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 memperbesar kebutuhan terhadap sistem penyimpanan berkecepatan tinggi. Pada infrastruktur komputasi modern, SSD memegang peranan penting dalam mengelola informasi yang diperlukan oleh CPU dan GPU. Namun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menciptakan tekanan terhadap kemampuan kontroler SSD. Untuk menghadapi kebutuhan baru ini, SK hynix memperkenalkan Hynix Transaction Processing Unit atau H-TPU. Prosesor khusus ini dirancang untuk memproses pekerjaan kontrol penyimpanan yang memiliki pola operasi rutin. Melalui pendekatan ini, beban pemrosesan dapat didistribusikan dari CPU utama menuju sejumlah unit khusus yang lebih ringkas.

Pengembangan H-TPU dijelaskan oleh Koo In-jae, pejabat yang menangani 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 memproses banyak pekerjaan internal SSD. Seiring pertumbuhan beban penyimpanan, CPU pengendali perlu mengelola semakin banyak permintaan dalam waktu singkat. Meningkatkan jumlah inti CPU biasa memang mungkin memperbesar kemampuan pemrosesan, tetapi juga menghadirkan konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Oleh sebab itu, SK hynix memilih pendekatan pemrosesan terdistribusi untuk menjaga efisiensi kontroler generasi mendatang.

Peran Prosesor Khusus dalam Mempercepat Operasi Penyimpanan

Dalam perangkat penyimpanan masa kini, kontroler berperan mengelola komunikasi antara sistem komputer dan chip memori NAND. Banyak operasi penyimpanan melibatkan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Di samping itu, kontroler juga bertanggung jawab terhadap pemulihan kesalahan dan kebijakan penyimpanan. Jika menggunakan desain lama, sebagian besar pekerjaan tersebut diproses menggunakan inti CPU serbaguna. Sementara itu, sejumlah operasi rutin didistribusikan kepada H-TPU yang dioptimalkan untuk fungsi tertentu. Rancangan baru tersebut dikembangkan untuk membatasi beban CPU utama sekaligus memungkinkan pemrosesan banyak transaksi secara paralel.

Bagian dari keunggulan desain H-TPU adalah penggunaan arsitektur pemrosesan yang lebih sederhana. Berdasarkan paparan teknis, unit tersebut memanfaatkan pipeline empat tahap dengan pola eksekusi berurutan. Struktur pemrosesan tersebut mengurangi kebutuhan terhadap mekanisme kompleks seperti superscalar dan out-of-order execution yang umum ditemukan pada CPU berperforma tinggi. Untuk menggantikan kompleksitas tersebut, H-TPU memusatkan sumber daya pada tugas transaksi penyimpanan yang sudah ditentukan. Berkat strategi ini, CPU utama dapat lebih berfokus pada pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Namun demikian, kemampuan arsitektur baru tetap memerlukan pengujian menyeluruh sebelum manfaatnya dinyatakan konsisten dalam produk komersial.

Desain Hemat Energi SK hynix untuk Kontroler SSD Masa Depan

Selain memisahkan tugas pemrosesan, SK hynix juga menekankan efisiensi area chip dan konsumsi daya dalam pengembangan H-TPU. Berdasarkan informasi yang dilaporkan, satu inti H-TPU menggunakan area sekitar 4 persen dari luas inti CPU umum yang dijadikan pembanding. Sementara itu, kebutuhan dayanya dilaporkan setara dengan 2,5 persen dari daya inti CPU pembanding. Angka tersebut menunjukkan potensi penghematan sumber daya pada tingkat unit pemrosesan. Namun demikian, persentase tersebut tidak dapat langsung diartikan sebagai seluruh SSD akan menggunakan daya 97,5 persen lebih rendah. Performa total perangkat tetap bergantung pada jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Dengan pertimbangan tersebut, hasil tersebut sebaiknya ditafsirkan sebagai karakteristik desain inti H-TPU.

Rancangan berorientasi efisiensi merupakan penting ketika kontroler memanfaatkan banyak prosesor khusus sekaligus. Pada konsep arsitektur tersebut, SK hynix membagi 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 direncanakan berada ke kondisi hemat daya. Berkat pendekatan pengelolaan daya tersebut, sistem berupaya menghindari penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Kemampuan tersebut penting bagi pusat data yang menggunakan banyak SSD secara bersamaan. Namun demikian, efisiensi aktual pada lingkungan server membutuhkan pengujian melalui benchmark yang memeriksa kinerja, daya, dan karakteristik beban kerja.

Peran H-TPU dalam Mendukung SSD Enterprise Berperforma Tinggi

Pertumbuhan penggunaan kecerdasan buatan menciptakan kebutuhan baru dalam penyimpanan data pusat komputasi. Dalam proses pelatihan model, sistem membutuhkan akses terhadap dataset berukuran besar secara intensif. Di sisi lain, aplikasi AI sering memerlukan akses cepat terhadap parameter model, cache, dan informasi pendukung. Karakteristik beban kerja tersebut menciptakan tekanan besar terhadap SSD, terutama ketika banyak permintaan diproses secara bersamaan. Melalui rancangan H-TPU, SK hynix mencoba kontroler yang dirancang untuk memproses lebih banyak transaksi secara efisien. Tujuannya bukan untuk memproses langsung model AI seperti GPU, melainkan memperbaiki jalur pengelolaan data yang digunakan dalam 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. Karakteristik ini dapat dikategorikan sebagai write once, read many atau WORM. Dalam contoh karakteristik beban yang dilaporkan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan dilaporkan sekitar 300.000 banding satu. Perbandingan ini menggambarkan contoh pola khusus, bukan seluruh aplikasi AI. Dalam skenario tersebut, kemampuan menjadwalkan buffer dan permintaan baca secara efisien merupakan faktor penting. Namun demikian, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih memerlukan pembuktian melalui implementasi nyata dan pengukuran sistem.

SK hynix Menyiapkan Integrasi H-TPU dengan HBF dan AI-NAND

Selain penggunaan SSD enterprise, arsitektur H-TPU juga dipertimbangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Pendekatan penyimpanan ini diarahkan 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. Konsep memori berbasis flash ini diharapkan menempati lapisan memori di antara kategori tersebut. Dalam rancangan yang dibahas, kontroler dapat menggunakan informasi mengenai kebutuhan data berikutnya untuk melakukan prefetch dan pengelolaan buffer. Manfaat yang ditargetkan adalah mengurangi waktu tunggu ketika komponen komputasi mengakses informasi dari penyimpanan.

Rancangan unit pemrosesan khusus tersebut juga sejalan dengan strategi produk AI-NAND atau AIN Family dari SK hynix. Dalam portofolio tersebut, perusahaan merancang beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. Solusi AIN Performance ditujukan untuk kebutuhan pemrosesan data yang intensif pada pekerjaan AI. Adapun, AIN B mengutamakan bandwidth, sedangkan AIN D ditujukan bagi kapasitas penyimpanan. Berkat strategi tersebut, SK hynix mencoba menghadirkan solusi yang lebih sesuai dengan karakteristik penggunaan. Walaupun begitu, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial bergantung pada pengumuman dan pengujian lanjutan. Oleh sebab itu, rancangan ini sebaiknya dipahami sebagai arah pengembangan teknologi yang belum sepenuhnya terbukti pada seluruh lini produk.

Inovasi SK hynix Membuka Peluang Penyimpanan AI Lebih Efisien

Pengembangan H-TPU oleh SK hynix menjadi langkah menarik dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Melalui penggunaan unit pemrosesan khusus, perusahaan menargetkan pengelolaan transaksi SSD yang semakin optimal dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Hasil perbandingan desain mengenai area chip dan konsumsi daya mengindikasikan potensi penggunaan banyak unit ringan dalam satu arsitektur kontroler. Di samping itu, rencana pemanfaatannya pada SSD enterprise dan HBF memperlihatkan pentingnya pengembangan sistem penyimpanan untuk menunjang infrastruktur AI. Namun demikian, peningkatan performa dan efisiensi keseluruhan perangkat tetap perlu dibuktikan melalui implementasi serta pengujian pada produk nyata. Seiring meningkatnya kebutuhan komputasi, inovasi seperti H-TPU diharapkan mampu mendukung pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Apa pendapat Anda, apakah penggunaan prosesor khusus dalam kontroler SSD akan menjadi solusi penting bagi penyimpanan era AI? Bagikan pandangan Anda mengenai masa depan infrastruktur AI.