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
Pertumbuhan TEKNOLOGI kecerdasan buatan meningkatkan kebutuhan terhadap perangkat penyimpanan dengan kemampuan pemrosesan besar. Ketika menjalankan aplikasi AI berskala besar, SSD memegang peranan penting dalam mengelola informasi yang dibutuhkan oleh CPU dan GPU. Meskipun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menciptakan tekanan terhadap kemampuan kontroler SSD. Untuk menghadapi kebutuhan baru ini, SK hynix memperkenalkan Hynix Transaction Processing Unit atau H-TPU. Komponen tersebut bertujuan untuk menangani pekerjaan kontrol penyimpanan yang sering dijalankan. Berkat pengembangan tersebut, beban pemrosesan dapat dialihkan dari CPU utama menuju sejumlah unit khusus yang lebih sederhana.
Pengenalan H-TPU dipresentasikan oleh Koo In-jae, pejabat yang bertanggung jawab atas 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 bertumpu pada CPU serbaguna untuk menjalankan banyak pekerjaan internal SSD. Ketika kapasitas meningkat, CPU pengendali harus menangani semakin banyak permintaan dalam waktu singkat. Memperbanyak inti CPU biasa memang mungkin memperbesar kemampuan pemrosesan, tetapi juga menimbulkan konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Karena itu, SK hynix menyiapkan pendekatan pemrosesan terdistribusi untuk meningkatkan efisiensi kontroler generasi mendatang.
Arsitektur Pemrosesan Paralel pada Kontroler SSD SK hynix
Ketika sebuah SSD bekerja, kontroler berfungsi mengatur komunikasi antara sistem komputer dan chip memori NAND. Sejumlah proses internal mencakup penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Tidak hanya itu, kontroler juga perlu mengelola pemulihan kesalahan dan kebijakan penyimpanan. Jika menggunakan desain lama, sebagian besar pekerjaan tersebut ditangani oleh inti CPU serbaguna. Sebaliknya, sejumlah operasi rutin diserahkan kepada H-TPU yang dioptimalkan untuk fungsi tertentu. Rancangan baru tersebut dimaksudkan untuk mengurangi beban CPU utama sekaligus memungkinkan pemrosesan banyak transaksi secara paralel.
Di antara ciri penting H-TPU adalah penggunaan arsitektur pemrosesan yang lebih sederhana. Berdasarkan paparan teknis, unit tersebut menerapkan pipeline empat tahap dengan pola eksekusi berurutan. Struktur pemrosesan tersebut tidak mengandalkan mekanisme kompleks seperti superscalar dan out-of-order execution yang umum ditemukan pada CPU berperforma tinggi. Dalam pendekatan ini, H-TPU memusatkan sumber daya pada tugas transaksi penyimpanan yang dapat dipisahkan secara spesifik. Dengan demikian, CPU utama memiliki ruang lebih besar untuk menangani 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.
Desain Hemat Energi SK hynix untuk Kontroler SSD Masa Depan
Selain memisahkan tugas pemrosesan, SK hynix juga menekankan efisiensi area chip dan konsumsi daya dalam pengembangan H-TPU. Dalam paparan teknisnya, satu inti H-TPU menempati area sekitar 4 persen dari luas inti CPU umum yang dijadikan pembanding. Di sisi lain, kebutuhan dayanya diklaim sekitar 2,5 persen dari daya inti CPU pembanding. Perbandingan ini mengindikasikan 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 dipengaruhi oleh jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Oleh sebab itu, hasil tersebut lebih tepat dipahami sebagai karakteristik desain inti H-TPU.
Strategi penggunaan unit ringan termasuk penting ketika kontroler menggunakan 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 direncanakan berada ke kondisi hemat daya. Melalui pengaturan aktivitas ini, sistem dirancang untuk mengurangi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Hal ini relevan bagi pusat data yang mengoperasikan banyak SSD secara bersamaan. Namun 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
Perkembangan penggunaan kecerdasan buatan menyebabkan kebutuhan baru dalam penyimpanan data pusat komputasi. Pada pengembangan model kecerdasan buatan, sistem membutuhkan akses terhadap dataset berukuran besar secara berkelanjutan. Sementara itu, aplikasi AI sering memerlukan 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. Berkat pengembangan H-TPU, SK hynix menargetkan kontroler yang mampu mengelola lebih banyak transaksi secara efisien. Tujuannya bukan untuk menjalankan model AI seperti GPU, melainkan meningkatkan jalur pengelolaan data yang digunakan dalam pekerjaan AI.
Dalam penggunaan AI, pola akses penyimpanan dapat berbeda dibandingkan beban kerja komputer biasa. Sebagian aplikasi inferensi, data ditulis relatif jarang tetapi dibaca sangat sering. Karakteristik ini sering disebut write once, read many atau WORM. Dalam contoh karakteristik beban yang dilaporkan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan dapat mencapai 300.000 banding satu. Perbandingan ini mewakili contoh pola khusus, bukan seluruh aplikasi AI. Dalam skenario tersebut, kemampuan menjadwalkan buffer dan permintaan baca secara efisien merupakan faktor penting. Walaupun begitu, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih memerlukan pembuktian melalui 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 diarahkan untuk menyeimbangkan 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 menempati lapisan memori di antara kategori tersebut. Dalam rancangan yang dibahas, kontroler dapat menggunakan informasi mengenai kebutuhan data berikutnya untuk mengatur prefetch dan pengelolaan buffer. Tujuan pendekatan ini adalah mengurangi waktu tunggu ketika komponen komputasi membutuhkan informasi dari penyimpanan.
Arsitektur kontroler baru ini juga mendukung arah strategi produk AI-NAND atau AIN Family dari SK hynix. Melalui strategi penyimpanan ini, perusahaan menyiapkan beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. AIN P ditujukan untuk kebutuhan pemrosesan data yang intensif pada pekerjaan AI. Di sisi lain, AIN B mengutamakan bandwidth, sedangkan AIN D ditujukan bagi kapasitas penyimpanan. Dengan pendekatan tersebut, SK hynix menargetkan pengembangan solusi yang lebih sesuai dengan karakteristik penggunaan. Meskipun demikian, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial memerlukan konfirmasi melalui pengumuman dan pengujian lanjutan. Karena itu, rancangan ini perlu dinilai 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 menjadi langkah menjanjikan dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Dengan memanfaatkan unit pemrosesan khusus, perusahaan mencoba pengelolaan transaksi SSD yang lebih hemat sumber daya dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Klaim efisiensi 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 menunjang infrastruktur AI. Namun demikian, peningkatan performa dan efisiensi keseluruhan perangkat tetap membutuhkan validasi melalui implementasi serta pengujian pada produk nyata. Ke depannya, inovasi seperti H-TPU dapat mendorong 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? Bagikan pandangan Anda mengenai masa depan infrastruktur AI.
