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 ekosistem komputasi AI memperbesar kebutuhan infrastruktur yang dapat menjalankan sistem kecerdasan buatan kompleks secara lebih ekonomis. Untuk menghadapi perkembangan ini, Intel menghadirkan GPU D Series sebagai akselerator khusus inferensi yang berfokus pada kebutuhan memori besar. Akselerator terbaru ini sebelumnya dikenal dengan nama kode Crescent Island sebelum diperkenalkan dengan nama komersial Intel GPU D Series. Dengan pendekatan tersebut, perusahaan ingin menawarkan solusi komputasi yang lebih fleksibel bagi operator pusat data.
Pengumuman pada Oktober 2026 memperjelas kemampuan perangkat mengenai arsitektur pemrosesan GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Tahap penggunaan model AI merupakan aktivitas pemrosesan permintaan menggunakan model yang sudah tersedia. Sebagai gambaran, layanan chatbot memerlukan inferensi untuk menghasilkan jawaban. Apabila layanan AI digunakan dalam skala besar, kebutuhan memori dan daya komputasi bertambah. Oleh sebab itu, Intel memposisikan akselerator terbarunya sebagai bagian dari infrastruktur AI modern.
Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P
Salah satu keunggulan utama Intel GPU D Series adalah kemampuan menampung memori berkapasitas besar. Dalam rancangan tersebut, Intel memanfaatkan teknologi memori LPDDR5X yang menawarkan karakteristik hemat daya. Jumlah memori yang tersedia memungkinkan penempatan model AI berukuran besar. Selain kapasitas tinggi, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Bandwidth tersebut memiliki pengaruh besar dalam menyediakan data bagi unit komputasi. Perpaduan memori besar serta transfer cepat ditujukan untuk mendukung inferensi dengan konteks panjang.
Tidak hanya mengandalkan kapasitas LPDDR5X, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dikembangkan untuk akselerasi kecerdasan buatan. Akselerator ini menawarkan kemampuan puncak hingga 1,3 petaflops FP8. FP8 merupakan metode penyimpanan nilai floating point menggunakan delapan bit yang relevan untuk pengolahan jaringan neural. Pemanfaatan presisi rendah ini berpotensi meningkatkan efisiensi pengolahan data. Namun demikian, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Aspek yang memengaruhi kinerja meliputi kompleksitas aplikasi, format data yang digunakan, dan optimalisasi framework.
Hubungan Memori GPU dengan Performa Large Language Model
Dalam pengembangan AI modern, ketersediaan memori memiliki peranan utama karena data jaringan neural perlu diakses secara berulang. Model dengan parameter lebih banyak umumnya memerlukan memori lebih besar. Selain parameter model, proses inferensi juga menggunakan ruang untuk cache. Salah satu contohnya adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Apabila jumlah token yang diproses meningkat, kebutuhan memori dapat bertambah. Kebutuhan data sementara tersebut menjelaskan pentingnya kapasitas tinggi.
Dalam contoh sederhana, sebuah model AI dengan 70 miliar parameter memerlukan kurang lebih 140 GB untuk menyimpan bobot dalam format FP16. Gambaran kebutuhan memori tersebut tidak mencakup KV cache dan overhead perangkat lunak. Melalui dukungan memori yang besar, GPU D Series berpotensi menampung lebih banyak data model ke beberapa akselerator pada konfigurasi tertentu. Namun, jumlah memori bukan satu-satunya penentu performa. Efisiensi framework tetap perlu dipertimbangkan ketika memilih akselerator AI.
Intel GPU D Series Dirancang untuk Efisiensi Pusat Data
Tidak hanya mengandalkan spesifikasi komputasi, Intel memprioritaskan kemudahan integrasi dengan sistem komputasi enterprise. Perangkat komputasi berbasis Xe3P tersebut mengandalkan sistem pendinginan udara dengan profil konsumsi daya 350 W. Rancangan perangkat tersebut 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.
Dalam aspek integrasi perangkat keras, Intel GPU D Series mendukung koneksi PCI Express generasi kelima. Antarmuka perangkat tersebut mendukung komunikasi data berkecepatan tinggi. Melalui penggunaan koneksi yang sudah dikenal industri, Intel berusaha mengurangi kebutuhan infrastruktur khusus. Meskipun demikian, pemasangan GPU tetap memerlukan pemeriksaan sistem. Pertimbangan teknisnya mencakup kapasitas catu daya, dimensi slot ekspansi, dan kemampuan sistem pendingin. Sebelum melakukan instalasi, operator pusat data perlu melakukan evaluasi sesuai spesifikasi perangkat.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Manfaat nyata GPU pusat data tidak hanya ditentukan oleh spesifikasi perangkat keras. Framework komputasi yang didukung memiliki pengaruh besar dalam menjalankan model AI secara efisien. Sebagai bagian dari strategi pengembangan, Intel mengutamakan ekosistem perangkat lunak terbuka. Perusahaan tersebut menyoroti integrasi dengan framework pembelajaran mesin PyTorch dan vLLM untuk menjalankan model bahasa. Dukungan tersebut bertujuan memberikan fleksibilitas dalam mengoperasikan aplikasi berbasis AI tanpa sepenuhnya bergantung pada ekosistem tertutup.
Dalam ekosistem AI, PyTorch menjadi salah satu perangkat pengembangan populer untuk mengembangkan aplikasi kecerdasan buatan. Sementara itu, vLLM berfokus pada penyajian model bahasa besar dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Melalui dukungan ekosistem tersebut, GPU D Series berpotensi digunakan untuk beragam model dan aplikasi. Meskipun demikian, dukungan awal tidak selalu berarti semua model langsung optimal. Tim teknis sebaiknya mengevaluasi versi driver, kemampuan kernel pemrosesan, serta performa berdasarkan beban kerja sebelum menggunakan perangkat secara luas.
Peluang Infrastruktur Kecerdasan Buatan melalui GPU D Series
Pengenalan akselerator AI terbaru Intel menunjukkan strategi perusahaan dalam mengembangkan perangkat keras kecerdasan buatan yang memprioritaskan efisiensi pemrosesan. Dukungan LPDDR5X hingga 480 GB, kecepatan transfer memori sebesar 1,5 TB/s, dan performa maksimum FP8 sebesar 1,3 petaflops merupakan spesifikasi penting untuk melayani permintaan kecerdasan buatan berskala besar. Di samping kemampuan teknisnya, penggunaan antarmuka PCIe 5.0 membantu memperkuat daya tarik produk. Walaupun spesifikasinya menjanjikan, hasil penggunaan perlu dibuktikan melalui benchmark sebelum mengambil keputusan penerapan skala besar. Apa pandangan Anda tentang akselerator AI dengan memori berkapasitas besar? Mari sampaikan pandangan Anda mengenai masa depan infrastruktur kecerdasan buatan.
