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 menyalurkan informasi yang dibutuhkan oleh CPU dan GPU. Namun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menciptakan tekanan terhadap kemampuan kontroler SSD. Untuk menghadapi kebutuhan baru ini, SK hynix merancang Hynix Transaction Processing Unit atau H-TPU. Prosesor khusus ini bertujuan untuk mengelola pekerjaan kontrol penyimpanan yang sering dijalankan. Melalui pendekatan ini, beban pemrosesan dapat dialihkan dari CPU utama menuju sejumlah unit khusus yang lebih ringkas.
Perancangan 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 menjelaskan keterbatasan pendekatan tradisional yang mengandalkan CPU serbaguna untuk memproses banyak pekerjaan internal SSD. Ketika kapasitas meningkat, CPU pengendali dituntut memproses semakin banyak permintaan dalam waktu singkat. Menambahkan 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 menjaga efisiensi kontroler generasi mendatang.
Cara Kerja H-TPU dalam Mengelola Transaksi SSD
Dalam perangkat penyimpanan masa kini, kontroler berperan mengatur komunikasi antara sistem komputer dan chip memori NAND. Berbagai pekerjaan melibatkan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Di samping itu, kontroler juga bertanggung jawab terhadap pemulihan kesalahan dan kebijakan penyimpanan. Dalam pendekatan kontroler tradisional, sebagian besar pekerjaan tersebut diproses menggunakan inti CPU serbaguna. Sementara itu, sejumlah operasi rutin didistribusikan kepada H-TPU yang menggunakan struktur pemrosesan sederhana. Strategi pemisahan tugas ini dimaksudkan untuk membatasi beban CPU utama sekaligus mendukung pemrosesan banyak transaksi secara paralel.
Di antara ciri penting H-TPU adalah penggunaan arsitektur pemrosesan yang tidak serumit CPU umum. Berdasarkan paparan teknis, unit tersebut memanfaatkan pipeline empat tahap dengan pola eksekusi berurutan. Struktur pemrosesan tersebut mengurangi kebutuhan terhadap mekanisme kompleks seperti superscalar dan out-of-order execution yang umum ditemukan pada CPU berperforma tinggi. Sebagai gantinya, H-TPU memusatkan sumber daya pada tugas transaksi penyimpanan yang sudah ditentukan. Melalui pembagian kerja tersebut, CPU utama dapat lebih berfokus pada pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Walaupun 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
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 memerlukan area sekitar 4 persen dari luas inti CPU umum yang dijadikan pembanding. Sementara itu, kebutuhan dayanya diklaim sekitar 2,5 persen dari daya inti CPU pembanding. Angka tersebut menggambarkan 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. Oleh sebab itu, hasil tersebut sebaiknya ditafsirkan sebagai karakteristik desain inti H-TPU.
Rancangan berorientasi efisiensi termasuk 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. Selain itu, unit yang sedang tidak digunakan dapat dialihkan ke kondisi hemat daya. Berkat pendekatan pengelolaan daya tersebut, sistem dirancang untuk mengurangi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Kemampuan tersebut bermanfaat bagi pusat data yang menggunakan banyak SSD secara bersamaan. Namun demikian, efisiensi aktual pada lingkungan server membutuhkan pengujian melalui benchmark yang mempertimbangkan kinerja, daya, dan karakteristik beban kerja.
Penyimpanan Berbasis AI Membutuhkan Pengolahan Data yang Lebih Efisien
Perkembangan penggunaan kecerdasan buatan mendorong kebutuhan baru dalam pemrosesan data pusat komputasi. Pada pengembangan model kecerdasan buatan, sistem perlu membaca dataset berukuran besar secara intensif. Pada tahap inferensi, aplikasi AI sering membutuhkan akses cepat terhadap parameter model, cache, dan informasi pendukung. Pola penggunaan ini memberikan tekanan besar terhadap SSD, terutama ketika banyak permintaan diproses secara bersamaan. Dengan menggunakan H-TPU, SK hynix menargetkan kontroler yang dirancang untuk memproses lebih banyak transaksi secara efisien. Sasaran pengembangan tersebut bukan untuk menjalankan model AI seperti GPU, melainkan meningkatkan jalur pengelolaan data yang mendukung pekerjaan AI.
Ketika sistem menjalankan aplikasi kecerdasan buatan, pola akses penyimpanan sering tidak sama dibandingkan beban kerja komputer biasa. Sebagian aplikasi inferensi, data tidak terlalu sering diperbarui tetapi diakses berulang kali. Pendekatan penyimpanan demikian 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. Perbandingan ini menggambarkan contoh pola khusus, bukan seluruh aplikasi AI. Pada kondisi tersebut, kemampuan mengelola buffer dan permintaan baca secara efisien termasuk faktor penting. Walaupun begitu, 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. Teknologi tersebut dikembangkan untuk menggabungkan karakteristik kapasitas besar NAND dengan kebutuhan bandwidth tinggi dalam sistem AI. Pada arsitektur komputasi modern, terdapat kesenjangan antara memori berkecepatan tinggi yang mahal dan penyimpanan berkapasitas besar yang memiliki latensi lebih tinggi. HBF dikembangkan agar dapat menjadi bagian dari lapisan memori di antara kategori tersebut. Menurut arah pengembangan SK hynix, kontroler dapat mengolah informasi mengenai kebutuhan data berikutnya untuk mengatur prefetch dan pengelolaan buffer. Manfaat yang ditargetkan adalah membatasi waktu tunggu ketika komponen komputasi memerlukan 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. Solusi AIN Performance ditujukan untuk kebutuhan pemrosesan data yang membutuhkan performa besar pada pekerjaan AI. Sementara itu, AIN B berfokus pada bandwidth, sedangkan AIN D memprioritaskan kapasitas penyimpanan. Melalui pembagian kategori ini, SK hynix mencoba menghadirkan solusi yang lebih sesuai dengan karakteristik penggunaan. Walaupun begitu, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial memerlukan konfirmasi melalui pengumuman dan pengujian lanjutan. Karena itu, 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
Pengenalan H-TPU oleh SK hynix merupakan langkah menjanjikan dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Dengan memanfaatkan unit pemrosesan khusus, perusahaan berupaya pengelolaan transaksi SSD yang lebih hemat sumber daya 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. Tidak hanya itu, rencana pemanfaatannya pada SSD enterprise dan HBF mencerminkan pentingnya pengembangan sistem penyimpanan untuk menunjang infrastruktur AI. Meskipun demikian, peningkatan performa dan efisiensi keseluruhan perangkat tetap harus dievaluasi melalui implementasi serta pengujian pada produk nyata. Seiring meningkatnya kebutuhan komputasi, inovasi seperti H-TPU berpotensi mendorong 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? Tuliskan pandangan Anda mengenai masa depan infrastruktur AI.
