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 meningkatkan kebutuhan terhadap perangkat penyimpanan dengan kemampuan pemrosesan besar. Dalam lingkungan pusat data, SSD memegang peranan penting dalam menyediakan informasi yang dibutuhkan oleh CPU dan GPU. Namun demikian, 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. Prosesor khusus ini bertujuan untuk menangani pekerjaan kontrol penyimpanan yang memiliki pola operasi rutin. Melalui pendekatan ini, beban pemrosesan dapat dibagi dari CPU utama menuju sejumlah unit khusus yang lebih sederhana.
Perancangan H-TPU dijelaskan 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. Berdasarkan penjelasan teknis yang dilaporkan, perusahaan menjelaskan keterbatasan pendekatan tradisional yang mengandalkan CPU serbaguna untuk memproses banyak pekerjaan internal SSD. Saat kebutuhan transfer data bertambah, CPU pengendali harus menangani semakin banyak permintaan dalam waktu singkat. Meningkatkan jumlah 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 memilih pendekatan pemrosesan terdistribusi untuk meningkatkan efisiensi kontroler generasi mendatang.
Peran Prosesor Khusus dalam Mempercepat Operasi Penyimpanan
Ketika sebuah SSD bekerja, kontroler berfungsi mengatur komunikasi antara sistem komputer dan chip memori NAND. Sejumlah proses internal memerlukan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Tidak hanya itu, kontroler juga bertanggung jawab terhadap pemulihan kesalahan dan kebijakan penyimpanan. Pada rancangan konvensional, sebagian besar pekerjaan tersebut bergantung pada inti CPU serbaguna. Sementara itu, sejumlah operasi rutin dialihkan kepada H-TPU yang dirancang secara khusus. Rancangan baru tersebut bertujuan untuk mengurangi beban CPU utama sekaligus mendukung pemrosesan banyak transaksi secara paralel.
Di antara ciri penting H-TPU adalah penggunaan arsitektur pemrosesan yang lebih ringkas. Dalam rincian rancangan yang dilaporkan, unit tersebut menerapkan 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. Dalam pendekatan ini, H-TPU mengutamakan 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. 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
Di samping mendistribusikan 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. Pada aspek energi, kebutuhan dayanya diklaim sekitar 2,5 persen dari daya inti CPU pembanding. Klaim efisiensi tersebut 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. Konsumsi energi keseluruhan SSD tetap dipengaruhi oleh jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Dengan pertimbangan tersebut, hasil tersebut sebaiknya ditafsirkan sebagai karakteristik desain inti H-TPU.
Strategi penggunaan unit ringan termasuk penting ketika kontroler mengintegrasikan 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. Melalui pengaturan aktivitas ini, sistem berupaya menghindari penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Hal ini bermanfaat bagi pusat data yang menggunakan banyak SSD secara bersamaan. Walaupun begitu, efisiensi aktual pada lingkungan server membutuhkan pengujian melalui benchmark yang memeriksa kinerja, daya, dan karakteristik beban kerja.
Kontroler Baru SK hynix Ditujukan untuk Beban Kerja AI
Pertumbuhan penggunaan kecerdasan buatan menyebabkan kebutuhan baru dalam penyimpanan data pusat komputasi. Ketika menjalankan training AI, sistem perlu membaca dataset berukuran besar secara berulang. Sementara itu, aplikasi AI sering membutuhkan akses cepat terhadap parameter model, cache, dan informasi pendukung. Pola penggunaan ini menghadirkan tekanan besar terhadap SSD, terutama ketika banyak permintaan diproses secara bersamaan. Berkat pengembangan H-TPU, SK hynix mencoba kontroler yang dapat menangani lebih banyak transaksi secara efisien. Sasaran pengembangan tersebut bukan untuk menghitung model AI seperti GPU, melainkan meningkatkan jalur pengelolaan data yang digunakan dalam pekerjaan AI.
Dalam penggunaan AI, pola akses penyimpanan memiliki karakteristik berbeda dibandingkan beban kerja komputer biasa. Sebagian aplikasi inferensi, data lebih sedikit mengalami penulisan tetapi diakses berulang kali. Karakteristik ini 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. Angka tersebut menggambarkan contoh pola khusus, bukan seluruh aplikasi AI. Dalam skenario tersebut, kemampuan mengelola buffer dan permintaan baca secara efisien menjadi faktor penting. Walaupun begitu, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih bergantung pada implementasi nyata dan pengukuran sistem.
Strategi SK hynix Mengembangkan Penyimpanan untuk Infrastruktur AI
Selain penggunaan SSD enterprise, arsitektur H-TPU juga dipertimbangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Konsep memori tersebut diarahkan 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 membantu mengisi lapisan memori di antara kategori tersebut. Pada konsep teknisnya, kontroler dapat memanfaatkan informasi mengenai kebutuhan data berikutnya untuk menyiapkan prefetch dan pengelolaan buffer. Manfaat yang ditargetkan adalah mengurangi waktu tunggu ketika komponen komputasi memerlukan informasi dari penyimpanan.
Pengembangan H-TPU 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 tinggi pada pekerjaan AI. Adapun, AIN B mengutamakan bandwidth, sedangkan AIN D ditujukan bagi kapasitas penyimpanan. Dengan pendekatan tersebut, SK hynix menargetkan pengembangan solusi yang semakin relevan 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.
Masa Depan SSD Hemat Daya untuk Infrastruktur Kecerdasan Buatan
Pengenalan H-TPU oleh SK hynix menghadirkan 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 menunjukkan potensi penggunaan banyak unit ringan dalam satu arsitektur kontroler. Selain 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 harus dievaluasi melalui implementasi serta pengujian pada produk nyata. Ke depannya, 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 berpotensi berkembang sebagai solusi penting bagi penyimpanan era AI? Tuliskan pandangan Anda mengenai masa depan infrastruktur AI.
