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
Perkembangan TEKNOLOGI kecerdasan buatan memperbesar kebutuhan terhadap sistem penyimpanan berkecepatan tinggi. Dalam lingkungan pusat data, SSD memainkan peranan penting dalam menyalurkan informasi yang digunakan oleh CPU dan GPU. Walaupun begitu, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menimbulkan tekanan terhadap kemampuan kontroler SSD. Sejalan dengan perkembangan industri, SK hynix memperkenalkan Hynix Transaction Processing Unit atau H-TPU. Komponen tersebut dikembangkan untuk mengelola pekerjaan kontrol penyimpanan yang memiliki pola operasi rutin. Melalui pendekatan ini, beban pemrosesan dapat dialihkan dari CPU utama menuju sejumlah unit khusus yang dirancang untuk tugas tertentu.
Pengenalan H-TPU dipresentasikan oleh Koo In-jae, pejabat yang membidangi 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 menyoroti keterbatasan pendekatan tradisional yang bertumpu pada CPU serbaguna untuk mengatur banyak pekerjaan internal SSD. Ketika kapasitas meningkat, CPU pengendali dituntut memproses semakin banyak permintaan dalam waktu singkat. Meningkatkan jumlah inti CPU biasa memang dapat membantu kemampuan pemrosesan, tetapi juga menimbulkan konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Oleh sebab itu, SK hynix mengembangkan pendekatan pemrosesan terdistribusi untuk menjaga efisiensi kontroler generasi mendatang.
Peran Prosesor Khusus dalam Mempercepat Operasi Penyimpanan
Dalam perangkat penyimpanan masa kini, kontroler berfungsi mengatur komunikasi antara sistem komputer dan chip memori NAND. Berbagai pekerjaan melibatkan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Tidak hanya itu, kontroler juga bertanggung jawab terhadap 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 didistribusikan kepada H-TPU yang dioptimalkan untuk fungsi tertentu. Pendekatan tersebut dikembangkan untuk menekan beban CPU utama sekaligus memungkinkan pemrosesan banyak transaksi secara paralel.
Salah satu ciri penting 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. Rancangan ini tidak mengandalkan mekanisme kompleks seperti superscalar dan out-of-order execution yang umum ditemukan pada CPU berperforma tinggi. Untuk menggantikan kompleksitas tersebut, H-TPU memfokuskan sumber daya pada tugas transaksi penyimpanan yang sudah ditentukan. Dengan demikian, 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 dinyatakan konsisten 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. Pada aspek energi, kebutuhan dayanya diklaim sekitar 2,5 persen dari daya inti CPU pembanding. Klaim efisiensi tersebut menggambarkan potensi penghematan sumber daya pada tingkat unit pemrosesan. Meskipun demikian, persentase tersebut tidak berarti seluruh SSD akan menggunakan daya 97,5 persen lebih rendah. Konsumsi energi keseluruhan SSD tetap ditentukan oleh jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Oleh sebab itu, hasil tersebut sebaiknya ditafsirkan sebagai karakteristik desain inti H-TPU.
Strategi penggunaan unit ringan menjadi penting ketika kontroler mengintegrasikan banyak prosesor khusus sekaligus. Pada konsep arsitektur tersebut, 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. Melalui pengaturan aktivitas ini, sistem diharapkan mampu membatasi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Rancangan tersebut relevan bagi pusat data yang menjalankan banyak SSD secara bersamaan. Walaupun begitu, efisiensi aktual pada lingkungan server harus dievaluasi melalui benchmark yang mengukur kinerja, daya, dan karakteristik beban kerja.
Penyimpanan Berbasis AI Membutuhkan Pengolahan Data yang Lebih Efisien
Perkembangan penggunaan kecerdasan buatan menyebabkan kebutuhan baru dalam pengelolaan data pusat komputasi. Ketika menjalankan training AI, sistem membutuhkan akses terhadap dataset berukuran besar secara intensif. Sementara itu, aplikasi AI sering membutuhkan akses cepat terhadap parameter model, cache, dan informasi pendukung. Karakteristik beban kerja tersebut menghadirkan tekanan besar terhadap SSD, terutama ketika banyak permintaan datang secara bersamaan. Berkat pengembangan H-TPU, SK hynix mencoba kontroler yang dapat menangani lebih banyak transaksi secara efisien. Fokus utamanya bukan untuk memproses langsung model AI seperti GPU, melainkan meningkatkan jalur pengelolaan data yang dibutuhkan oleh pekerjaan AI.
Ketika sistem menjalankan aplikasi kecerdasan buatan, pola akses penyimpanan sering tidak sama dibandingkan beban kerja komputer biasa. Pada jenis pekerjaan AI tertentu, data ditulis relatif jarang tetapi digunakan untuk banyak permintaan. Pola tersebut sering disebut 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. Angka tersebut menggambarkan contoh pola khusus, bukan seluruh aplikasi AI. Untuk kebutuhan demikian, kemampuan mengatur buffer dan permintaan baca secara efisien menjadi 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
Tidak hanya untuk kebutuhan SSD enterprise, arsitektur H-TPU juga dipertimbangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Teknologi tersebut dirancang 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 ditargetkan membantu mengisi lapisan memori di antara kategori tersebut. Pada konsep teknisnya, kontroler dapat menggunakan informasi mengenai kebutuhan data berikutnya untuk melakukan prefetch dan pengelolaan buffer. Sasaran pengembangan tersebut adalah mengurangi waktu tunggu ketika komponen komputasi mengakses informasi dari penyimpanan.
Pengembangan H-TPU juga mendukung arah strategi produk AI-NAND atau AIN Family dari SK hynix. Melalui strategi penyimpanan ini, perusahaan mengembangkan beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. Solusi AIN Performance difokuskan pada kebutuhan pemrosesan data yang intensif pada pekerjaan AI. Di sisi lain, AIN B berfokus pada bandwidth, sedangkan AIN D ditujukan bagi kapasitas penyimpanan. Melalui pembagian kategori ini, SK hynix berupaya menyediakan solusi yang lebih sesuai 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 sebaiknya dipahami 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 penting dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Berkat penerapan unit pemrosesan khusus, perusahaan mencoba pengelolaan transaksi SSD yang lebih efisien dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Data teknis yang dipaparkan mengenai area chip dan konsumsi daya menggambarkan potensi penggunaan banyak unit ringan dalam satu arsitektur kontroler. Selain itu, rencana pemanfaatannya pada SSD enterprise dan HBF mencerminkan pentingnya pengembangan sistem penyimpanan untuk menunjang infrastruktur AI. Walaupun begitu, peningkatan performa dan efisiensi keseluruhan perangkat tetap membutuhkan validasi melalui implementasi serta pengujian pada produk nyata. Seiring meningkatnya kebutuhan komputasi, inovasi seperti H-TPU dapat mendukung pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Menurut pandangan Anda, apakah penggunaan prosesor khusus dalam kontroler SSD dapat menghadirkan solusi penting bagi penyimpanan era AI? Tuliskan pandangan Anda mengenai masa depan infrastruktur AI.
