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 memperbesar kebutuhan terhadap perangkat penyimpanan dengan kemampuan pemrosesan besar. Dalam lingkungan pusat data, SSD memainkan peranan penting dalam menyalurkan informasi yang dibutuhkan oleh CPU dan GPU. Namun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menghadirkan tekanan terhadap kemampuan kontroler SSD. Sejalan dengan perkembangan industri, SK hynix memperkenalkan Hynix Transaction Processing Unit atau H-TPU. Prosesor khusus ini bertujuan untuk memproses pekerjaan kontrol penyimpanan yang memiliki pola operasi rutin. Dengan rancangan tersebut, beban pemrosesan dapat dibagi dari CPU utama menuju sejumlah unit khusus yang lebih ringkas.
Perancangan H-TPU dipaparkan 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. Melalui presentasi tersebut, perusahaan menjelaskan keterbatasan pendekatan tradisional yang menggunakan CPU serbaguna untuk menjalankan banyak pekerjaan internal SSD. Seiring pertumbuhan beban penyimpanan, CPU pengendali perlu mengelola 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. Dengan mempertimbangkan kondisi tersebut, SK hynix menyiapkan 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. Banyak operasi penyimpanan memerlukan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Selain itu, kontroler juga harus menangani pemulihan kesalahan dan kebijakan penyimpanan. Jika menggunakan desain lama, sebagian besar pekerjaan tersebut bergantung pada inti CPU serbaguna. Sementara itu, sejumlah operasi rutin didistribusikan kepada H-TPU yang menggunakan struktur pemrosesan sederhana. Rancangan baru tersebut dimaksudkan untuk menekan beban CPU utama sekaligus mendukung pemrosesan banyak transaksi secara paralel.
Di antara keunggulan desain H-TPU adalah penggunaan arsitektur pemrosesan yang lebih ringkas. Menurut informasi pengembangan, unit tersebut memanfaatkan pipeline empat tahap dengan pola eksekusi berurutan. Pendekatan arsitektur itu mengurangi kebutuhan terhadap mekanisme kompleks seperti superscalar dan out-of-order execution yang umum ditemukan pada CPU berperforma tinggi. Untuk menggantikan kompleksitas tersebut, H-TPU mengutamakan sumber daya pada tugas transaksi penyimpanan yang memiliki fungsi jelas. Berkat strategi ini, CPU utama tidak perlu memproses seluruh 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.
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. Menurut penjelasan perusahaan, satu inti H-TPU menggunakan 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. Klaim efisiensi tersebut menggambarkan potensi penghematan sumber daya pada tingkat unit pemrosesan. Meskipun demikian, persentase tersebut tidak dapat langsung diartikan sebagai 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. Karena itu, hasil tersebut perlu dilihat sebagai karakteristik desain inti H-TPU.
Pendekatan hemat daya termasuk penting ketika kontroler memanfaatkan banyak prosesor khusus sekaligus. Dalam pengembangan yang dilaporkan, SK hynix membagi pekerjaan ke dalam puluhan kelompok unit H-TPU, dengan kemungkinan penggunaan jumlah inti yang lebih besar sesuai kebutuhan. Tidak kalah penting, 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. Kemampuan tersebut relevan bagi pusat data yang menggunakan banyak SSD secara bersamaan. Walaupun begitu, efisiensi aktual pada lingkungan server membutuhkan pengujian melalui benchmark yang mengukur kinerja, daya, dan karakteristik beban kerja.
Peran H-TPU dalam Mendukung SSD Enterprise Berperforma Tinggi
Perkembangan penggunaan kecerdasan buatan menyebabkan kebutuhan baru dalam pemrosesan data pusat komputasi. Dalam proses pelatihan model, sistem membutuhkan akses terhadap dataset berukuran besar secara berulang. Sementara itu, aplikasi AI sering mengandalkan akses cepat terhadap parameter model, cache, dan informasi pendukung. Pola penggunaan ini memberikan tekanan besar terhadap SSD, terutama ketika banyak permintaan datang secara bersamaan. Berkat pengembangan H-TPU, SK hynix berupaya kontroler yang dapat menangani lebih banyak transaksi secara efisien. Sasaran pengembangan tersebut bukan untuk menghitung model AI seperti GPU, melainkan meningkatkan jalur pengelolaan data yang mendukung pekerjaan AI.
Pada infrastruktur inferensi, pola akses penyimpanan dapat berbeda dibandingkan beban kerja komputer biasa. Dalam skenario pembacaan model, data ditulis relatif jarang tetapi dibaca sangat sering. Pendekatan penyimpanan demikian dikenal sebagai write once, read many atau WORM. Menurut penjelasan teknis pengembangan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan dilaporkan sekitar 300.000 banding satu. Angka tersebut merupakan contoh pola khusus, bukan seluruh aplikasi AI. Untuk kebutuhan demikian, kemampuan mengatur 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.
Hubungan Kontroler SSD Generasi Baru dengan High Bandwidth Flash
Di samping penerapan SSD enterprise, arsitektur H-TPU juga dipersiapkan untuk mendukung konsep High Bandwidth Flash atau HBF. Teknologi tersebut diarahkan untuk menyeimbangkan 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. HBF diharapkan membantu mengisi lapisan memori di antara kategori tersebut. Menurut arah pengembangan SK hynix, kontroler dapat menggunakan informasi mengenai kebutuhan data berikutnya untuk melakukan prefetch dan pengelolaan buffer. Sasaran pengembangan tersebut adalah menekan waktu tunggu ketika komponen komputasi mengakses informasi dari penyimpanan.
Arsitektur kontroler baru ini juga mendukung arah strategi produk AI-NAND atau AIN Family dari SK hynix. Pada keluarga produk tersebut, perusahaan merancang beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. Solusi AIN Performance dikembangkan guna kebutuhan pemrosesan data yang tinggi pada pekerjaan AI. Sementara itu, AIN B berfokus pada bandwidth, sedangkan AIN D mengutamakan kapasitas penyimpanan. Berkat strategi tersebut, SK hynix mencoba menghadirkan solusi yang dapat disesuaikan 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
Pengembangan 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. Hasil perbandingan desain mengenai area chip dan konsumsi daya mengindikasikan 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 memfasilitasi infrastruktur AI. Namun 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 membantu pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Apa pendapat Anda, apakah penggunaan prosesor khusus dalam kontroler SSD dapat menghadirkan solusi penting bagi penyimpanan era AI? Sampaikan pandangan Anda mengenai masa depan infrastruktur AI.
