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
Pertumbuhan TEKNOLOGI kecerdasan buatan mendorong kebutuhan terhadap sistem penyimpanan berkecepatan tinggi. Pada infrastruktur komputasi modern, SSD memegang peranan penting dalam mengelola informasi yang dibutuhkan oleh CPU dan GPU. Namun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menimbulkan tekanan terhadap kemampuan kontroler SSD. Untuk menghadapi kebutuhan baru ini, SK hynix merancang Hynix Transaction Processing Unit atau H-TPU. Komponen tersebut dikembangkan untuk memproses pekerjaan kontrol penyimpanan yang berulang. Melalui pendekatan ini, beban pemrosesan dapat didistribusikan dari CPU utama menuju sejumlah unit khusus yang lebih ringkas.
Pengenalan H-TPU dipresentasikan 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 menyoroti keterbatasan pendekatan tradisional yang menggunakan CPU serbaguna untuk mengatur banyak pekerjaan internal SSD. Ketika kapasitas meningkat, CPU pengendali perlu mengelola semakin banyak permintaan dalam waktu singkat. Menambahkan inti CPU biasa memang berpotensi meningkatkan kemampuan pemrosesan, tetapi juga membawa konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Dengan mempertimbangkan kondisi tersebut, SK hynix menyiapkan pendekatan pemrosesan terdistribusi untuk meningkatkan efisiensi kontroler generasi mendatang.
Cara Kerja H-TPU dalam Mengelola Transaksi SSD
Dalam perangkat penyimpanan masa kini, 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. Selain itu, kontroler juga perlu mengelola pemulihan kesalahan dan kebijakan penyimpanan. Jika menggunakan desain lama, sebagian besar pekerjaan tersebut ditangani oleh inti CPU serbaguna. Dalam rancangan yang dikembangkan SK hynix, sejumlah operasi rutin diserahkan kepada H-TPU yang menggunakan struktur pemrosesan sederhana. Pendekatan tersebut bertujuan untuk menekan beban CPU utama sekaligus mendukung pemrosesan banyak transaksi secara paralel.
Bagian dari keunggulan desain H-TPU adalah penggunaan arsitektur pemrosesan yang lebih sederhana. Berdasarkan paparan teknis, unit tersebut memanfaatkan pipeline empat tahap dengan pola eksekusi berurutan. Pendekatan arsitektur itu mengurangi kebutuhan terhadap 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 sudah ditentukan. Melalui pembagian kerja tersebut, CPU utama memiliki ruang lebih besar untuk menangani pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Meskipun begitu, kemampuan arsitektur baru tetap memerlukan pengujian menyeluruh sebelum manfaatnya terbukti pada berbagai kondisi dalam produk komersial.
Efisiensi Prosesor H-TPU Dibandingkan Inti CPU Konvensional
Selain memisahkan tugas pemrosesan, SK hynix juga menyoroti efisiensi area chip dan konsumsi daya dalam pengembangan H-TPU. Dalam paparan teknisnya, 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. Perbandingan ini 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. Konsumsi energi keseluruhan SSD tetap dipengaruhi oleh jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Oleh sebab itu, hasil tersebut perlu dilihat sebagai karakteristik desain inti H-TPU.
Strategi penggunaan unit ringan merupakan penting ketika kontroler menggunakan banyak prosesor khusus sekaligus. Dalam pengembangan yang dilaporkan, SK hynix mendistribusikan 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 ditempatkan ke kondisi hemat daya. Dengan mekanisme tersebut, sistem berupaya menghindari penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Kemampuan tersebut penting bagi pusat data yang menjalankan banyak SSD secara bersamaan. Meskipun demikian, efisiensi aktual pada lingkungan server harus dievaluasi melalui benchmark yang mempertimbangkan kinerja, daya, dan karakteristik beban kerja.
Kontroler Baru SK hynix Ditujukan untuk Beban Kerja AI
Perkembangan penggunaan kecerdasan buatan mendorong kebutuhan baru dalam pengelolaan data pusat komputasi. Pada pengembangan model kecerdasan buatan, sistem harus memproses dataset berukuran besar secara berkelanjutan. Di sisi lain, aplikasi AI sering memerlukan akses cepat terhadap parameter model, cache, dan informasi pendukung. Karakteristik beban kerja tersebut memberikan tekanan besar terhadap SSD, terutama ketika banyak permintaan diproses secara bersamaan. Dengan menggunakan H-TPU, SK hynix mencoba kontroler yang mampu mengelola lebih banyak transaksi secara efisien. Tujuannya bukan untuk menghitung model AI seperti GPU, melainkan memperbaiki jalur pengelolaan data yang digunakan dalam pekerjaan AI.
Pada infrastruktur inferensi, pola akses penyimpanan dapat berbeda dibandingkan beban kerja komputer biasa. Dalam skenario pembacaan model, data ditulis relatif jarang tetapi diakses berulang kali. Karakteristik ini dikenal 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. Rasio tersebut merupakan contoh pola khusus, bukan seluruh aplikasi AI. Dalam skenario tersebut, kemampuan mengatur buffer dan permintaan baca secara efisien termasuk faktor penting. Meskipun demikian, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih bergantung pada 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. Pendekatan penyimpanan ini dikembangkan untuk menggabungkan 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. HBF diharapkan membantu mengisi lapisan memori di antara kategori tersebut. Menurut arah pengembangan SK hynix, kontroler dapat menggunakan informasi mengenai kebutuhan data berikutnya untuk menyiapkan prefetch dan pengelolaan buffer. Sasaran pengembangan tersebut 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. Pada keluarga produk tersebut, perusahaan merancang 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 ditujukan bagi kapasitas penyimpanan. Melalui pembagian kategori ini, 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 bergantung pada pengumuman dan pengujian lanjutan. Dengan pertimbangan tersebut, rancangan ini perlu dinilai sebagai arah pengembangan teknologi yang belum sepenuhnya terbukti pada seluruh lini produk.
Kesimpulan tentang Teknologi Kontroler SSD H-TPU dari SK hynix
Pengembangan H-TPU oleh SK hynix menjadi langkah penting dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Dengan memanfaatkan unit pemrosesan khusus, perusahaan berupaya pengelolaan transaksi SSD yang semakin optimal dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Data teknis yang dipaparkan mengenai area chip dan konsumsi daya mengindikasikan 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. Meskipun demikian, peningkatan performa dan efisiensi keseluruhan perangkat tetap membutuhkan validasi 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. Menurut pandangan Anda, apakah penggunaan prosesor khusus dalam kontroler SSD berpotensi berkembang sebagai solusi penting bagi penyimpanan era AI? Bagikan pandangan Anda mengenai masa depan infrastruktur AI.
