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 mendorong kebutuhan terhadap infrastruktur pengelolaan data yang efisien. Pada infrastruktur komputasi modern, SSD memainkan peranan penting dalam mengelola informasi yang digunakan oleh CPU dan GPU. Walaupun begitu, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menghadirkan tekanan terhadap kemampuan kontroler SSD. Menanggapi tantangan tersebut, SK hynix memperkenalkan Hynix Transaction Processing Unit atau H-TPU. Arsitektur pemrosesan tersebut dirancang untuk memproses pekerjaan kontrol penyimpanan yang sering dijalankan. Dengan rancangan tersebut, beban pemrosesan dapat dibagi dari CPU utama menuju sejumlah unit khusus yang dirancang untuk tugas tertentu.
Pengenalan 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. Dalam paparannya, perusahaan menggambarkan keterbatasan pendekatan tradisional yang bertumpu pada CPU serbaguna untuk menjalankan banyak pekerjaan internal SSD. Saat kebutuhan transfer data bertambah, CPU pengendali dituntut memproses semakin banyak permintaan dalam waktu singkat. Memperbanyak inti CPU biasa memang mungkin memperbesar 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.
Arsitektur Pemrosesan Paralel pada Kontroler SSD SK hynix
Ketika sebuah SSD bekerja, kontroler bertugas mengelola komunikasi antara sistem komputer dan chip memori NAND. Berbagai pekerjaan memerlukan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Di samping itu, kontroler juga perlu mengelola 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 dioptimalkan untuk fungsi tertentu. Rancangan baru tersebut bertujuan untuk menekan beban CPU utama sekaligus memungkinkan pemrosesan banyak transaksi secara paralel.
Di antara ciri penting H-TPU adalah penggunaan arsitektur pemrosesan yang lebih ringkas. Berdasarkan paparan teknis, unit tersebut menggunakan pipeline empat tahap dengan pola eksekusi berurutan. Rancangan ini tidak mengandalkan 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 dapat dipisahkan secara spesifik. Dengan demikian, CPU utama dapat lebih berfokus pada pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Walaupun demikian, kemampuan arsitektur baru tetap memerlukan pengujian menyeluruh sebelum manfaatnya dapat dipastikan dalam produk komersial.
Desain Hemat Energi SK hynix untuk Kontroler SSD Masa Depan
Tidak hanya membagi tugas pemrosesan, SK hynix juga mengutamakan efisiensi area chip dan konsumsi daya dalam pengembangan H-TPU. Menurut penjelasan perusahaan, satu inti H-TPU memerlukan 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 mengindikasikan 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 bergantung pada jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Karena itu, hasil tersebut perlu dilihat sebagai karakteristik desain inti H-TPU.
Rancangan berorientasi efisiensi merupakan penting ketika kontroler mengintegrasikan 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 dapat ditempatkan ke kondisi hemat daya. Dengan mekanisme tersebut, sistem diharapkan mampu membatasi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Hal ini bermanfaat bagi pusat data yang mengoperasikan banyak SSD secara bersamaan. Namun demikian, efisiensi aktual pada lingkungan server masih perlu dibandingkan melalui benchmark yang mempertimbangkan kinerja, daya, dan karakteristik beban kerja.
Peran H-TPU dalam Mendukung SSD Enterprise Berperforma Tinggi
Peningkatan penggunaan kecerdasan buatan menyebabkan kebutuhan baru dalam penyimpanan data pusat komputasi. Ketika menjalankan training AI, sistem harus memproses dataset berukuran besar secara intensif. Pada tahap inferensi, aplikasi AI sering memerlukan akses cepat terhadap parameter model, cache, dan informasi pendukung. Kondisi tersebut menciptakan tekanan besar terhadap SSD, terutama ketika banyak permintaan diproses secara bersamaan. Berkat pengembangan H-TPU, SK hynix berupaya kontroler yang dirancang untuk memproses lebih banyak transaksi secara efisien. Tujuannya bukan untuk memproses langsung model AI seperti GPU, melainkan mengoptimalkan jalur pengelolaan data yang dibutuhkan oleh pekerjaan AI.
Pada infrastruktur inferensi, pola akses penyimpanan sering tidak sama dibandingkan beban kerja komputer biasa. Sebagian aplikasi inferensi, data ditulis relatif jarang tetapi digunakan untuk banyak permintaan. 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 disebut dapat menyentuh 300.000 banding satu. Angka tersebut mewakili contoh pola khusus, bukan seluruh aplikasi AI. Untuk kebutuhan demikian, kemampuan mengelola buffer dan permintaan baca secara efisien merupakan faktor penting. Meskipun 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
Di samping penerapan SSD enterprise, arsitektur H-TPU juga dipertimbangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Teknologi tersebut dirancang untuk menyeimbangkan 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 diharapkan membantu mengisi lapisan memori di antara kategori tersebut. Dalam rancangan yang dibahas, kontroler dapat menggunakan informasi mengenai kebutuhan data berikutnya untuk melakukan prefetch dan pengelolaan buffer. Sasaran pengembangan tersebut adalah membatasi waktu tunggu ketika komponen komputasi memerlukan informasi dari penyimpanan.
Arsitektur kontroler baru ini 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. Kategori AIN P ditujukan untuk kebutuhan pemrosesan data yang intensif pada pekerjaan AI. Sementara itu, 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. Namun demikian, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial memerlukan konfirmasi melalui 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
Pengenalan H-TPU oleh SK hynix merupakan langkah menarik dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Dengan memanfaatkan unit pemrosesan khusus, perusahaan mencoba pengelolaan transaksi SSD yang lebih hemat sumber daya 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 harus dievaluasi melalui implementasi serta pengujian pada produk nyata. Ke depannya, inovasi seperti H-TPU diharapkan mampu mendorong pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Bagaimana menurut Anda, apakah penggunaan prosesor khusus dalam kontroler SSD berpotensi berkembang sebagai solusi penting bagi penyimpanan era AI? Tuliskan pandangan Anda mengenai masa depan infrastruktur AI.
