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 infrastruktur pengelolaan data yang efisien. Dalam lingkungan pusat data, SSD memiliki peranan penting dalam menyediakan informasi yang digunakan oleh CPU dan GPU. Walaupun begitu, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menghadirkan tekanan terhadap kemampuan kontroler SSD. Menanggapi tantangan tersebut, SK hynix merancang Hynix Transaction Processing Unit atau H-TPU. Komponen tersebut bertujuan untuk menangani pekerjaan kontrol penyimpanan yang sering dijalankan. Melalui pendekatan ini, beban pemrosesan dapat dialihkan dari CPU utama menuju sejumlah unit khusus yang lebih sederhana.
Pengembangan H-TPU dijelaskan 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 mengandalkan CPU serbaguna untuk menjalankan banyak pekerjaan internal SSD. Saat kebutuhan transfer data bertambah, CPU pengendali harus menangani semakin banyak permintaan dalam waktu singkat. Memperbanyak inti CPU biasa memang dapat membantu kemampuan pemrosesan, tetapi juga membawa konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Karena itu, SK hynix mengembangkan pendekatan pemrosesan terdistribusi untuk meningkatkan efisiensi kontroler generasi mendatang.
Arsitektur Pemrosesan Paralel pada Kontroler SSD SK hynix
Ketika sebuah SSD bekerja, kontroler berperan mengatur komunikasi antara sistem komputer dan chip memori NAND. Sejumlah proses internal melibatkan 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. Sebaliknya, sejumlah operasi rutin dialihkan kepada H-TPU yang menggunakan struktur pemrosesan sederhana. Strategi pemisahan tugas ini bertujuan untuk membatasi beban CPU utama sekaligus memungkinkan pemrosesan banyak transaksi secara paralel.
Bagian dari keunggulan desain H-TPU adalah penggunaan arsitektur pemrosesan yang lebih ringkas. Dalam rincian rancangan yang dilaporkan, unit tersebut menerapkan pipeline empat tahap dengan pola eksekusi berurutan. Rancangan ini tidak mengandalkan 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 sudah ditentukan. Melalui pembagian kerja tersebut, CPU utama memiliki ruang lebih besar untuk menangani pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Walaupun demikian, kemampuan arsitektur baru tetap membutuhkan pengujian menyeluruh sebelum manfaatnya terbukti pada berbagai kondisi 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. Dalam paparan teknisnya, satu inti H-TPU menempati area sekitar 4 persen dari luas inti CPU umum yang dijadikan pembanding. Sementara itu, kebutuhan dayanya dilaporkan setara dengan 2,5 persen dari daya inti CPU pembanding. Angka tersebut menggambarkan potensi penghematan sumber daya pada tingkat unit pemrosesan. Walaupun begitu, persentase tersebut tidak berarti seluruh SSD akan menggunakan daya 97,5 persen lebih rendah. Performa total perangkat tetap ditentukan 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.
Pendekatan hemat daya merupakan 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. Tidak kalah penting, unit yang sedang tidak digunakan direncanakan berada ke kondisi hemat daya. Melalui pengaturan aktivitas ini, sistem berupaya menghindari 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 masih perlu dibandingkan 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 harus memproses dataset berukuran besar secara berkelanjutan. Sementara itu, aplikasi AI sering memerlukan 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 menargetkan kontroler yang mampu mengelola lebih banyak transaksi secara efisien. Fokus utamanya bukan untuk menjalankan model AI seperti GPU, melainkan meningkatkan jalur pengelolaan data yang dibutuhkan oleh pekerjaan AI.
Pada infrastruktur inferensi, pola akses penyimpanan dapat berbeda dibandingkan beban kerja komputer biasa. Pada jenis pekerjaan AI tertentu, data tidak terlalu sering diperbarui tetapi dibaca sangat sering. Pola tersebut dapat dikategorikan sebagai write once, read many atau WORM. Menurut penjelasan teknis pengembangan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan disebut dapat menyentuh 300.000 banding satu. Angka tersebut menggambarkan contoh pola khusus, bukan seluruh aplikasi AI. Untuk kebutuhan demikian, kemampuan menjadwalkan buffer dan permintaan baca secara efisien menjadi faktor penting. Walaupun begitu, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih harus dinilai berdasarkan implementasi nyata dan pengukuran sistem.
Strategi SK hynix Mengembangkan Penyimpanan untuk Infrastruktur AI
Tidak hanya untuk kebutuhan 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. Dalam pusat data kecerdasan buatan, 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. Pada konsep teknisnya, kontroler dapat mengolah informasi mengenai kebutuhan data berikutnya untuk melakukan prefetch dan pengelolaan buffer. Manfaat yang ditargetkan adalah menekan 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. Melalui strategi penyimpanan ini, perusahaan menyiapkan beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. AIN P ditujukan untuk kebutuhan pemrosesan data yang membutuhkan performa besar pada pekerjaan AI. Adapun, AIN B mengutamakan bandwidth, sedangkan AIN D memprioritaskan kapasitas penyimpanan. Melalui pembagian kategori ini, 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 masih perlu mengikuti pengumuman dan pengujian lanjutan. Karena itu, 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
Pengenalan 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 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. Selain itu, rencana pemanfaatannya pada SSD enterprise dan HBF mencerminkan pentingnya pengembangan sistem penyimpanan untuk mendukung infrastruktur AI. Meskipun demikian, peningkatan performa dan efisiensi keseluruhan perangkat tetap membutuhkan validasi melalui implementasi serta pengujian pada produk nyata. Dalam perkembangan selanjutnya, inovasi seperti H-TPU diharapkan mampu membantu 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? Sampaikan pandangan Anda mengenai efisiensi penyimpanan data.
