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 memperbesar permintaan perangkat keras yang dirancang untuk memproses model bahasa berukuran besar secara semakin optimal. Sebagai bagian dari strategi komputasi AI, Intel menghadirkan GPU D Series sebagai solusi pemrosesan AI yang menekankan kapasitas memori. Akselerator terbaru ini sebelumnya dikenal dengan nama kode Crescent Island sebelum dimasukkan ke lini produk Intel GPU D Series. Berkat rancangan yang berorientasi pada inferensi, perusahaan berupaya menyediakan alternatif akselerasi AI bagi operator pusat data.
Presentasi perusahaan dalam OCP Global Summit 2026 mengungkap spesifikasi penting mengenai kemampuan komputasi GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini dirancang untuk menjalankan inferensi AI. Inferensi sendiri merupakan aktivitas pemrosesan permintaan menggunakan model yang sudah tersedia. Dalam penerapan sehari-hari, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Apabila layanan AI digunakan dalam skala besar, kebutuhan memori dan daya komputasi bertambah. Oleh sebab itu, Intel merancang lini GPU ini sebagai solusi untuk kebutuhan inferensi berskala besar.
Spesifikasi Intel GPU D Series dengan Memori LPDDR5X hingga 480 GB
Fitur paling menonjol Intel GPU D Series adalah kapasitas LPDDR5X mencapai 480 GB. Pada konfigurasi produk ini, Intel menggunakan teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Kapasitas memori tersebut membantu menampung data yang diperlukan selama inferensi. Di samping menawarkan ruang pemrosesan yang luas, perangkat ini menawarkan kecepatan transfer memori 1,5 TB/s. Kemampuan transfer data ini berperan penting dalam mengalirkan informasi selama pemrosesan. Kombinasi kapasitas dan bandwidth berpotensi membantu menjalankan inferensi dengan konteks panjang.
Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series menggunakan arsitektur Xe3P yang dirancang bagi pemrosesan paralel. GPU pusat data tersebut mendukung performa teoritis 1,3 petaflops menggunakan format FP8. Format floating point 8-bit adalah representasi angka dengan delapan bit yang relevan untuk pengolahan jaringan neural. Penggunaan format tersebut membantu mempercepat operasi yang kompatibel. Perlu diperhatikan bahwa, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Faktor seperti kompleksitas aplikasi, format data yang digunakan, dan kemampuan sistem menjalankan beban kerja.
Hubungan Memori GPU dengan Performa Large Language Model
Pada penggunaan model bahasa besar, ketersediaan memori memiliki peranan utama karena sistem membutuhkan ruang untuk menyimpan informasi komputasi. Jaringan neural yang berukuran besar umumnya memerlukan memori lebih besar. Di samping data utama model, proses inferensi membutuhkan memori tambahan untuk data pemrosesan. Komponen yang sering digunakan adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Ketika konteks semakin panjang, kebutuhan memori menjadi semakin besar. Kondisi tersebut menjadi alasan penggunaan GPU dengan memori besar.
Dalam contoh sederhana, sebuah model AI dengan 70 miliar parameter memerlukan kurang lebih 140 GB untuk menyimpan bobot dalam format FP16. Estimasi sederhana ini masih mengecualikan KV cache dan berbagai kebutuhan sistem lainnya. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke sejumlah kartu komputasi pada skenario penggunaan tertentu. Akan tetapi, kapasitas besar saja tidak menjamin inferensi lebih cepat. Efisiensi framework masih menentukan hasil akhir ketika merancang infrastruktur pusat data.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Tidak hanya mengandalkan spesifikasi komputasi, Intel memprioritaskan kemudahan integrasi dengan infrastruktur pusat data yang sudah tersedia. GPU D270 dirancang untuk pengoperasian melalui pendinginan udara dengan profil konsumsi daya 350 W. Sistem pendinginan yang digunakan dirancang agar mendukung pemasangan di pusat data konvensional. Tidak seperti konfigurasi yang mengharuskan infrastruktur liquid cooling, desain tersebut membantu menyederhanakan proses penerapan. Meski demikian, kecukupan aliran udara masih perlu dipastikan agar perangkat bekerja secara stabil.
Dalam aspek integrasi perangkat keras, Intel GPU D Series dirancang dengan standar interkoneksi PCIe 5.0. Teknologi interkoneksi ini mendukung komunikasi data berkecepatan tinggi. Dengan memanfaatkan standar umum, Intel berusaha mengurangi kebutuhan infrastruktur khusus. Namun demikian, kompatibilitas server tidak hanya bergantung pada konektor. Aspek yang perlu diperhatikan meliputi kapasitas catu daya, ketersediaan tempat pemasangan, dan kapasitas aliran udara. Sebelum melakukan instalasi, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai spesifikasi perangkat.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Keberhasilan sebuah akselerator AI tidak hanya ditentukan oleh spesifikasi perangkat keras. Perangkat lunak yang kompatibel memiliki pengaruh besar dalam mengoptimalkan proses inferensi. Dalam upaya memperluas penggunaan produk, Intel menekankan pendekatan software terbuka. Perusahaan tersebut menyoroti integrasi dengan ekosistem pemrograman PyTorch dan vLLM untuk mengembangkan aplikasi AI generatif. Dukungan tersebut bertujuan memberikan fleksibilitas dalam membangun layanan kecerdasan buatan tanpa sepenuhnya bergantung pada ekosistem tertutup.
Framework PyTorch dikenal sebagai kerangka kerja komputasi neural yang dikenal luas untuk mengembangkan aplikasi kecerdasan buatan. Adapun, vLLM dikembangkan untuk melayani inferensi model bahasa dengan optimalisasi throughput serta penggunaan cache. Melalui dukungan ekosistem tersebut, GPU D Series dirancang agar sesuai untuk beragam model dan aplikasi. Perlu diperhatikan bahwa, 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 menentukan keputusan infrastruktur.
Masa Depan Pemrosesan AI dengan Memori Besar dari Intel
Pengenalan akselerator AI terbaru Intel menunjukkan strategi perusahaan dalam menghadirkan infrastruktur inferensi AI yang menekankan kebutuhan aplikasi AI modern. Kemampuan menyediakan memori berukuran besar, bandwidth hingga 1,5 TB/s, dan komputasi puncak 1,3 petaflops FP8 menjadi karakteristik utama untuk melayani permintaan kecerdasan buatan berskala besar. Selain itu, dukungan ekosistem perangkat lunak terbuka membantu memperkuat daya tarik produk. Walaupun spesifikasinya menjanjikan, hasil penggunaan perlu dibuktikan melalui benchmark sebelum membandingkan dengan akselerator lain. Bagaimana pendapat Anda mengenai GPU D Series terbaru dari Intel? Silakan bagikan pendapat Anda mengenai potensinya bagi pusat data.
