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 perangkat penyimpanan dengan kemampuan pemrosesan besar. Pada infrastruktur komputasi modern, SSD memegang peranan penting dalam mengelola informasi yang digunakan 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 memperkenalkan Hynix Transaction Processing Unit atau H-TPU. Arsitektur pemrosesan tersebut dikembangkan untuk menangani 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.
Pengembangan 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. Melalui presentasi tersebut, perusahaan menyoroti keterbatasan pendekatan tradisional yang bertumpu pada CPU serbaguna untuk mengatur banyak pekerjaan internal SSD. Ketika kapasitas meningkat, CPU pengendali perlu mengelola semakin banyak permintaan dalam waktu singkat. Memperbanyak inti CPU biasa memang berpotensi meningkatkan kemampuan pemrosesan, tetapi juga membawa konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Karena itu, SK hynix memilih pendekatan pemrosesan terdistribusi untuk menjaga efisiensi kontroler generasi mendatang.
Arsitektur Pemrosesan Paralel pada Kontroler SSD SK hynix
Pada SSD modern, kontroler berfungsi mengendalikan komunikasi antara sistem komputer dan chip memori NAND. Berbagai pekerjaan memerlukan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Di samping itu, kontroler juga perlu mengelola pemulihan kesalahan dan kebijakan penyimpanan. Jika menggunakan desain lama, sebagian besar pekerjaan tersebut ditangani oleh inti CPU serbaguna. Sementara itu, sejumlah operasi rutin dialihkan kepada H-TPU yang menggunakan struktur pemrosesan sederhana. Rancangan baru tersebut dikembangkan untuk membatasi beban CPU utama sekaligus memungkinkan pemrosesan banyak transaksi secara paralel.
Salah satu ciri penting 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. Dalam pendekatan ini, H-TPU mengutamakan sumber daya pada tugas transaksi penyimpanan yang memiliki fungsi jelas. 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 memerlukan pengujian menyeluruh sebelum manfaatnya dapat dipastikan 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. Berdasarkan informasi yang dilaporkan, satu inti H-TPU menempati 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. Perbandingan ini mengindikasikan potensi penghematan sumber daya pada tingkat unit pemrosesan. Walaupun begitu, persentase tersebut tidak berarti 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. Dengan pertimbangan tersebut, hasil tersebut lebih tepat dipahami 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 memecah 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 dialihkan ke kondisi hemat daya. Berkat pendekatan pengelolaan daya tersebut, sistem diharapkan mampu membatasi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Hal ini bermanfaat bagi pusat data yang menggunakan banyak SSD secara bersamaan. Meskipun demikian, efisiensi aktual pada lingkungan server harus dievaluasi melalui benchmark yang memeriksa kinerja, daya, dan karakteristik beban kerja.
Penyimpanan Berbasis AI Membutuhkan Pengolahan Data yang Lebih Efisien
Peningkatan penggunaan kecerdasan buatan menyebabkan kebutuhan baru dalam pemrosesan data pusat komputasi. Ketika menjalankan training AI, sistem perlu membaca 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 diproses secara bersamaan. Melalui rancangan H-TPU, SK hynix mencoba kontroler yang dapat menangani lebih banyak transaksi secara efisien. Sasaran pengembangan tersebut bukan untuk menjalankan model AI seperti GPU, melainkan mengoptimalkan jalur pengelolaan data yang dibutuhkan oleh pekerjaan AI.
Dalam penggunaan AI, pola akses penyimpanan sering tidak sama dibandingkan beban kerja komputer biasa. Pada jenis pekerjaan AI tertentu, data tidak terlalu sering diperbarui tetapi digunakan untuk banyak permintaan. Karakteristik ini 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. Angka tersebut merupakan contoh pola khusus, bukan seluruh aplikasi AI. Dalam skenario tersebut, kemampuan mengatur buffer dan permintaan baca secara efisien termasuk faktor penting. Namun demikian, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih bergantung pada implementasi nyata dan pengukuran sistem.
Strategi SK hynix Mengembangkan Penyimpanan untuk Infrastruktur AI
Selain penggunaan SSD enterprise, arsitektur H-TPU juga dikembangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Pendekatan penyimpanan ini 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. Konsep memori berbasis flash ini dikembangkan agar dapat menjadi bagian dari lapisan memori di antara kategori tersebut. Pada konsep teknisnya, kontroler dapat menggunakan informasi mengenai kebutuhan data berikutnya untuk menyiapkan prefetch dan pengelolaan buffer. Manfaat yang ditargetkan adalah mengurangi waktu tunggu ketika komponen komputasi mengakses informasi dari penyimpanan.
Pengembangan H-TPU 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. Kategori AIN P dikembangkan guna kebutuhan pemrosesan data yang intensif pada pekerjaan AI. Di sisi lain, AIN B mengutamakan bandwidth, sedangkan AIN D mengutamakan kapasitas penyimpanan. Melalui pembagian kategori ini, SK hynix mencoba menghadirkan solusi yang semakin relevan dengan karakteristik penggunaan. Walaupun begitu, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial memerlukan konfirmasi melalui pengumuman dan pengujian lanjutan. Dengan pertimbangan tersebut, rancangan ini sebaiknya dipahami sebagai arah pengembangan teknologi yang belum sepenuhnya terbukti pada seluruh lini produk.
Kesimpulan tentang Teknologi Kontroler SSD H-TPU dari SK hynix
Perancangan H-TPU oleh SK hynix merupakan langkah penting dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Dengan memanfaatkan unit pemrosesan khusus, perusahaan mencoba pengelolaan transaksi SSD yang lebih efisien dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Klaim efisiensi mengenai area chip dan konsumsi daya mengindikasikan 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 mendukung infrastruktur AI. Namun demikian, peningkatan performa dan efisiensi keseluruhan perangkat tetap membutuhkan validasi 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 berpotensi berkembang sebagai solusi penting bagi penyimpanan era AI? Tuliskan pandangan Anda mengenai masa depan infrastruktur AI.
