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

Kemajuan TEKNOLOGI kecerdasan buatan meningkatkan kebutuhan terhadap sistem penyimpanan berkecepatan tinggi. Dalam lingkungan pusat data, SSD memainkan peranan penting dalam mengelola informasi yang diperlukan oleh CPU dan GPU. Meskipun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menimbulkan tekanan terhadap kemampuan kontroler SSD. Menanggapi tantangan tersebut, SK hynix merancang Hynix Transaction Processing Unit atau H-TPU. Arsitektur pemrosesan tersebut bertujuan untuk mengelola pekerjaan kontrol penyimpanan yang berulang. Dengan rancangan tersebut, beban pemrosesan dapat didistribusikan 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. Dalam paparannya, perusahaan menjelaskan keterbatasan pendekatan tradisional yang bertumpu pada CPU serbaguna untuk menjalankan banyak pekerjaan internal SSD. Seiring pertumbuhan beban penyimpanan, CPU pengendali harus menangani semakin banyak permintaan dalam waktu singkat. Memperbanyak inti CPU biasa memang berpotensi meningkatkan kemampuan pemrosesan, tetapi juga membawa konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Karena itu, SK hynix memilih pendekatan pemrosesan terdistribusi untuk menjaga efisiensi kontroler generasi mendatang.

Peran Prosesor Khusus dalam Mempercepat Operasi Penyimpanan

Pada SSD modern, kontroler berperan mengelola komunikasi antara sistem komputer dan chip memori NAND. Berbagai pekerjaan mencakup 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 bergantung pada inti CPU serbaguna. Sebaliknya, sejumlah operasi rutin diserahkan kepada H-TPU yang menggunakan struktur pemrosesan sederhana. Strategi pemisahan tugas ini dikembangkan untuk membatasi beban CPU utama sekaligus mendukung pemrosesan banyak transaksi secara paralel.

Di antara ciri penting H-TPU adalah penggunaan arsitektur pemrosesan yang lebih sederhana. Berdasarkan paparan teknis, unit tersebut menerapkan pipeline empat tahap dengan pola eksekusi berurutan. Struktur pemrosesan tersebut tidak mengandalkan 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 tidak perlu memproses seluruh pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Walaupun demikian, kemampuan arsitektur baru tetap membutuhkan 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 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. Pada aspek energi, 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. Namun demikian, persentase tersebut tidak dapat langsung diartikan sebagai seluruh SSD akan menggunakan daya 97,5 persen lebih rendah. Efisiensi pada tingkat produk tetap ditentukan oleh jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Oleh sebab itu, hasil tersebut sebaiknya ditafsirkan sebagai karakteristik desain inti H-TPU.

Strategi penggunaan unit ringan menjadi penting ketika kontroler menggunakan banyak prosesor khusus sekaligus. Dalam pengembangan yang dilaporkan, SK hynix membagi pekerjaan ke dalam puluhan kelompok unit H-TPU, dengan kemungkinan penggunaan jumlah inti yang lebih besar sesuai kebutuhan. Tidak kalah penting, unit yang sedang tidak digunakan dapat ditempatkan ke kondisi hemat daya. Berkat pendekatan pengelolaan daya tersebut, sistem dirancang untuk mengurangi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Hal ini relevan bagi pusat data yang menjalankan banyak SSD secara bersamaan. Meskipun 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 mendorong kebutuhan baru dalam penyimpanan data pusat komputasi. Dalam proses pelatihan model, sistem membutuhkan akses terhadap dataset berukuran besar secara berkelanjutan. Pada tahap inferensi, aplikasi AI sering mengandalkan 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 mampu mengelola lebih banyak transaksi secara efisien. Sasaran pengembangan tersebut bukan untuk memproses langsung 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. Pada jenis pekerjaan AI tertentu, data tidak terlalu sering diperbarui tetapi digunakan untuk banyak permintaan. Pendekatan penyimpanan demikian dapat dikategorikan sebagai write once, read many atau WORM. Menurut penjelasan teknis pengembangan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan dilaporkan sekitar 300.000 banding satu. Angka tersebut mewakili contoh pola khusus, bukan seluruh aplikasi AI. Dalam skenario tersebut, kemampuan mengatur 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.

Hubungan Kontroler SSD Generasi Baru dengan High Bandwidth Flash

Tidak hanya untuk kebutuhan SSD enterprise, arsitektur H-TPU juga dikembangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Konsep memori tersebut dikembangkan untuk menyeimbangkan karakteristik kapasitas besar NAND dengan kebutuhan bandwidth tinggi dalam sistem AI. Dalam pusat data kecerdasan buatan, terdapat kesenjangan antara memori berkecepatan tinggi yang mahal dan penyimpanan berkapasitas besar yang memiliki latensi lebih tinggi. Konsep memori berbasis flash ini dikembangkan agar dapat menjadi bagian dari 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. Sasaran pengembangan tersebut adalah membatasi waktu tunggu ketika komponen komputasi memerlukan informasi dari penyimpanan.

Rancangan unit pemrosesan khusus tersebut juga mendukung arah strategi produk AI-NAND atau AIN Family dari SK hynix. Dalam portofolio tersebut, perusahaan menyiapkan beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. AIN P dikembangkan guna kebutuhan pemrosesan data yang intensif pada pekerjaan AI. Adapun, AIN B mengutamakan bandwidth, sedangkan AIN D mengutamakan kapasitas penyimpanan. Melalui pembagian kategori ini, SK hynix mencoba menghadirkan solusi yang dapat disesuaikan dengan karakteristik penggunaan. Walaupun begitu, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial masih perlu mengikuti pengumuman dan pengujian lanjutan. Karena itu, rancangan ini sebaiknya dipahami sebagai arah pengembangan teknologi yang belum sepenuhnya terbukti pada seluruh lini produk.

Kesimpulan tentang Teknologi Kontroler SSD H-TPU dari SK hynix

Pengenalan H-TPU oleh SK hynix menjadi langkah menjanjikan dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Berkat penerapan unit pemrosesan khusus, perusahaan menargetkan pengelolaan transaksi SSD yang lebih efisien dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Hasil perbandingan desain mengenai area chip dan konsumsi daya menggambarkan 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 perlu dibuktikan melalui implementasi serta pengujian pada produk nyata. Dalam perkembangan selanjutnya, inovasi seperti H-TPU dapat mendukung pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Menurut pandangan Anda, apakah penggunaan prosesor khusus dalam kontroler SSD dapat menghadirkan solusi penting bagi penyimpanan era AI? Sampaikan pandangan Anda mengenai inovasi SSD SK hynix.