SK hynix Kembangkan Kontroler SSD dengan Akselerator Khusus untuk Beban AI

SK hynix memperkenalkan pengembangan arsitektur kontroler SSD baru yang menggunakan prosesor khusus bernama Hynix Transaction Processing Unit atau H-TPU. Teknologi yang dipaparkan dalam konferensi ISOCC 2026 ini dirancang untuk meningkatkan efisiensi pemrosesan data pada perangkat penyimpanan generasi berikutnya, terutama ketika menghadapi tuntutan infrastruktur kecerdasan buatan. Berbeda dari akselerator yang menjalankan model AI, H-TPU berfokus pada pengelolaan transaksi penyimpanan, termasuk perintah baca dan tulis serta pengaturan metadata. Inovasi tersebut diharapkan membantu SSD enterprise menangani arus data lebih besar dengan konsumsi daya yang lebih terkendali, sekaligus mendukung perkembangan pusat data AI.

SK hynix Hadirkan Arsitektur Kontroler SSD Khusus untuk Kebutuhan AI

Kemajuan TEKNOLOGI kecerdasan buatan mendorong kebutuhan terhadap sistem penyimpanan berkecepatan tinggi. Ketika menjalankan aplikasi AI berskala besar, SSD memegang peranan penting dalam mengelola informasi yang digunakan oleh CPU dan GPU. Walaupun begitu, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menghadirkan tekanan terhadap kemampuan kontroler SSD. Untuk menghadapi kebutuhan baru ini, SK hynix mengembangkan Hynix Transaction Processing Unit atau H-TPU. Prosesor khusus ini bertujuan untuk menangani pekerjaan kontrol penyimpanan yang sering dijalankan. Melalui pendekatan ini, beban pemrosesan dapat dibagi dari CPU utama menuju sejumlah unit khusus yang lebih sederhana.

Pengembangan H-TPU dipaparkan oleh Koo In-jae, pejabat yang membidangi desain system-on-chip di SK hynix, dalam International SoC Design Conference atau ISOCC 2026 di Incheon, Korea Selatan. Melalui presentasi tersebut, perusahaan menyoroti keterbatasan pendekatan tradisional yang bertumpu pada CPU serbaguna untuk menjalankan banyak pekerjaan internal SSD. Ketika kapasitas meningkat, CPU pengendali perlu mengelola semakin banyak permintaan dalam waktu singkat. Meningkatkan jumlah inti CPU biasa memang berpotensi meningkatkan kemampuan pemrosesan, tetapi juga menghadirkan konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Oleh sebab itu, SK hynix mengembangkan pendekatan pemrosesan terdistribusi untuk menjaga efisiensi kontroler generasi mendatang.

Peran Prosesor Khusus dalam Mempercepat Operasi Penyimpanan

Dalam perangkat penyimpanan masa kini, kontroler bertugas mengelola komunikasi antara sistem komputer dan chip memori NAND. Banyak operasi penyimpanan memerlukan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Selain itu, kontroler juga harus menangani pemulihan kesalahan dan kebijakan penyimpanan. Jika menggunakan desain lama, sebagian besar pekerjaan tersebut ditangani oleh inti CPU serbaguna. Dalam rancangan yang dikembangkan SK hynix, sejumlah operasi rutin diserahkan kepada H-TPU yang dirancang secara khusus. Strategi pemisahan tugas ini dikembangkan untuk mengurangi beban CPU utama sekaligus mendukung pemrosesan banyak transaksi secara paralel.

Di antara keunggulan desain H-TPU adalah penggunaan arsitektur pemrosesan yang lebih ringkas. Dalam rincian rancangan yang dilaporkan, unit tersebut menerapkan pipeline empat tahap dengan pola eksekusi berurutan. Pendekatan arsitektur itu menghindari mekanisme kompleks seperti superscalar dan out-of-order execution yang umum ditemukan pada CPU berperforma tinggi. Dalam pendekatan ini, H-TPU memusatkan sumber daya pada tugas transaksi penyimpanan yang dapat dipisahkan secara spesifik. Melalui pembagian kerja tersebut, CPU utama memiliki ruang lebih besar untuk menangani pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Namun demikian, kemampuan arsitektur baru tetap harus melalui pengujian menyeluruh sebelum manfaatnya dinyatakan konsisten dalam produk komersial.

Desain Hemat Energi SK hynix untuk Kontroler SSD Masa Depan

Tidak hanya membagi tugas pemrosesan, SK hynix juga menyoroti efisiensi area chip dan konsumsi daya dalam pengembangan H-TPU. Dalam paparan teknisnya, satu inti H-TPU menggunakan area sekitar 4 persen dari luas inti CPU umum yang dijadikan pembanding. Sementara itu, kebutuhan dayanya disebut mencapai kurang lebih 2,5 persen dari daya inti CPU pembanding. Perbandingan ini menunjukkan potensi penghematan sumber daya pada tingkat unit pemrosesan. Meskipun demikian, persentase tersebut tidak berarti seluruh SSD akan menggunakan daya 97,5 persen lebih rendah. Performa total perangkat tetap dipengaruhi oleh jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Oleh sebab itu, hasil tersebut sebaiknya ditafsirkan sebagai karakteristik desain inti H-TPU.

Pendekatan hemat daya termasuk penting ketika kontroler mengintegrasikan banyak prosesor khusus sekaligus. Dalam pengembangan yang dilaporkan, SK hynix mendistribusikan pekerjaan ke dalam puluhan kelompok unit H-TPU, dengan kemungkinan penggunaan jumlah inti yang lebih besar sesuai kebutuhan. Di samping itu, unit yang sedang tidak digunakan dapat dialihkan ke kondisi hemat daya. Melalui pengaturan aktivitas ini, sistem dirancang untuk mengurangi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Rancangan tersebut bermanfaat bagi pusat data yang menggunakan banyak SSD secara bersamaan. Namun demikian, efisiensi aktual pada lingkungan server masih perlu dibandingkan melalui benchmark yang mempertimbangkan kinerja, daya, dan karakteristik beban kerja.

Penyimpanan Berbasis AI Membutuhkan Pengolahan Data yang Lebih Efisien

Perkembangan penggunaan kecerdasan buatan menyebabkan kebutuhan baru dalam pengelolaan data pusat komputasi. Dalam proses pelatihan model, sistem perlu membaca dataset berukuran besar secara berulang. Di sisi lain, aplikasi AI sering memerlukan akses cepat terhadap parameter model, cache, dan informasi pendukung. Kondisi tersebut menciptakan tekanan besar terhadap SSD, terutama ketika banyak permintaan muncul secara bersamaan. Berkat pengembangan H-TPU, SK hynix menargetkan kontroler yang dapat menangani lebih banyak transaksi secara efisien. Tujuannya bukan untuk menjalankan model AI seperti GPU, melainkan memperbaiki jalur pengelolaan data yang dibutuhkan oleh pekerjaan AI.

Dalam penggunaan AI, pola akses penyimpanan memiliki karakteristik berbeda dibandingkan beban kerja komputer biasa. Sebagian aplikasi inferensi, data tidak terlalu sering diperbarui tetapi dibaca sangat sering. Pendekatan penyimpanan demikian dapat dikategorikan sebagai write once, read many atau WORM. Berdasarkan paparan yang diberitakan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan disebut dapat menyentuh 300.000 banding satu. Angka tersebut menggambarkan contoh pola khusus, bukan seluruh aplikasi AI. Dalam skenario tersebut, kemampuan menjadwalkan buffer dan permintaan baca secara efisien termasuk faktor penting. Walaupun begitu, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih harus dinilai berdasarkan implementasi nyata dan pengukuran sistem.

Hubungan Kontroler SSD Generasi Baru dengan High Bandwidth Flash

Di samping penerapan SSD enterprise, arsitektur H-TPU juga dipertimbangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Pendekatan penyimpanan ini dirancang untuk menggabungkan karakteristik kapasitas besar NAND dengan kebutuhan bandwidth tinggi dalam sistem AI. Ketika menangani model AI berskala besar, terdapat kesenjangan antara memori berkecepatan tinggi yang mahal dan penyimpanan berkapasitas besar yang memiliki latensi lebih tinggi. High Bandwidth Flash ditargetkan membantu mengisi lapisan memori di antara kategori tersebut. Menurut arah pengembangan SK hynix, kontroler dapat mengolah informasi mengenai kebutuhan data berikutnya untuk menyiapkan prefetch dan pengelolaan buffer. Tujuan pendekatan ini adalah mengurangi waktu tunggu ketika komponen komputasi membutuhkan informasi dari penyimpanan.

Arsitektur kontroler baru ini juga sejalan dengan strategi produk AI-NAND atau AIN Family dari SK hynix. Dalam portofolio tersebut, perusahaan mengembangkan beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. AIN P ditujukan untuk kebutuhan pemrosesan data yang tinggi pada pekerjaan AI. Sementara itu, AIN B berfokus pada bandwidth, sedangkan AIN D memprioritaskan kapasitas penyimpanan. Berkat strategi tersebut, SK hynix mencoba menghadirkan solusi yang semakin relevan dengan karakteristik penggunaan. Meskipun demikian, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial memerlukan konfirmasi melalui pengumuman dan pengujian lanjutan. Karena itu, rancangan ini perlu dinilai sebagai arah pengembangan teknologi yang belum sepenuhnya terbukti pada seluruh lini produk.

Masa Depan SSD Hemat Daya untuk Infrastruktur Kecerdasan Buatan

Perancangan H-TPU oleh SK hynix menjadi langkah penting dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Dengan memanfaatkan unit pemrosesan khusus, perusahaan mencoba pengelolaan transaksi SSD yang lebih hemat sumber daya dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Data teknis yang dipaparkan mengenai area chip dan konsumsi daya menunjukkan potensi penggunaan banyak unit ringan dalam satu arsitektur kontroler. Di samping itu, rencana pemanfaatannya pada SSD enterprise dan HBF mencerminkan pentingnya pengembangan sistem penyimpanan untuk mendukung infrastruktur AI. Walaupun begitu, peningkatan performa dan efisiensi keseluruhan perangkat tetap harus dievaluasi melalui implementasi serta pengujian pada produk nyata. Dalam perkembangan selanjutnya, inovasi seperti H-TPU dapat membantu pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Bagaimana menurut Anda, apakah penggunaan prosesor khusus dalam kontroler SSD akan menjadi solusi penting bagi penyimpanan era AI? Sampaikan pandangan Anda mengenai efisiensi penyimpanan data.