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. Dalam lingkungan pusat data, SSD memiliki peranan penting dalam menyalurkan informasi yang dibutuhkan oleh CPU dan GPU. Meskipun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menimbulkan tekanan terhadap kemampuan kontroler SSD. Menanggapi tantangan tersebut, SK hynix memperkenalkan Hynix Transaction Processing Unit atau H-TPU. Prosesor khusus ini dirancang untuk menangani pekerjaan kontrol penyimpanan yang sering dijalankan. Dengan rancangan tersebut, beban pemrosesan dapat dialihkan dari CPU utama menuju sejumlah unit khusus yang dirancang untuk tugas tertentu.
Pengenalan H-TPU dipaparkan oleh Koo In-jae, pejabat yang bertanggung jawab atas desain system-on-chip di SK hynix, dalam International SoC Design Conference atau ISOCC 2026 di Incheon, Korea Selatan. Dalam paparannya, perusahaan menyoroti keterbatasan pendekatan tradisional yang bertumpu pada CPU serbaguna untuk mengatur banyak pekerjaan internal SSD. Saat kebutuhan transfer data bertambah, CPU pengendali dituntut memproses semakin banyak permintaan dalam waktu singkat. Menambahkan inti CPU biasa memang berpotensi meningkatkan kemampuan pemrosesan, tetapi juga menimbulkan konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Karena itu, SK hynix mengembangkan pendekatan pemrosesan terdistribusi untuk menjaga efisiensi kontroler generasi mendatang.
Peran Prosesor Khusus dalam Mempercepat Operasi Penyimpanan
Ketika sebuah SSD bekerja, kontroler berfungsi 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 perlu mengelola pemulihan kesalahan dan kebijakan penyimpanan. Jika menggunakan desain lama, sebagian besar pekerjaan tersebut bergantung pada inti CPU serbaguna. Sementara itu, sejumlah operasi rutin dialihkan kepada H-TPU yang dioptimalkan untuk fungsi tertentu. Strategi pemisahan tugas ini dimaksudkan 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. Menurut informasi pengembangan, unit tersebut menggunakan pipeline empat tahap dengan pola eksekusi berurutan. Rancangan ini 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 memiliki fungsi jelas. Dengan demikian, CPU utama dapat lebih berfokus pada pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Namun demikian, kemampuan arsitektur baru tetap membutuhkan pengujian menyeluruh sebelum manfaatnya dapat dipastikan dalam produk komersial.
H-TPU Diklaim Menggunakan Daya dan Area Chip Lebih Kecil
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 diklaim sekitar 2,5 persen dari daya inti CPU pembanding. Klaim efisiensi tersebut menggambarkan 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 bergantung pada jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Karena itu, hasil tersebut sebaiknya ditafsirkan sebagai karakteristik desain inti H-TPU.
Pendekatan hemat daya merupakan penting ketika kontroler menggunakan 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. Tidak kalah penting, 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. Hal ini penting bagi pusat data yang menjalankan banyak SSD secara bersamaan. Walaupun begitu, efisiensi aktual pada lingkungan server masih perlu dibandingkan melalui benchmark yang memeriksa kinerja, daya, dan karakteristik beban kerja.
Peran H-TPU dalam Mendukung SSD Enterprise Berperforma Tinggi
Pertumbuhan penggunaan kecerdasan buatan mendorong kebutuhan baru dalam pemrosesan data pusat komputasi. Ketika menjalankan training AI, sistem harus memproses dataset berukuran besar secara berkelanjutan. Sementara itu, aplikasi AI sering membutuhkan akses cepat terhadap parameter model, cache, dan informasi pendukung. Karakteristik beban kerja tersebut menghadirkan tekanan besar terhadap SSD, terutama ketika banyak permintaan datang secara bersamaan. Berkat pengembangan H-TPU, SK hynix mencoba kontroler yang mampu mengelola lebih banyak transaksi secara efisien. Fokus utamanya bukan untuk menghitung 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. Dalam skenario pembacaan model, data lebih sedikit mengalami penulisan tetapi dibaca sangat sering. Pendekatan penyimpanan demikian dikenal sebagai write once, read many atau WORM. Dalam contoh karakteristik beban yang dilaporkan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan dapat mencapai 300.000 banding satu. Rasio tersebut mewakili contoh pola khusus, bukan seluruh aplikasi AI. Pada kondisi tersebut, kemampuan mengatur buffer dan permintaan baca secara efisien merupakan faktor penting. Walaupun begitu, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih memerlukan pembuktian melalui implementasi nyata dan pengukuran sistem.
Strategi SK hynix Mengembangkan Penyimpanan untuk Infrastruktur AI
Di samping penerapan SSD enterprise, arsitektur H-TPU juga dipersiapkan 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. Pada arsitektur komputasi modern, terdapat kesenjangan antara memori berkecepatan tinggi yang mahal dan penyimpanan berkapasitas besar yang memiliki latensi lebih tinggi. Konsep memori berbasis flash ini ditargetkan menempati lapisan memori di antara kategori tersebut. Pada konsep teknisnya, kontroler dapat mengolah informasi mengenai kebutuhan data berikutnya untuk melakukan prefetch dan pengelolaan buffer. Tujuan pendekatan ini adalah menekan waktu tunggu ketika komponen komputasi membutuhkan informasi dari penyimpanan.
Rancangan unit pemrosesan khusus tersebut juga sejalan 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. AIN P difokuskan pada kebutuhan pemrosesan data yang membutuhkan performa besar pada pekerjaan AI. Di sisi lain, AIN B mengutamakan bandwidth, sedangkan AIN D mengutamakan kapasitas penyimpanan. Dengan pendekatan tersebut, SK hynix mencoba menghadirkan solusi yang dapat disesuaikan dengan karakteristik penggunaan. Namun demikian, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial masih perlu mengikuti pengumuman dan pengujian lanjutan. Dengan pertimbangan tersebut, 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
Perancangan H-TPU oleh SK hynix merupakan langkah menarik dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Melalui penggunaan unit pemrosesan khusus, perusahaan berupaya 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. Tidak hanya itu, rencana pemanfaatannya pada SSD enterprise dan HBF memperlihatkan pentingnya pengembangan sistem penyimpanan untuk mendukung infrastruktur AI. Namun demikian, peningkatan performa dan efisiensi keseluruhan perangkat tetap membutuhkan validasi melalui implementasi serta pengujian pada produk nyata. Dalam perkembangan selanjutnya, inovasi seperti H-TPU berpotensi membantu pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Menurut pandangan Anda, apakah penggunaan prosesor khusus dalam kontroler SSD berpotensi berkembang sebagai solusi penting bagi penyimpanan era AI? Tuliskan pandangan Anda mengenai efisiensi penyimpanan data.
