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 TEKNOLOGI kecerdasan buatan memperbesar kebutuhan infrastruktur yang dapat menjalankan sistem kecerdasan buatan kompleks secara semakin optimal. Menanggapi kebutuhan tersebut, Intel memperkenalkan GPU D Series sebagai perangkat komputasi pusat data yang mengutamakan efisiensi inferensi. Perangkat komputasi tersebut mula-mula diperkenalkan dengan nama kode Crescent Island sebelum dimasukkan ke lini produk Intel GPU D Series. Berkat rancangan yang berorientasi pada inferensi, perusahaan berupaya menyediakan solusi komputasi yang lebih fleksibel bagi perusahaan pengembang kecerdasan buatan.
Pemaparan teknis terbaru Intel memberikan informasi lebih lengkap mengenai kapasitas memori GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Inferensi sendiri merupakan aktivitas pemrosesan permintaan menggunakan model yang sudah tersedia. Dalam penerapan sehari-hari, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Saat permintaan diproses secara bersamaan, efisiensi perangkat keras semakin penting. Dengan pertimbangan tersebut, 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 kemampuan menampung memori berkapasitas besar. Melalui pendekatan perangkat kerasnya, Intel memilih teknologi memori LPDDR5X yang mendukung konsumsi daya yang lebih terkendali. Kapasitas memori tersebut membantu menampung data yang diperlukan selama inferensi. Tidak hanya menyediakan memori besar, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Kemampuan transfer data ini memiliki pengaruh besar dalam memenuhi kebutuhan akses data model AI. Perpaduan memori besar serta transfer cepat ditujukan untuk mendukung layanan AI dengan permintaan kompleks.
Selain kemampuan memori, Intel GPU D Series menggunakan arsitektur Xe3P yang dioptimalkan untuk inferensi. Akselerator ini memiliki target komputasi sebesar 1,3 petaflops pada presisi FP8. Format floating point 8-bit adalah metode penyimpanan nilai floating point menggunakan delapan bit yang banyak digunakan dalam komputasi AI. Pemanfaatan presisi rendah ini membantu mempercepat operasi yang kompatibel. Namun demikian, hasil pemrosesan sesungguhnya dapat berbeda dari spesifikasi maksimum. Faktor seperti ukuran model, jenis presisi, dan optimalisasi framework.
Hubungan Memori GPU dengan Performa Large Language Model
Ketika menjalankan aplikasi kecerdasan buatan, kapasitas memori menjadi komponen penting karena parameter model harus tersedia selama pemrosesan. Model dengan parameter lebih banyak dapat menggunakan sumber daya memori dalam jumlah tinggi. Selain parameter model, proses inferensi juga menggunakan ruang untuk cache. Salah satu contohnya adalah KV cache yang mempertahankan data key dan value selama pemrosesan. Apabila jumlah token yang diproses meningkat, kebutuhan memori menjadi semakin besar. Kondisi tersebut menjadi alasan penggunaan GPU dengan memori besar.
Untuk memberikan gambaran, sebuah model AI dengan 70 miliar parameter memerlukan kurang lebih 140 GB untuk menyimpan bobot dalam format FP16. Perhitungan tersebut tidak mencakup penyimpanan sementara selama inferensi dan overhead perangkat lunak. Dengan kapasitas hingga 480 GB, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke beberapa akselerator pada skenario penggunaan tertentu. Meski demikian, kapasitas besar saja tidak menjamin inferensi lebih cepat. Efisiensi framework harus dievaluasi secara bersamaan ketika menentukan perangkat pemrosesan model.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Selain menonjolkan kapasitas memori, Intel mengembangkan rancangan yang sesuai dengan sistem komputasi enterprise. Perangkat komputasi berbasis Xe3P tersebut dirancang untuk pengoperasian melalui pendinginan udara dengan profil konsumsi daya 350 W. Pendekatan ini berpotensi menyederhanakan pemasangan di pusat data konvensional. Tidak seperti konfigurasi yang mengharuskan infrastruktur liquid cooling, desain tersebut membantu menyederhanakan proses penerapan. Walaupun dirancang lebih praktis, kecukupan aliran udara masih perlu dipastikan agar kinerja GPU dapat dipertahankan.
Dari sisi konektivitas, Intel GPU D Series menggunakan antarmuka PCIe 5.0. Antarmuka perangkat tersebut mendukung komunikasi data berkecepatan tinggi. Berkat penerapan antarmuka PCIe, Intel menargetkan integrasi yang lebih fleksibel. Perlu dipahami bahwa, dukungan perangkat keras harus dinilai secara menyeluruh. Faktor seperti kapasitas catu daya, ruang fisik di dalam server, dan pengelolaan temperatur rak. Sebelum melakukan instalasi, tim teknis dianjurkan menilai kondisi sistem sesuai spesifikasi perangkat.
Ekosistem PyTorch dan vLLM pada GPU D Series
Manfaat nyata GPU pusat data bergantung pada lebih dari sekadar kapasitas memori. Framework komputasi yang didukung memiliki pengaruh besar dalam menjalankan model AI secara efisien. Dalam upaya memperluas penggunaan produk, Intel mengutamakan ekosistem perangkat lunak terbuka. Produsen semikonduktor ini memperkenalkan dukungan dengan ekosistem pemrograman PyTorch dan vLLM untuk melayani permintaan inferensi. Strategi kompatibilitas tersebut bertujuan memberikan fleksibilitas dalam memanfaatkan model terbuka tanpa sepenuhnya bergantung pada ekosistem tertutup.
Framework PyTorch dikenal sebagai kerangka kerja komputasi neural yang dikenal luas untuk membangun dan menjalankan model. Adapun, vLLM berfokus pada penyajian model bahasa besar dengan optimalisasi throughput serta penggunaan cache. Melalui dukungan ekosistem tersebut, GPU D Series dirancang agar sesuai untuk beragam model dan aplikasi. Perlu diperhatikan bahwa, kemampuan menjalankan perangkat lunak tetap membutuhkan evaluasi. Pengembang perlu memeriksa kompatibilitas library, dukungan fungsi model, serta hasil benchmark nyata sebelum menentukan keputusan infrastruktur.
Masa Depan Pemrosesan AI dengan Memori Besar dari Intel
Peluncuran rincian teknologi GPU D Series menunjukkan strategi perusahaan dalam mengembangkan perangkat keras kecerdasan buatan yang menekankan kebutuhan aplikasi AI modern. Kapasitas memori mencapai 480 GB, kecepatan transfer memori sebesar 1,5 TB/s, dan performa maksimum FP8 sebesar 1,3 petaflops menjadi karakteristik utama untuk menjalankan model bahasa besar. Selain itu, desain berpendingin udara memberikan pilihan integrasi bagi perusahaan. Meski demikian, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum membandingkan dengan akselerator lain. Seberapa menarik menurut Anda akselerator AI dengan memori berkapasitas besar? Mari sampaikan pandangan Anda mengenai perkembangan GPU khusus inferensi AI.
