketersediaan tempat pemasangan, dan pengelolaan temperatur rak. Untuk memastikan penerapan yang tepat, operator pusat data perlu melakukan evaluasi sesuai lingkungan operasional.
Ekosistem PyTorch dan vLLM pada GPU D Series
Manfaat nyata GPU pusat data bergantung pada lebih dari sekadar kapasitas memori. Perangkat lunak yang kompatibel berperan penting dalam menjalankan model AI secara efisien. Dalam upaya memperluas penggunaan produk, Intel mengutamakan ekosistem perangkat lunak terbuka. Produsen semikonduktor ini mengembangkan kompatibilitas dengan ekosistem pemrograman PyTorch dan vLLM untuk mengembangkan aplikasi AI generatif. Strategi kompatibilitas tersebut diharapkan mempermudah integrasi dalam membangun layanan kecerdasan buatan tanpa harus menggunakan satu pendekatan perangkat lunak khusus.
PyTorch merupakan salah satu perangkat pengembangan populer untuk membangun dan menjalankan model. Sementara itu, vLLM berfokus pada penyajian model bahasa besar dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Dengan menghadirkan kompatibilitas perangkat lunak, GPU D Series diharapkan dapat dimanfaatkan untuk sejumlah skenario implementasi AI. Namun demikian, kompatibilitas framework belum menjamin performa terbaik pada seluruh aplikasi. Tim teknis sebaiknya mengevaluasi versi driver, dukungan fungsi model, serta hasil benchmark nyata sebelum menerapkan layanan AI berskala besar.
Kesimpulan: GPU D Series Memperkuat Strategi AI Intel
Peluncuran rincian teknologi GPU D Series memperlihatkan arah inovasi Intel dalam memperkuat solusi komputasi pusat data yang menekankan kebutuhan aplikasi AI modern. Dukungan LPDDR5X hingga 480 GB, bandwidth memori 1,5 terabyte per detik, dan performa maksimum FP8 sebesar 1,3 petaflops menjadi karakteristik utama untuk melayani permintaan kecerdasan buatan berskala besar. Selain itu, dukungan ekosistem perangkat lunak terbuka memberikan pilihan integrasi bagi perusahaan. Walaupun spesifikasinya menjanjikan, kinerja sesungguhnya tetap memerlukan pengujian sebelum menentukan manfaat ekonominya. Bagaimana pendapat Anda mengenai perkembangan TEKNOLOGI komputasi AI Intel? Mari sampaikan pandangan Anda mengenai potensinya bagi pusat data.
