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.

Inovasi SK hynix untuk Meningkatkan Efisiensi Penyimpanan Data

Pertumbuhan TEKNOLOGI kecerdasan buatan mendorong kebutuhan terhadap infrastruktur pengelolaan data yang efisien. Dalam lingkungan pusat data, SSD memainkan peranan penting dalam menyediakan informasi yang diperlukan oleh CPU dan GPU. Namun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menghadirkan tekanan terhadap kemampuan kontroler SSD. Sejalan dengan perkembangan industri, SK hynix merancang Hynix Transaction Processing Unit atau H-TPU. Komponen tersebut bertujuan untuk mengelola pekerjaan kontrol penyimpanan yang berulang. Melalui pendekatan ini, beban pemrosesan dapat dibagi dari CPU utama menuju sejumlah unit khusus yang lebih sederhana.

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. Berdasarkan penjelasan teknis yang dilaporkan, perusahaan menyoroti keterbatasan pendekatan tradisional yang bertumpu pada CPU serbaguna untuk menjalankan banyak pekerjaan internal SSD. Ketika kapasitas meningkat, CPU pengendali harus menangani semakin banyak permintaan dalam waktu singkat. Meningkatkan jumlah inti CPU biasa memang mungkin memperbesar kemampuan pemrosesan, tetapi juga membawa konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Karena itu, SK hynix mengembangkan pendekatan pemrosesan terdistribusi untuk meningkatkan efisiensi kontroler generasi mendatang.

Peran Prosesor Khusus dalam Mempercepat Operasi Penyimpanan

Pada SSD modern, kontroler bertugas mengendalikan komunikasi antara sistem komputer dan chip memori NAND. Sejumlah proses internal melibatkan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Selain itu, kontroler juga harus menangani pemulihan kesalahan dan kebijakan penyimpanan. Dalam pendekatan kontroler tradisional, sebagian besar pekerjaan tersebut diproses menggunakan inti CPU serbaguna. Dalam rancangan yang dikembangkan SK hynix, sejumlah operasi rutin diserahkan kepada H-TPU yang menggunakan struktur pemrosesan sederhana. Rancangan baru tersebut dimaksudkan untuk mengurangi beban CPU utama sekaligus membantu pemrosesan banyak transaksi secara paralel.

Bagian dari keunggulan desain H-TPU adalah penggunaan arsitektur pemrosesan yang lebih sederhana. Dalam rincian rancangan yang dilaporkan, unit tersebut memanfaatkan pipeline empat tahap dengan pola eksekusi berurutan. Pendekatan arsitektur itu mengurangi kebutuhan terhadap 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 memiliki fungsi jelas. Melalui pembagian kerja tersebut, CPU utama dapat lebih berfokus pada pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Meskipun begitu, kemampuan arsitektur baru tetap membutuhkan pengujian menyeluruh sebelum manfaatnya terbukti pada berbagai kondisi dalam produk komersial.

Desain Hemat Energi SK hynix untuk Kontroler SSD Masa Depan

Selain memisahkan tugas pemrosesan, SK hynix juga menyoroti efisiensi area chip dan konsumsi daya dalam pengembangan H-TPU. Dalam paparan teknisnya, satu inti H-TPU menempati area sekitar 4 persen dari luas inti CPU umum yang dijadikan pembanding. Di sisi lain, kebutuhan dayanya disebut mencapai kurang lebih 2,5 persen dari daya inti CPU pembanding. Perbandingan ini menggambarkan potensi penghematan sumber daya pada tingkat unit pemrosesan. Namun demikian, persentase tersebut tidak berarti seluruh SSD akan menggunakan daya 97,5 persen lebih rendah. Konsumsi energi keseluruhan SSD tetap dipengaruhi oleh jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Dengan pertimbangan tersebut, hasil tersebut lebih tepat dipahami sebagai karakteristik desain inti H-TPU.

Rancangan berorientasi efisiensi menjadi penting ketika kontroler memanfaatkan banyak prosesor khusus sekaligus. Dalam pengembangan yang dilaporkan, SK hynix memecah 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. Dengan mekanisme tersebut, sistem berupaya menghindari penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Hal ini relevan bagi pusat data yang menggunakan banyak SSD secara bersamaan. Namun demikian, efisiensi aktual pada lingkungan server membutuhkan pengujian melalui benchmark yang mengukur kinerja, daya, dan karakteristik beban kerja.

Peran H-TPU dalam Mendukung SSD Enterprise Berperforma Tinggi

Perkembangan penggunaan kecerdasan buatan menciptakan kebutuhan baru dalam pemrosesan data pusat komputasi. Ketika menjalankan training AI, sistem membutuhkan akses terhadap dataset berukuran besar secara intensif. Sementara itu, aplikasi AI sering mengandalkan akses cepat terhadap parameter model, cache, dan informasi pendukung. Karakteristik beban kerja tersebut memberikan tekanan besar terhadap SSD, terutama ketika banyak permintaan datang secara bersamaan. Dengan menggunakan H-TPU, SK hynix berupaya kontroler yang mampu mengelola lebih banyak transaksi secara efisien. Tujuannya bukan untuk menghitung model AI seperti GPU, melainkan meningkatkan jalur pengelolaan data yang digunakan dalam pekerjaan AI.

Pada infrastruktur inferensi, pola akses penyimpanan dapat berbeda dibandingkan beban kerja komputer biasa. Dalam skenario pembacaan model, data lebih sedikit mengalami penulisan tetapi digunakan untuk banyak permintaan. Pola tersebut sering disebut write once, read many atau WORM. Berdasarkan paparan yang diberitakan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan dilaporkan sekitar 300.000 banding satu. Rasio tersebut mewakili contoh pola khusus, bukan seluruh aplikasi AI. Dalam skenario tersebut, kemampuan mengelola buffer dan permintaan baca secara efisien merupakan faktor penting. Meskipun demikian, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih bergantung pada implementasi nyata dan pengukuran sistem.

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

Di samping penerapan SSD enterprise, arsitektur H-TPU juga dipertimbangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Teknologi tersebut dikembangkan untuk memadukan 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 ditargetkan menjadi bagian dari lapisan memori di antara kategori tersebut. Menurut arah pengembangan SK hynix, kontroler dapat memanfaatkan informasi mengenai kebutuhan data berikutnya untuk melakukan prefetch dan pengelolaan buffer. Manfaat yang ditargetkan adalah mengurangi waktu tunggu ketika komponen komputasi membutuhkan informasi dari penyimpanan.

Pengembangan H-TPU juga sejalan dengan strategi produk AI-NAND atau AIN Family dari SK hynix. Melalui strategi penyimpanan ini, perusahaan menyiapkan beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. Kategori AIN P difokuskan pada kebutuhan pemrosesan data yang intensif pada pekerjaan AI. Sementara itu, AIN B berfokus pada bandwidth, sedangkan AIN D mengutamakan kapasitas penyimpanan. Melalui pembagian kategori ini, SK hynix berupaya menyediakan solusi yang semakin relevan dengan karakteristik penggunaan. Meskipun demikian, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial bergantung pada pengumuman dan pengujian lanjutan. Karena itu, rancangan ini lebih tepat dilihat sebagai arah pengembangan teknologi yang belum sepenuhnya terbukti pada seluruh lini produk.

Inovasi SK hynix Membuka Peluang Penyimpanan AI Lebih Efisien

Perancangan H-TPU oleh SK hynix menghadirkan langkah menjanjikan dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Dengan memanfaatkan unit pemrosesan khusus, perusahaan berupaya pengelolaan transaksi SSD yang semakin optimal dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Klaim efisiensi mengenai area chip dan konsumsi daya mengindikasikan potensi penggunaan banyak unit ringan dalam satu arsitektur kontroler. Tidak hanya itu, rencana pemanfaatannya pada SSD enterprise dan HBF menunjukkan pentingnya pengembangan sistem penyimpanan untuk mendukung infrastruktur AI. Walaupun begitu, peningkatan performa dan efisiensi keseluruhan perangkat tetap perlu dibuktikan melalui implementasi serta pengujian pada produk nyata. Dalam perkembangan selanjutnya, inovasi seperti H-TPU berpotensi mendorong 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 inovasi SSD SK hynix.