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.
SK hynix Hadirkan Arsitektur Kontroler SSD Khusus untuk Kebutuhan AI
Pertumbuhan TEKNOLOGI kecerdasan buatan meningkatkan kebutuhan terhadap infrastruktur pengelolaan data yang efisien. Dalam lingkungan pusat data, SSD memiliki peranan penting dalam mengelola informasi yang digunakan oleh CPU dan GPU. Meskipun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menimbulkan tekanan terhadap kemampuan kontroler SSD. Menanggapi tantangan tersebut, SK hynix memperkenalkan Hynix Transaction Processing Unit atau H-TPU. Komponen tersebut dirancang untuk menangani pekerjaan kontrol penyimpanan yang sering dijalankan. Melalui pendekatan ini, beban pemrosesan dapat dibagi dari CPU utama menuju sejumlah unit khusus yang dirancang untuk tugas tertentu.
Pengembangan H-TPU dijelaskan 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 menggambarkan 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. Memperbanyak inti CPU biasa memang mungkin memperbesar kemampuan pemrosesan, tetapi juga membawa konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Oleh sebab itu, SK hynix menyiapkan pendekatan pemrosesan terdistribusi untuk mengoptimalkan efisiensi kontroler generasi mendatang.
Peran Prosesor Khusus dalam Mempercepat Operasi Penyimpanan
Ketika sebuah SSD bekerja, kontroler berperan mengelola 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 bergantung pada inti CPU serbaguna. Dalam rancangan yang dikembangkan SK hynix, sejumlah operasi rutin dialihkan kepada H-TPU yang menggunakan struktur pemrosesan sederhana. Rancangan baru tersebut dikembangkan untuk membatasi beban CPU utama sekaligus membantu pemrosesan banyak transaksi secara paralel.
Di antara keunggulan desain H-TPU adalah penggunaan arsitektur pemrosesan yang lebih sederhana. Berdasarkan paparan teknis, unit tersebut memanfaatkan pipeline empat tahap dengan pola eksekusi berurutan. Pendekatan arsitektur itu 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 sudah ditentukan. Melalui pembagian kerja tersebut, CPU utama memiliki ruang lebih besar untuk menangani pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Meskipun begitu, kemampuan arsitektur baru tetap harus melalui pengujian menyeluruh sebelum manfaatnya dinyatakan konsisten dalam produk komersial.
H-TPU Diklaim Menggunakan Daya dan Area Chip Lebih Kecil
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 menggunakan area sekitar 4 persen dari luas inti CPU umum yang dijadikan pembanding. Di sisi lain, kebutuhan dayanya dilaporkan setara dengan 2,5 persen dari daya inti CPU pembanding. Angka tersebut menunjukkan potensi penghematan sumber daya pada tingkat unit pemrosesan. Meskipun demikian, persentase tersebut bukan bukti bahwa 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. Oleh sebab itu, hasil tersebut sebaiknya ditafsirkan sebagai karakteristik desain inti H-TPU.
Strategi penggunaan unit ringan 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. Selain itu, unit yang sedang tidak digunakan dapat ditempatkan ke kondisi hemat daya. Dengan mekanisme tersebut, sistem diharapkan mampu membatasi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Hal ini penting bagi pusat data yang menjalankan banyak SSD secara bersamaan. Namun demikian, efisiensi aktual pada lingkungan server masih perlu dibandingkan melalui benchmark yang mengukur kinerja, daya, dan karakteristik beban kerja.
Peran H-TPU dalam Mendukung SSD Enterprise Berperforma Tinggi
Peningkatan penggunaan kecerdasan buatan menyebabkan kebutuhan baru dalam pemrosesan data pusat komputasi. Pada pengembangan model kecerdasan buatan, sistem perlu membaca dataset berukuran besar secara berulang. Di sisi lain, aplikasi AI sering membutuhkan akses cepat terhadap parameter model, cache, dan informasi pendukung. Kondisi tersebut menciptakan tekanan besar terhadap SSD, terutama ketika banyak permintaan diproses secara bersamaan. Dengan menggunakan H-TPU, SK hynix berupaya kontroler yang mampu mengelola lebih banyak transaksi secara efisien. Fokus utamanya bukan untuk memproses langsung model AI seperti GPU, melainkan memperbaiki jalur pengelolaan data yang mendukung pekerjaan AI.
Dalam penggunaan AI, pola akses penyimpanan memiliki karakteristik berbeda dibandingkan beban kerja komputer biasa. Pada jenis pekerjaan AI tertentu, data tidak terlalu sering diperbarui tetapi diakses berulang kali. Pola tersebut sering disebut write once, read many atau WORM. Berdasarkan paparan yang diberitakan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan disebut dapat menyentuh 300.000 banding satu. Angka tersebut mewakili contoh pola khusus, bukan seluruh aplikasi AI. Pada kondisi tersebut, kemampuan mengelola buffer dan permintaan baca secara efisien menjadi faktor penting. Walaupun begitu, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih bergantung pada implementasi nyata dan pengukuran sistem.
Strategi SK hynix Mengembangkan Penyimpanan untuk Infrastruktur AI
Tidak hanya untuk kebutuhan SSD enterprise, arsitektur H-TPU juga dipersiapkan untuk mendukung konsep High Bandwidth Flash atau HBF. Pendekatan penyimpanan ini dirancang untuk memadukan karakteristik kapasitas besar NAND dengan kebutuhan bandwidth tinggi dalam sistem AI. Dalam pusat data kecerdasan buatan, terdapat kesenjangan antara memori berkecepatan tinggi yang mahal dan penyimpanan berkapasitas besar yang memiliki latensi lebih tinggi. Konsep memori berbasis flash ini ditargetkan menempati lapisan memori di antara kategori tersebut. Dalam rancangan yang dibahas, kontroler dapat memanfaatkan informasi mengenai kebutuhan data berikutnya untuk menyiapkan prefetch dan pengelolaan buffer. Tujuan pendekatan ini adalah mengurangi waktu tunggu ketika komponen komputasi memerlukan informasi dari penyimpanan.
Arsitektur kontroler baru ini juga sejalan 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. AIN P difokuskan pada kebutuhan pemrosesan data yang membutuhkan performa besar pada pekerjaan AI. Di sisi lain, AIN B mengutamakan bandwidth, sedangkan AIN D ditujukan bagi kapasitas penyimpanan. Berkat strategi tersebut, SK hynix menargetkan pengembangan solusi yang dapat disesuaikan dengan karakteristik penggunaan. Meskipun demikian, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial bergantung pada pengumuman dan pengujian lanjutan. Oleh sebab itu, rancangan ini lebih tepat dilihat 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 menjadi langkah menarik dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Dengan memanfaatkan unit pemrosesan khusus, perusahaan menargetkan pengelolaan transaksi SSD yang semakin optimal dibandingkan pendekatan yang terlalu bergantung pada CPU umum. Klaim efisiensi mengenai area chip dan konsumsi daya menunjukkan 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 memfasilitasi infrastruktur AI. Walaupun begitu, peningkatan performa dan efisiensi keseluruhan perangkat tetap membutuhkan validasi melalui implementasi serta pengujian pada produk nyata. Dalam perkembangan selanjutnya, inovasi seperti H-TPU dapat membantu pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Apa pendapat Anda, apakah penggunaan prosesor khusus dalam kontroler SSD akan menjadi solusi penting bagi penyimpanan era AI? Tuliskan pandangan Anda mengenai inovasi SSD SK hynix.
