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 industri artificial intelligence memperbesar penggunaan sistem komputasi yang mampu menangani aplikasi AI generatif secara lebih ekonomis. Untuk menghadapi perkembangan ini, Intel mengembangkan GPU D Series sebagai perangkat komputasi pusat data yang mengutamakan efisiensi inferensi. Produk tersebut mula-mula diperkenalkan dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Melalui pengembangan ini, perusahaan menargetkan hadirnya solusi komputasi yang lebih fleksibel bagi penyedia layanan cloud.
Pemaparan teknis terbaru Intel memperjelas kemampuan perangkat mengenai kemampuan komputasi GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini dirancang untuk menjalankan inferensi AI. Inferensi sendiri merupakan kegiatan menjalankan model yang telah dilatih. Dalam penerapan sehari-hari, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Apabila layanan AI digunakan dalam skala besar, beban infrastruktur menjadi lebih tinggi. Karena itulah, Intel menempatkan GPU D Series 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. Pada konfigurasi produk ini, Intel memanfaatkan teknologi memori LPDDR5X yang menawarkan karakteristik hemat daya. Dukungan penyimpanan data sementara sebesar itu memberikan ruang bagi model AI berukuran besar. Di samping menawarkan ruang pemrosesan yang luas, perangkat ini mendukung bandwidth memori sebesar 1,5 terabyte per detik. Bandwidth tersebut berperan penting dalam mengalirkan informasi selama pemrosesan. Kombinasi kapasitas dan bandwidth ditujukan untuk mendukung 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. Format floating point 8-bit adalah format numerik berpresisi rendah yang banyak digunakan dalam komputasi AI. Penerapan representasi numerik FP8 membantu mempercepat operasi yang kompatibel. Perlu diperhatikan bahwa, kemampuan puncak teoritis tidak selalu mencerminkan kinerja aplikasi nyata. Performa sebenarnya dipengaruhi oleh karakteristik jaringan neural, pengaturan numerik, dan kemampuan sistem menjalankan beban kerja.
Hubungan Memori GPU dengan Performa Large Language Model
Pada penggunaan model bahasa besar, kapasitas memori menjadi komponen penting karena parameter model harus tersedia selama pemrosesan. Model dengan parameter lebih banyak umumnya memerlukan memori lebih besar. Tidak hanya bobot jaringan neural, proses inferensi juga menggunakan ruang untuk cache. Bagian penting dalam inferensi transformer adalah KV cache yang mempertahankan data key dan value selama pemrosesan. Ketika konteks semakin panjang, 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 menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Gambaran kebutuhan memori tersebut tidak mencakup memori kerja tambahan dan overhead perangkat lunak. Melalui dukungan memori yang besar, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke sejumlah kartu komputasi pada skenario penggunaan tertentu. Meski demikian, jumlah memori bukan satu-satunya penentu performa. Kemampuan komputasi tetap perlu dipertimbangkan ketika memilih akselerator AI.
Intel GPU D Series Dirancang untuk Efisiensi Pusat Data
Di samping menawarkan kemampuan inferensi, Intel mengembangkan rancangan yang sesuai dengan lingkungan server perusahaan. Akselerator D Series yang diperkenalkan mengandalkan sistem pendinginan udara dengan daya sekitar 350 watt. Sistem pendinginan yang digunakan berpotensi menyederhanakan integrasi ke rak server yang kompatibel. Tidak seperti konfigurasi yang mengharuskan infrastruktur liquid cooling, desain tersebut membantu menyederhanakan proses penerapan. Meski demikian, kecukupan aliran udara masih perlu dipastikan agar kinerja GPU dapat dipertahankan.
Dalam aspek integrasi perangkat keras, Intel GPU D Series menggunakan antarmuka PCIe 5.0. Teknologi interkoneksi ini menyediakan jalur transfer antara GPU dan komponen server. Melalui penggunaan koneksi yang sudah dikenal industri, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Meskipun demikian, kompatibilitas server tidak hanya bergantung pada konektor. Aspek yang perlu diperhatikan meliputi kapasitas catu daya, dimensi slot ekspansi, dan pengelolaan temperatur rak. Oleh sebab itu, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai spesifikasi perangkat.
Dukungan Software Terbuka untuk Pengembangan AI Intel
Efektivitas perangkat komputasi kecerdasan buatan memerlukan dukungan selain kemampuan komputasi. Ekosistem pengembangan yang matang berperan penting dalam mengoptimalkan proses inferensi. Untuk mendukung kebutuhan tersebut, Intel mengembangkan dukungan framework yang digunakan industri. Pengembang GPU D Series memperkenalkan dukungan dengan PyTorch dan vLLM untuk melayani permintaan inferensi. Dukungan tersebut dirancang agar membantu pengembang dalam memanfaatkan model terbuka tanpa harus menggunakan satu pendekatan perangkat lunak khusus.
PyTorch merupakan kerangka kerja komputasi neural yang dikenal luas untuk melakukan pemrosesan jaringan neural. Di sisi lain, vLLM berfokus pada penyajian model bahasa besar dengan optimalisasi throughput serta penggunaan cache. Berkat strategi pengembangan terbuka, GPU D Series berpotensi digunakan untuk sejumlah skenario implementasi AI. Namun demikian, dukungan awal tidak selalu berarti semua model langsung optimal. Pengembang perlu memeriksa versi driver, kemampuan kernel pemrosesan, serta performa berdasarkan beban kerja sebelum menerapkan layanan AI berskala besar.
Masa Depan Pemrosesan AI dengan Memori Besar dari Intel
Peluncuran rincian teknologi GPU D Series memperlihatkan arah inovasi Intel dalam menghadirkan infrastruktur inferensi AI yang memprioritaskan efisiensi pemrosesan. 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. Di samping kemampuan teknisnya, desain berpendingin udara membantu memperkuat daya tarik produk. Meski demikian, hasil penggunaan perlu dibuktikan melalui benchmark sebelum menentukan manfaat ekonominya. Seberapa menarik menurut Anda GPU D Series terbaru dari Intel? Mari sampaikan pandangan Anda mengenai perkembangan GPU khusus inferensi AI.
