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.

Mengenal Teknologi H-TPU dalam Pengembangan SSD Generasi Baru

Perkembangan TEKNOLOGI kecerdasan buatan meningkatkan kebutuhan terhadap infrastruktur pengelolaan data yang efisien. Ketika menjalankan aplikasi AI berskala besar, SSD memainkan peranan penting dalam mengelola informasi yang digunakan oleh CPU dan GPU. Walaupun begitu, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menimbulkan tekanan terhadap kemampuan kontroler SSD. Sejalan dengan perkembangan industri, SK hynix mengembangkan Hynix Transaction Processing Unit atau H-TPU. Arsitektur pemrosesan tersebut dikembangkan untuk menangani pekerjaan kontrol penyimpanan yang memiliki pola operasi rutin. Melalui pendekatan ini, beban pemrosesan dapat dialihkan dari CPU utama menuju sejumlah unit khusus yang dirancang untuk tugas tertentu.

Pengembangan H-TPU dijelaskan 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 menggunakan CPU serbaguna untuk mengatur banyak pekerjaan internal SSD. Ketika kapasitas meningkat, CPU pengendali harus menangani semakin banyak permintaan dalam waktu singkat. Meningkatkan jumlah inti CPU biasa memang dapat membantu kemampuan pemrosesan, tetapi juga menimbulkan 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.

Cara Kerja H-TPU dalam Mengelola Transaksi SSD

Ketika sebuah SSD bekerja, kontroler berperan mengelola komunikasi antara sistem komputer dan chip memori NAND. Berbagai pekerjaan 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. Dalam pendekatan kontroler tradisional, sebagian besar pekerjaan tersebut bergantung pada inti CPU serbaguna. Sebaliknya, sejumlah operasi rutin didistribusikan kepada H-TPU yang menggunakan struktur pemrosesan sederhana. Pendekatan tersebut dikembangkan untuk menekan beban CPU utama sekaligus membantu pemrosesan banyak transaksi secara paralel.

Bagian dari karakteristik utama H-TPU adalah penggunaan arsitektur pemrosesan yang tidak serumit CPU umum. Menurut informasi pengembangan, unit tersebut memanfaatkan 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. Sebagai gantinya, H-TPU mengutamakan sumber daya pada tugas transaksi penyimpanan yang sudah ditentukan. Dengan demikian, CPU utama dapat lebih berfokus pada pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Walaupun demikian, kemampuan arsitektur baru tetap harus melalui pengujian menyeluruh sebelum manfaatnya terbukti pada berbagai kondisi 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. Berdasarkan informasi yang dilaporkan, satu inti H-TPU menempati area sekitar 4 persen dari luas inti CPU umum yang dijadikan pembanding. Di sisi lain, kebutuhan dayanya dilaporkan setara dengan 2,5 persen dari daya inti CPU pembanding. Perbandingan ini menunjukkan potensi penghematan sumber daya pada tingkat unit pemrosesan. Walaupun begitu, persentase tersebut bukan bukti bahwa 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. Dengan pertimbangan tersebut, hasil tersebut perlu dilihat sebagai karakteristik desain inti H-TPU.

Pendekatan hemat daya termasuk penting ketika kontroler memanfaatkan banyak prosesor khusus sekaligus. Menurut rancangan yang dipaparkan, 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. Melalui pengaturan aktivitas ini, sistem dirancang untuk mengurangi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Kemampuan tersebut bermanfaat bagi pusat data yang menggunakan banyak SSD secara bersamaan. Walaupun begitu, efisiensi aktual pada lingkungan server harus dievaluasi melalui benchmark yang memeriksa kinerja, daya, dan karakteristik beban kerja.

Kontroler Baru SK hynix Ditujukan untuk Beban Kerja AI

Perkembangan penggunaan kecerdasan buatan mendorong kebutuhan baru dalam pemrosesan data pusat komputasi. Ketika menjalankan training AI, sistem membutuhkan akses terhadap dataset berukuran besar secara berulang. Pada tahap inferensi, aplikasi AI sering mengandalkan 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 mampu mengelola lebih banyak transaksi secara efisien. Fokus utamanya bukan untuk menjalankan model AI seperti GPU, melainkan memperbaiki jalur pengelolaan data yang digunakan dalam pekerjaan AI.

Pada infrastruktur inferensi, pola akses penyimpanan memiliki karakteristik berbeda dibandingkan beban kerja komputer biasa. Pada jenis pekerjaan AI tertentu, data ditulis relatif jarang tetapi diakses berulang kali. Karakteristik ini dapat dikategorikan sebagai write once, read many atau WORM. Menurut penjelasan teknis pengembangan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan disebut dapat menyentuh 300.000 banding satu. Rasio tersebut merupakan contoh pola khusus, bukan seluruh aplikasi AI. Dalam skenario tersebut, kemampuan mengatur buffer dan permintaan baca secara efisien termasuk faktor penting. Walaupun begitu, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih memerlukan pembuktian melalui implementasi nyata dan pengukuran sistem.

Hubungan Kontroler SSD Generasi Baru dengan High Bandwidth Flash

Selain penggunaan SSD enterprise, arsitektur H-TPU juga dikembangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Konsep memori tersebut dikembangkan untuk memadukan karakteristik kapasitas besar NAND dengan kebutuhan bandwidth tinggi dalam sistem AI. Pada arsitektur komputasi modern, terdapat kesenjangan antara memori berkecepatan tinggi yang mahal dan penyimpanan berkapasitas besar yang memiliki latensi lebih tinggi. HBF dikembangkan agar dapat menjadi bagian dari lapisan memori di antara kategori tersebut. Dalam rancangan yang dibahas, kontroler dapat mengolah informasi mengenai kebutuhan data berikutnya untuk menyiapkan prefetch dan pengelolaan buffer. Manfaat yang ditargetkan adalah menekan waktu tunggu ketika komponen komputasi mengakses informasi dari penyimpanan.

Pengembangan H-TPU juga berkaitan dengan strategi produk AI-NAND atau AIN Family dari SK hynix. Melalui strategi penyimpanan ini, perusahaan merancang beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. Solusi AIN Performance dikembangkan guna kebutuhan pemrosesan data yang tinggi pada pekerjaan AI. Di sisi lain, AIN B mengutamakan bandwidth, sedangkan AIN D ditujukan bagi kapasitas penyimpanan. Melalui pembagian kategori ini, SK hynix mencoba menghadirkan solusi yang lebih sesuai dengan karakteristik penggunaan. Meskipun demikian, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial bergantung pada pengumuman dan pengujian lanjutan. Dengan pertimbangan tersebut, 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

Perancangan H-TPU oleh SK hynix menghadirkan langkah menjanjikan dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Melalui penggunaan unit pemrosesan khusus, perusahaan mencoba pengelolaan transaksi SSD yang lebih efisien dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Hasil perbandingan desain mengenai area chip dan konsumsi daya menunjukkan potensi penggunaan banyak unit ringan dalam satu arsitektur kontroler. Selain itu, rencana pemanfaatannya pada SSD enterprise dan HBF mencerminkan pentingnya pengembangan sistem penyimpanan untuk memfasilitasi 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 membantu pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Bagaimana menurut Anda, apakah penggunaan prosesor khusus dalam kontroler SSD dapat menghadirkan solusi penting bagi penyimpanan era AI? Bagikan pandangan Anda mengenai inovasi SSD SK hynix.