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
Pertumbuhan TEKNOLOGI kecerdasan buatan memperbesar kebutuhan infrastruktur yang dapat menjalankan aplikasi AI generatif secara lebih efisien. Menanggapi kebutuhan tersebut, Intel mengembangkan GPU D Series sebagai akselerator khusus inferensi yang mengutamakan efisiensi inferensi. Akselerator terbaru ini pada tahap pengembangan disebut dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Dengan pendekatan tersebut, perusahaan ingin menawarkan alternatif akselerasi AI bagi perusahaan pengembang kecerdasan buatan.
Presentasi perusahaan dalam OCP Global Summit 2026 mengungkap spesifikasi penting mengenai kemampuan komputasi GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini dirancang untuk menjalankan inferensi AI. Tahap penggunaan model AI merupakan aktivitas pemrosesan permintaan menggunakan model yang sudah tersedia. Sebagai gambaran, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Apabila layanan AI digunakan dalam skala besar, efisiensi perangkat keras semakin penting. Karena itulah, Intel menempatkan GPU D Series sebagai bagian dari infrastruktur AI modern.
Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P
Fitur paling menonjol Intel GPU D Series adalah kapasitas LPDDR5X mencapai 480 GB. Melalui pendekatan perangkat kerasnya, Intel menggunakan teknologi memori LPDDR5X yang dirancang untuk efisiensi energi. Kapasitas memori tersebut memungkinkan penempatan model AI berukuran besar. Di samping menawarkan ruang pemrosesan yang luas, perangkat ini mendukung bandwidth memori sebesar 1,5 terabyte per detik. Kecepatan akses memori tersebut memiliki pengaruh besar dalam mengalirkan informasi selama pemrosesan. Kombinasi kapasitas dan bandwidth berpotensi membantu menjalankan layanan AI dengan permintaan kompleks.
Di samping spesifikasi penyimpanan data, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dikembangkan untuk akselerasi kecerdasan buatan. Perangkat tersebut menawarkan kemampuan puncak hingga 1,3 petaflops FP8. Presisi FP8 mengacu pada metode penyimpanan nilai floating point menggunakan delapan bit yang mendukung akselerasi model kecerdasan buatan. Pemanfaatan presisi rendah ini dapat mengurangi kebutuhan komputasi tertentu. Walaupun angka performanya tinggi, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Performa sebenarnya dipengaruhi oleh ukuran model, pengaturan numerik, dan optimalisasi framework.
Peran Bandwidth dan Kapasitas Memori dalam Inferensi Kecerdasan Buatan
Pada penggunaan model bahasa besar, ketersediaan memori memiliki peranan utama karena parameter model harus tersedia selama pemrosesan. Sistem AI dengan kompleksitas tinggi dapat menggunakan sumber daya memori dalam jumlah tinggi. Selain parameter model, proses inferensi juga menggunakan ruang untuk cache. Komponen yang sering digunakan adalah KV cache yang mendukung penggunaan kembali informasi dalam konteks percakapan. Ketika konteks semakin panjang, kebutuhan memori dapat bertambah. 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. Gambaran kebutuhan memori tersebut belum memasukkan memori kerja tambahan dan data pendukung proses komputasi. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series berpotensi menampung lebih banyak data model ke sejumlah kartu komputasi pada skenario penggunaan tertentu. Namun, jumlah memori bukan satu-satunya penentu performa. Efisiensi framework tetap perlu dipertimbangkan ketika merancang infrastruktur pusat data.
Intel GPU D Series Dirancang untuk Efisiensi Pusat Data
Selain menonjolkan kapasitas memori, Intel mengembangkan rancangan yang sesuai dengan infrastruktur pusat data yang sudah tersedia. Akselerator D Series yang diperkenalkan menggunakan desain berpendingin udara dengan batas daya yang dinyatakan sebesar 350 watt. Rancangan perangkat tersebut ditujukan untuk mempermudah penggunaan pada infrastruktur enterprise. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut dapat mengurangi kebutuhan perubahan fasilitas. Walaupun dirancang lebih praktis, kemampuan pendinginan server tetap harus diperiksa agar kinerja GPU dapat dipertahankan.
Untuk kebutuhan pemasangan server, Intel GPU D Series menggunakan antarmuka PCIe 5.0. Antarmuka perangkat tersebut mendukung komunikasi data berkecepatan tinggi. Dengan memanfaatkan standar umum, Intel menargetkan integrasi yang lebih fleksibel. Meskipun demikian, kompatibilitas server tidak hanya bergantung pada konektor. Faktor seperti ketersediaan suplai listrik, ruang fisik di dalam server, dan pengelolaan temperatur rak. Sebelum melakukan instalasi, tim teknis dianjurkan menilai kondisi sistem sesuai spesifikasi perangkat.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Manfaat nyata GPU pusat data tidak hanya ditentukan oleh spesifikasi perangkat keras. Perangkat lunak yang kompatibel berperan penting dalam mengoptimalkan proses inferensi. Dalam upaya memperluas penggunaan produk, Intel mengembangkan dukungan framework yang digunakan industri. Produsen semikonduktor ini memperkenalkan dukungan dengan ekosistem pemrograman PyTorch dan vLLM untuk melayani permintaan inferensi. Dukungan tersebut dirancang agar membantu pengembang dalam mengoperasikan aplikasi berbasis AI tanpa membatasi pilihan framework pengembangan.
Framework PyTorch dikenal sebagai salah satu perangkat pengembangan populer untuk mengembangkan aplikasi kecerdasan buatan. Adapun, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan optimalisasi throughput serta penggunaan cache. Dengan menghadirkan kompatibilitas perangkat lunak, GPU D Series diharapkan dapat dimanfaatkan untuk sejumlah skenario implementasi AI. Perlu diperhatikan bahwa, dukungan awal tidak selalu berarti semua model langsung optimal. Tim teknis sebaiknya mengevaluasi dukungan runtime, kemampuan kernel pemrosesan, 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. Dukungan LPDDR5X hingga 480 GB, kecepatan transfer memori sebesar 1,5 TB/s, dan komputasi puncak 1,3 petaflops FP8 menjadi karakteristik utama untuk mendukung inferensi AI dengan konteks panjang. Sebagai nilai tambah lainnya, desain berpendingin udara memberikan pilihan integrasi bagi perusahaan. Meski demikian, kinerja sesungguhnya tetap memerlukan pengujian sebelum menentukan manfaat ekonominya. Bagaimana pendapat Anda mengenai perkembangan TEKNOLOGI komputasi AI Intel? Silakan bagikan pendapat Anda mengenai perkembangan GPU khusus inferensi AI.
