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
Kemajuan TEKNOLOGI kecerdasan buatan mendorong kebutuhan terhadap infrastruktur pengelolaan data yang efisien. Pada infrastruktur komputasi modern, SSD memegang peranan penting dalam menyalurkan informasi yang dibutuhkan oleh CPU dan GPU. Meskipun 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. Komponen tersebut dirancang untuk memproses pekerjaan kontrol penyimpanan yang memiliki pola operasi rutin. Dengan rancangan tersebut, beban pemrosesan dapat didistribusikan dari CPU utama menuju sejumlah unit khusus yang lebih sederhana.
Perancangan 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. Saat kebutuhan transfer data bertambah, CPU pengendali perlu mengelola semakin banyak permintaan dalam waktu singkat. Memperbanyak inti CPU biasa memang dapat membantu kemampuan pemrosesan, tetapi juga menimbulkan konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Dengan mempertimbangkan kondisi tersebut, SK hynix mengembangkan pendekatan pemrosesan terdistribusi untuk mengoptimalkan efisiensi kontroler generasi mendatang.
Peran Prosesor Khusus dalam Mempercepat Operasi Penyimpanan
Dalam perangkat penyimpanan masa kini, kontroler berperan mengelola komunikasi antara sistem komputer dan chip memori NAND. Berbagai pekerjaan melibatkan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Selain itu, kontroler juga harus menangani pemulihan kesalahan dan kebijakan penyimpanan. Jika menggunakan desain lama, sebagian besar pekerjaan tersebut diproses menggunakan inti CPU serbaguna. Sementara itu, sejumlah operasi rutin didistribusikan kepada H-TPU yang dirancang secara khusus. Pendekatan tersebut dikembangkan untuk menekan beban CPU utama sekaligus memungkinkan pemrosesan banyak transaksi secara paralel.
Salah satu keunggulan desain H-TPU adalah penggunaan arsitektur pemrosesan yang lebih sederhana. Menurut informasi pengembangan, unit tersebut menerapkan pipeline empat tahap dengan pola eksekusi berurutan. Rancangan ini mengurangi kebutuhan terhadap mekanisme kompleks seperti superscalar dan out-of-order execution yang umum ditemukan pada CPU berperforma tinggi. Sebagai gantinya, H-TPU memfokuskan sumber daya pada tugas transaksi penyimpanan yang dapat dipisahkan secara spesifik. Berkat strategi ini, CPU utama tidak perlu memproses seluruh pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Namun demikian, kemampuan arsitektur baru tetap harus melalui pengujian menyeluruh sebelum manfaatnya dapat dipastikan dalam produk komersial.
H-TPU Diklaim Menggunakan Daya dan Area Chip Lebih Kecil
Di samping mendistribusikan tugas pemrosesan, SK hynix juga menyoroti efisiensi area chip dan konsumsi daya dalam pengembangan H-TPU. Menurut penjelasan perusahaan, satu inti H-TPU menempati 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 berarti seluruh SSD akan menggunakan daya 97,5 persen lebih rendah. Efisiensi pada tingkat produk tetap bergantung pada 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. Menurut rancangan yang dipaparkan, SK hynix membagi pekerjaan ke dalam puluhan kelompok unit H-TPU, dengan kemungkinan penggunaan jumlah inti yang lebih besar sesuai kebutuhan. Selain itu, unit yang sedang tidak digunakan dapat ditempatkan ke kondisi hemat daya. Melalui pengaturan aktivitas ini, sistem diharapkan mampu membatasi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Kemampuan tersebut penting bagi pusat data yang mengoperasikan banyak SSD secara bersamaan. Meskipun demikian, efisiensi aktual pada lingkungan server harus dievaluasi melalui benchmark yang mengukur kinerja, daya, dan karakteristik beban kerja.
Kontroler Baru SK hynix Ditujukan untuk Beban Kerja AI
Pertumbuhan penggunaan kecerdasan buatan menciptakan kebutuhan baru dalam pemrosesan data pusat komputasi. Dalam proses pelatihan model, sistem harus memproses dataset berukuran besar secara intensif. Di sisi lain, aplikasi AI sering mengandalkan 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. Melalui rancangan H-TPU, SK hynix berupaya kontroler yang dapat menangani lebih banyak transaksi secara efisien. Sasaran pengembangan tersebut bukan untuk memproses langsung model AI seperti GPU, melainkan memperbaiki jalur pengelolaan data yang digunakan dalam pekerjaan AI.
Dalam penggunaan AI, pola akses penyimpanan sering tidak sama dibandingkan beban kerja komputer biasa. Dalam skenario pembacaan model, data tidak terlalu sering diperbarui tetapi digunakan untuk banyak permintaan. Pendekatan penyimpanan demikian dikenal sebagai write once, read many atau WORM. Menurut penjelasan teknis pengembangan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan dapat mencapai 300.000 banding satu. Rasio tersebut menggambarkan contoh pola khusus, bukan seluruh aplikasi AI. Untuk kebutuhan demikian, kemampuan mengelola buffer dan permintaan baca secara efisien termasuk 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
Selain penggunaan SSD enterprise, arsitektur H-TPU juga dipertimbangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Teknologi tersebut diarahkan 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. High Bandwidth Flash ditargetkan membantu mengisi lapisan memori di antara kategori tersebut. Pada konsep teknisnya, kontroler dapat menggunakan informasi mengenai kebutuhan data berikutnya untuk menyiapkan prefetch dan pengelolaan buffer. Sasaran pengembangan tersebut adalah mengurangi waktu tunggu ketika komponen komputasi mengakses informasi dari penyimpanan.
Arsitektur kontroler baru ini juga berkaitan dengan 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 difokuskan pada kebutuhan pemrosesan data yang membutuhkan performa besar pada pekerjaan AI. Di sisi lain, AIN B mengutamakan bandwidth, sedangkan AIN D ditujukan bagi kapasitas penyimpanan. Melalui pembagian kategori ini, SK hynix menargetkan pengembangan solusi yang dapat disesuaikan dengan karakteristik penggunaan. Walaupun begitu, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial bergantung pada pengumuman dan pengujian lanjutan. Karena itu, rancangan ini lebih tepat dilihat 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 menghadirkan langkah penting dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Berkat penerapan unit pemrosesan khusus, perusahaan menargetkan 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 menunjukkan pentingnya pengembangan sistem penyimpanan untuk mendukung infrastruktur AI. Meskipun demikian, 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. Bagaimana menurut Anda, apakah penggunaan prosesor khusus dalam kontroler SSD akan menjadi solusi penting bagi penyimpanan era AI? Sampaikan pandangan Anda mengenai efisiensi penyimpanan data.
