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 meningkatkan penggunaan sistem komputasi yang dirancang untuk memproses aplikasi AI generatif secara semakin optimal. Untuk menghadapi perkembangan ini, Intel menghadirkan GPU D Series sebagai solusi pemrosesan AI yang menekankan kapasitas memori. Produk tersebut sebelumnya dikenal dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Dengan pendekatan tersebut, perusahaan ingin menawarkan pilihan perangkat keras tambahan bagi operator pusat data.
Pemaparan teknis terbaru Intel memperjelas kemampuan perangkat mengenai kapasitas memori GPU D Series. Sebagai produk dengan sasaran berbeda dari kartu grafis permainan, akselerator ini dirancang untuk menjalankan inferensi AI. Inferensi sendiri merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Contohnya, layanan chatbot menggunakan proses inferensi ketika merespons pertanyaan. Saat permintaan diproses secara bersamaan, beban infrastruktur menjadi lebih tinggi. 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
Salah satu keunggulan utama Intel GPU D Series adalah kapasitas LPDDR5X mencapai 480 GB. Dalam rancangan tersebut, Intel memilih teknologi memori LPDDR5X yang mendukung konsumsi daya yang lebih terkendali. Jumlah memori yang tersedia membantu menampung parameter jaringan neural. 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 memenuhi kebutuhan akses data model AI. Perpaduan memori besar serta transfer cepat ditujukan untuk mendukung model kecerdasan buatan yang membutuhkan banyak memori.
Di samping spesifikasi penyimpanan data, Intel GPU D Series dibangun berdasarkan desain komputasi Xe3P yang dioptimalkan untuk inferensi. GPU pusat data tersebut menawarkan kemampuan puncak hingga 1,3 petaflops FP8. Format floating point 8-bit adalah representasi angka dengan delapan bit yang relevan untuk pengolahan jaringan neural. Penggunaan format tersebut dapat mengurangi kebutuhan komputasi tertentu. Walaupun angka performanya tinggi, hasil pemrosesan sesungguhnya dapat berbeda dari spesifikasi maksimum. Aspek yang memengaruhi kinerja meliputi karakteristik jaringan neural, pengaturan numerik, dan efisiensi perangkat lunak.
Mengapa Memori Besar Penting untuk Menjalankan Model AI
Pada penggunaan model bahasa besar, jumlah memori yang dapat digunakan sangat menentukan karena parameter model harus tersedia selama pemrosesan. Jaringan neural yang berukuran besar 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. Kondisi tersebut menjelaskan pentingnya kapasitas tinggi.
Sebagai ilustrasi, sebuah model AI dengan 70 miliar parameter menggunakan sekitar 140 gigabyte ketika bobot disimpan pada presisi 16-bit. Perhitungan tersebut masih mengecualikan penyimpanan sementara selama inferensi dan data pendukung proses komputasi. Berkat ruang LPDDR5X berkapasitas tinggi, GPU D Series dapat membantu mengurangi kebutuhan membagi model ke beberapa akselerator pada beban kerja yang sesuai. Namun, kapasitas besar saja tidak menjamin inferensi lebih cepat. Kecepatan transfer data masih menentukan hasil akhir ketika menentukan perangkat pemrosesan model.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Di samping menawarkan kemampuan inferensi, Intel memprioritaskan kemudahan integrasi dengan sistem komputasi enterprise. Perangkat komputasi berbasis Xe3P tersebut mengandalkan sistem pendinginan udara dengan profil konsumsi daya 350 W. Sistem pendinginan yang digunakan ditujukan untuk mempermudah penggunaan pada infrastruktur enterprise. Sebagai alternatif terhadap perangkat dengan kebutuhan pendinginan kompleks, desain tersebut berpeluang menekan kerumitan instalasi. Namun demikian, pengelolaan temperatur tetap membutuhkan perencanaan agar operasional pusat data berlangsung optimal.
Dalam aspek integrasi perangkat keras, Intel GPU D Series mendukung koneksi PCI Express generasi kelima. Standar tersebut menyediakan jalur transfer antara GPU dan komponen server. Dengan memanfaatkan standar umum, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Perlu dipahami bahwa, pemasangan GPU tetap memerlukan pemeriksaan sistem. Aspek yang perlu diperhatikan meliputi kapasitas catu daya, ruang fisik di dalam server, dan kemampuan sistem pendingin. Untuk memastikan penerapan yang tepat, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai kebutuhan komputasi.
Ekosistem PyTorch dan vLLM pada GPU D Series
Manfaat nyata GPU pusat data tidak hanya ditentukan oleh spesifikasi perangkat keras. Perangkat lunak yang kompatibel menjadi faktor utama dalam memanfaatkan kemampuan GPU. Sebagai bagian dari strategi pengembangan, Intel mengutamakan ekosistem perangkat lunak terbuka. Produsen semikonduktor ini menyoroti integrasi dengan framework pembelajaran mesin PyTorch dan vLLM untuk mengembangkan aplikasi AI generatif. Pendekatan perangkat lunak ini diharapkan mempermudah integrasi dalam membangun layanan kecerdasan buatan tanpa sepenuhnya bergantung pada ekosistem tertutup.
PyTorch merupakan kerangka kerja komputasi neural yang dikenal luas untuk membangun dan menjalankan model. Sementara itu, vLLM berfokus pada penyajian model bahasa besar dengan pengelolaan memori dan permintaan yang efisien. Melalui dukungan ekosistem tersebut, GPU D Series berpotensi digunakan untuk berbagai kebutuhan inferensi. Perlu diperhatikan bahwa, dukungan awal tidak selalu berarti semua model langsung optimal. Pengembang perlu memeriksa kompatibilitas library, operator komputasi yang tersedia, serta efisiensi komputasi dalam penggunaan produksi sebelum menentukan keputusan infrastruktur.
Peluang Infrastruktur Kecerdasan Buatan melalui GPU D Series
Pengenalan akselerator AI terbaru Intel menggambarkan upaya produsen semikonduktor tersebut dalam mengembangkan perangkat keras kecerdasan buatan yang memprioritaskan efisiensi pemrosesan. Dukungan LPDDR5X hingga 480 GB, bandwidth hingga 1,5 TB/s, dan komputasi puncak 1,3 petaflops FP8 menjadi karakteristik utama untuk menjalankan model bahasa besar. Sebagai nilai tambah lainnya, dukungan ekosistem perangkat lunak terbuka menjadi pertimbangan bagi operator pusat data. Meski demikian, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum mengambil keputusan penerapan skala besar. Apa pandangan Anda tentang GPU D Series terbaru dari Intel? Anda dapat berbagi pemikiran mengenai perkembangan GPU khusus inferensi AI.
