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 kebutuhan infrastruktur yang dapat menjalankan model bahasa berukuran besar secara semakin optimal. Sebagai bagian dari strategi komputasi AI, Intel memperkenalkan GPU D Series sebagai akselerator khusus inferensi yang mengutamakan efisiensi inferensi. Produk tersebut pada tahap pengembangan disebut dengan nama kode Crescent Island sebelum mendapatkan identitas resmi Intel GPU D Series. Dengan pendekatan tersebut, perusahaan menargetkan hadirnya alternatif akselerasi AI bagi perusahaan pengembang kecerdasan buatan.
Pengumuman pada Oktober 2026 memperjelas kemampuan perangkat mengenai kemampuan komputasi GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Inferensi sendiri merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Sebagai gambaran, layanan chatbot memerlukan inferensi untuk menghasilkan jawaban. Apabila layanan AI digunakan dalam skala besar, kebutuhan memori dan daya komputasi bertambah. Karena itulah, Intel menempatkan GPU D Series sebagai solusi untuk kebutuhan inferensi berskala besar.
Kemampuan Komputasi GPU D Series Berbasis Arsitektur Xe3P
Fitur paling menonjol 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. Kapasitas memori tersebut memberikan ruang bagi model AI berukuran besar. Tidak hanya menyediakan memori besar, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Bandwidth tersebut memiliki pengaruh besar dalam menyediakan data bagi unit komputasi. Kombinasi kapasitas dan bandwidth ditujukan untuk mendukung 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. GPU pusat data tersebut menawarkan kemampuan puncak hingga 1,3 petaflops FP8. FP8 merupakan format numerik berpresisi rendah yang banyak digunakan dalam komputasi AI. Penerapan representasi numerik FP8 dapat mengurangi kebutuhan komputasi tertentu. Perlu diperhatikan bahwa, hasil pemrosesan sesungguhnya dapat berbeda dari spesifikasi maksimum. Faktor seperti karakteristik jaringan neural, pengaturan numerik, dan kemampuan sistem menjalankan beban kerja.
Peran Bandwidth dan Kapasitas Memori dalam Inferensi Kecerdasan Buatan
Dalam pengembangan AI modern, jumlah memori yang dapat digunakan sangat menentukan karena data jaringan neural perlu diakses secara berulang. 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. Ketika konteks semakin panjang, kebutuhan memori menjadi semakin besar. Karakteristik pemrosesan ini menjadi alasan penggunaan GPU dengan memori besar.
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 masih mengecualikan penyimpanan sementara selama inferensi dan berbagai kebutuhan sistem lainnya. Melalui dukungan memori yang besar, GPU D Series memberikan ruang lebih luas untuk konteks panjang ke beberapa akselerator pada konfigurasi tertentu. Meski demikian, ruang penyimpanan yang luas belum memastikan throughput tertinggi. Kemampuan komputasi tetap perlu dipertimbangkan ketika memilih akselerator AI.
Keunggulan Pendinginan Udara dan Konsumsi Daya GPU D270
Di samping menawarkan kemampuan inferensi, Intel menekankan efisiensi penerapan dengan infrastruktur pusat data yang sudah tersedia. Perangkat komputasi berbasis Xe3P tersebut menggunakan desain berpendingin udara dengan daya sekitar 350 watt. Pendekatan ini dirancang agar mendukung integrasi ke rak server yang kompatibel. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, desain tersebut membantu menyederhanakan proses penerapan. Meski demikian, kemampuan pendinginan server tetap harus diperiksa agar operasional pusat data berlangsung optimal.
Dalam aspek integrasi perangkat keras, Intel GPU D Series mendukung koneksi PCI Express generasi kelima. Teknologi interkoneksi ini mendukung komunikasi data berkecepatan tinggi. Melalui penggunaan koneksi yang sudah dikenal industri, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Namun demikian, pemasangan GPU tetap memerlukan pemeriksaan sistem. Pertimbangan teknisnya mencakup kapasitas catu daya, ruang fisik di dalam server, dan pengelolaan temperatur rak. Oleh sebab itu, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai spesifikasi perangkat.
Strategi Intel Membangun Infrastruktur AI yang Fleksibel
Keberhasilan sebuah akselerator AI memerlukan dukungan selain kemampuan komputasi. Ekosistem pengembangan yang matang berperan penting dalam mengoptimalkan proses inferensi. Sebagai bagian dari strategi pengembangan, Intel mengembangkan dukungan framework yang digunakan industri. Pengembang GPU D Series memperkenalkan dukungan dengan framework pembelajaran mesin PyTorch dan vLLM untuk mengembangkan aplikasi AI generatif. Strategi kompatibilitas tersebut diharapkan mempermudah integrasi dalam membangun layanan kecerdasan buatan tanpa membatasi pilihan framework pengembangan.
PyTorch merupakan salah satu perangkat pengembangan populer untuk melakukan pemrosesan jaringan neural. Di sisi lain, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Melalui dukungan ekosistem tersebut, GPU D Series berpotensi digunakan untuk beragam model dan aplikasi. Namun demikian, kemampuan menjalankan perangkat lunak tetap membutuhkan evaluasi. Pengembang perlu memeriksa kompatibilitas library, dukungan fungsi model, serta efisiensi komputasi dalam penggunaan produksi sebelum menerapkan layanan AI berskala besar.
Masa Depan Pemrosesan AI dengan Memori Besar dari Intel
Pengembangan Intel GPU D Series menunjukkan strategi perusahaan dalam mengembangkan perangkat keras kecerdasan buatan yang menekankan kebutuhan aplikasi AI modern. Kemampuan menyediakan memori berukuran besar, bandwidth memori 1,5 terabyte per detik, dan performa maksimum FP8 sebesar 1,3 petaflops merupakan spesifikasi penting untuk mendukung inferensi AI dengan konteks panjang. Di samping kemampuan teknisnya, dukungan ekosistem perangkat lunak terbuka memberikan pilihan integrasi bagi perusahaan. Walaupun spesifikasinya menjanjikan, efisiensi aktual harus dinilai berdasarkan aplikasi sebelum menentukan manfaat ekonominya. Bagaimana pendapat Anda mengenai GPU D Series terbaru dari Intel? Silakan bagikan pendapat Anda mengenai potensinya bagi pusat data.
