SK Hynix dan Intel Mengusulkan Pool Memori Bersama untuk Mengatasi Hambatan AI

iconCryptoBriefing
Bagikan
AI summary iconRingkasan
Berita AI + kripto dari Intel AI Summit pada 12 November 2026 menunjukkan SK Hynix dan Intel mengusulkan pool memori bersama untuk meningkatkan efisiensi server AI. Desain ini menggunakan CXL dan RDMA untuk memungkinkan beberapa server GPU dan CPU mengakses pool memori terpusat. Pengujian internal mengurangi latensi token pertama sebesar 81%. Ini mengikuti kemitraan pada 2025 di mana DDR5 RDIMM dari SK Hynix meningkatkan kinerja inferensi sebesar 16%. Berita on-chain menunjukkan meningkatnya minat terhadap optimasi perangkat keras untuk beban kerja AI.

SK Hynix sedang bekerja sama dengan Intel dan mitra industri lainnya untuk menciptakan cara baru dalam menyediakan daya ke server AI. Ide ini adalah menghentikan pemberian memori pribadi terpisah untuk setiap mesin dan membiarkan mereka berbagi satu pool umum.

Dorongan ini muncul seiring dengan meningkatnya permintaan akan kapasitas memori dan bandwidth akibat agentic AI, jenis perangkat lunak yang menjalankan tugas multi-langkah secara mandiri.

Apa yang sebenarnya diajukan oleh SK Hynix

SK Hynix mempresentasikan konsep, yang disebut shared memory pool, di Intel AI Summit di Seoul pada 12 November 2026.

Dalam istilah teknis, desain memindahkan memori berkapasitas tinggi ke rak-rak khusus. Beberapa server GPU dan CPU kemudian dapat mengakses memori tersebut melalui interkoneks kecepatan tinggi seperti Compute Express Link (CXL) dan RDMA.

CXL memungkinkan prosesor memperlakukan memori eksternal seolah-olah berada di dekatnya, sementara RDMA memungkinkan mesin membaca memori satu sama lain tanpa harus mengarahkan setiap permintaan melalui prosesor utama.

Rak-rak yang dipoolkan akan ditempatkan di samping setup server yang sudah ada, bukan menggantikannya.

Wakil Presiden SK Hynix, Joo Young-pyo, menunjukkan ketidakefisienan dalam pendekatan tradisional, di mana memori berbandwidth tinggi dipasang langsung ke setiap GPU. Ia juga memberikan kredit terhadap kemajuan yang dicapai melalui pengembangan ekosistem bersama mitra.

Masalah KV cache, dan jawaban 81%

Desain ini bertujuan mengatasi satu masalah spesifik: cache KV. Ini adalah memori kerja yang dibangun oleh model AI seiring berjalannya percakapan atau tugas, dan ukurannya bertambah cepat selama inferensi multi-putaran.

Pengujian internal SK Hynix memberikan angka tentang seberapa mahal hal itu bisa menjadi. Dengan menggunakan eviksi dan recompute, waktu rata-rata hingga token pertama adalah 80,76 detik.

Dengan CXL DRAM jarak jauh dari pool bersama, angka tersebut turun menjadi 15,45 detik. Itu setara dengan pengurangan sekitar 81% dalam latensi token pertama.

Ini adalah hasil internal. SK Hynix mengatakan arsitektur akan divalidasi bersama Intel, pelanggan, dan mitra strategis lainnya, mulai dari tahap desain sistem ke depan.

Kemitraan dengan sejarah

Ini bukan pertama kalinya kedua perusahaan bekerja sama dalam memori server. Pada Desember 2025, SK Hynix menjadi vendor pertama yang menerima sertifikasi Intel Data Center untuk RDIMM DDR5 256 GB di platform Xeon 6.

Modul tersebut meningkatkan kinerja inferensi hingga 16%. Selain itu, juga mengurangi konsumsi daya sekitar 18%.

Pool memori bersama membangun hubungan tersebut dan sesuai dengan fokus lebih luas SK Hynix pada komputasi berbasis memori. Kerangka penelitian menempatkan CPU Intel sebagai pengatur dalam sistem AI agen, mengoordinasikan pekerjaan sementara GPU menangani komputasi berat dan memori terpusat menyimpan konteks yang terus berkembang.

Penafian: Informasi pada halaman ini mungkin telah diperoleh dari pihak ketiga dan tidak mencerminkan pandangan atau opini KuCoin. Konten ini disediakan hanya untuk tujuan informasi umum, tanpa representasi atau jaminan apa pun, dan tidak dapat ditafsirkan sebagai saran keuangan atau investasi. KuCoin tidak bertanggung jawab terhadap segala kesalahan atau kelalaian, atau hasil apa pun yang keluar dari penggunaan informasi ini. Berinvestasi di aset digital dapat berisiko. Harap mengevaluasi risiko produk dan toleransi risiko Anda secara cermat berdasarkan situasi keuangan Anda sendiri. Untuk informasi lebih lanjut, silakan lihat Ketentuan Penggunaan dan Pengungkapan Risiko.