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
Perkembangan TEKNOLOGI kecerdasan buatan mendorong kebutuhan terhadap infrastruktur pengelolaan data yang efisien. Ketika menjalankan aplikasi AI berskala besar, SSD memiliki peranan penting dalam menyalurkan informasi yang digunakan oleh CPU dan GPU. Meskipun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menciptakan tekanan terhadap kemampuan kontroler SSD. Sejalan dengan perkembangan industri, SK hynix mengembangkan Hynix Transaction Processing Unit atau H-TPU. Prosesor khusus ini bertujuan untuk memproses pekerjaan kontrol penyimpanan yang memiliki pola operasi rutin. Dengan rancangan tersebut, beban pemrosesan dapat dibagi dari CPU utama menuju sejumlah unit khusus yang lebih sederhana.
Pengenalan H-TPU dipaparkan 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. Menambahkan inti CPU biasa memang mungkin memperbesar kemampuan pemrosesan, tetapi juga menghadirkan konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Karena itu, SK hynix menyiapkan pendekatan pemrosesan terdistribusi untuk menjaga efisiensi kontroler generasi mendatang.
Cara Kerja H-TPU dalam Mengelola Transaksi SSD
Ketika sebuah SSD bekerja, kontroler berfungsi mengendalikan komunikasi antara sistem komputer dan chip memori NAND. Berbagai pekerjaan mencakup penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Selain itu, kontroler juga harus menangani pemulihan kesalahan dan kebijakan penyimpanan. Pada rancangan konvensional, sebagian besar pekerjaan tersebut ditangani oleh inti CPU serbaguna. Sementara itu, sejumlah operasi rutin dialihkan kepada H-TPU yang dioptimalkan untuk fungsi tertentu. Pendekatan tersebut dimaksudkan untuk mengurangi beban CPU utama sekaligus membantu pemrosesan banyak transaksi secara paralel.
Salah satu keunggulan desain H-TPU adalah penggunaan arsitektur pemrosesan yang tidak serumit CPU umum. Dalam rincian rancangan yang dilaporkan, unit tersebut memanfaatkan pipeline empat tahap dengan pola eksekusi berurutan. Struktur pemrosesan tersebut 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 dapat dipisahkan secara spesifik. Melalui pembagian kerja tersebut, 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.
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. Berdasarkan informasi yang dilaporkan, satu inti H-TPU menggunakan area sekitar 4 persen dari luas inti CPU umum yang dijadikan pembanding. Sementara itu, kebutuhan dayanya disebut mencapai kurang lebih 2,5 persen dari daya inti CPU pembanding. Angka tersebut menunjukkan potensi penghematan sumber daya pada tingkat unit pemrosesan. Meskipun demikian, persentase tersebut tidak dapat langsung diartikan sebagai seluruh SSD akan menggunakan daya 97,5 persen lebih rendah. Efisiensi pada tingkat produk tetap dipengaruhi oleh jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Karena itu, hasil tersebut lebih tepat dipahami sebagai karakteristik desain inti H-TPU.
Rancangan berorientasi efisiensi menjadi penting ketika kontroler menggunakan banyak prosesor khusus sekaligus. Menurut rancangan yang dipaparkan, SK hynix mendistribusikan 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 dirancang untuk mengurangi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Rancangan tersebut bermanfaat bagi pusat data yang mengoperasikan banyak SSD secara bersamaan. Walaupun begitu, 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
Pertumbuhan penggunaan kecerdasan buatan menyebabkan kebutuhan baru dalam pemrosesan data pusat komputasi. Ketika menjalankan training AI, sistem perlu membaca dataset berukuran besar secara berulang. Pada tahap inferensi, aplikasi AI sering membutuhkan akses cepat terhadap parameter model, cache, dan informasi pendukung. Pola penggunaan ini menciptakan tekanan besar terhadap SSD, terutama ketika banyak permintaan diproses secara bersamaan. Melalui rancangan H-TPU, SK hynix berupaya kontroler yang mampu mengelola lebih banyak transaksi secara efisien. Fokus utamanya bukan untuk menjalankan model AI seperti GPU, melainkan memperbaiki jalur pengelolaan data yang mendukung pekerjaan AI.
Dalam penggunaan AI, pola akses penyimpanan sering tidak sama dibandingkan beban kerja komputer biasa. Pada jenis pekerjaan AI tertentu, data lebih sedikit mengalami penulisan tetapi dibaca sangat sering. Pola tersebut dapat dikategorikan sebagai 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. Rasio tersebut menggambarkan 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 harus dinilai berdasarkan implementasi nyata dan pengukuran sistem.
Strategi SK hynix Mengembangkan Penyimpanan untuk Infrastruktur AI
Di samping penerapan SSD enterprise, arsitektur H-TPU juga dikembangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Teknologi tersebut dikembangkan untuk menyeimbangkan 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 dikembangkan agar dapat 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. Tujuan pendekatan ini adalah mengurangi waktu tunggu ketika komponen komputasi membutuhkan informasi dari penyimpanan.
Arsitektur kontroler baru ini juga berkaitan dengan strategi produk AI-NAND atau AIN Family dari SK hynix. Dalam portofolio tersebut, perusahaan merancang beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. Kategori AIN P ditujukan untuk kebutuhan pemrosesan data yang membutuhkan performa besar pada pekerjaan AI. Di sisi lain, AIN B berfokus pada bandwidth, sedangkan AIN D memprioritaskan kapasitas penyimpanan. Berkat strategi tersebut, SK hynix menargetkan pengembangan solusi yang lebih sesuai 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 lebih tepat dilihat sebagai arah pengembangan teknologi yang belum sepenuhnya terbukti pada seluruh lini produk.
Masa Depan SSD Hemat Daya untuk Infrastruktur Kecerdasan Buatan
Perancangan H-TPU oleh SK hynix menghadirkan langkah menarik dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Melalui penggunaan unit pemrosesan khusus, perusahaan berupaya pengelolaan transaksi SSD yang lebih efisien dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Hasil perbandingan desain mengenai area chip dan konsumsi daya menggambarkan 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 memfasilitasi infrastruktur AI. Namun demikian, peningkatan performa dan efisiensi keseluruhan perangkat tetap perlu dibuktikan melalui implementasi serta pengujian pada produk nyata. Dalam perkembangan selanjutnya, inovasi seperti H-TPU berpotensi mendukung pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Bagaimana menurut Anda, apakah penggunaan prosesor khusus dalam kontroler SSD dapat menghadirkan solusi penting bagi penyimpanan era AI? Sampaikan pandangan Anda mengenai inovasi SSD SK hynix.
