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 mendorong kebutuhan terhadap perangkat penyimpanan dengan kemampuan pemrosesan besar. Dalam lingkungan pusat data, SSD memiliki peranan penting dalam menyalurkan informasi yang digunakan oleh CPU dan GPU. Meskipun demikian, peningkatan kecepatan antarmuka dan kapasitas penyimpanan menimbulkan tekanan terhadap kemampuan kontroler SSD. Untuk menghadapi kebutuhan baru ini, SK hynix merancang Hynix Transaction Processing Unit atau H-TPU. Komponen tersebut dikembangkan untuk menangani pekerjaan kontrol penyimpanan yang memiliki pola operasi rutin. Dengan rancangan tersebut, beban pemrosesan dapat dialihkan dari CPU utama menuju sejumlah unit khusus yang lebih ringkas.
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. Dalam paparannya, perusahaan menyoroti keterbatasan pendekatan tradisional yang bertumpu pada CPU serbaguna untuk memproses banyak pekerjaan internal SSD. Ketika kapasitas meningkat, CPU pengendali harus menangani semakin banyak permintaan dalam waktu singkat. Memperbanyak inti CPU biasa memang dapat membantu kemampuan pemrosesan, tetapi juga menghadirkan konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Oleh sebab itu, SK hynix menyiapkan pendekatan pemrosesan terdistribusi untuk meningkatkan efisiensi kontroler generasi mendatang.
Arsitektur Pemrosesan Paralel pada Kontroler SSD SK hynix
Dalam perangkat penyimpanan masa kini, kontroler berperan mengatur komunikasi antara sistem komputer dan chip memori NAND. Banyak operasi penyimpanan melibatkan penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Di samping itu, kontroler juga bertanggung jawab terhadap pemulihan kesalahan dan kebijakan penyimpanan. Pada rancangan konvensional, sebagian besar pekerjaan tersebut bergantung pada inti CPU serbaguna. Sementara itu, sejumlah operasi rutin dialihkan kepada H-TPU yang dirancang secara khusus. Strategi pemisahan tugas ini dimaksudkan untuk menekan beban CPU utama sekaligus membantu pemrosesan banyak transaksi secara paralel.
Salah satu ciri penting H-TPU adalah penggunaan arsitektur pemrosesan yang lebih sederhana. Berdasarkan paparan teknis, unit tersebut menggunakan 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. Sebagai gantinya, H-TPU mengutamakan sumber daya pada tugas transaksi penyimpanan yang sudah ditentukan. Dengan demikian, CPU utama tidak perlu memproses seluruh pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Meskipun begitu, kemampuan arsitektur baru tetap harus melalui pengujian menyeluruh sebelum manfaatnya terbukti pada berbagai kondisi dalam produk komersial.
H-TPU Diklaim Menggunakan Daya dan Area Chip Lebih Kecil
Tidak hanya membagi tugas pemrosesan, SK hynix juga menyoroti 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. Pada aspek energi, kebutuhan dayanya disebut mencapai kurang lebih 2,5 persen dari daya inti CPU pembanding. Perbandingan ini mengindikasikan 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. Dengan pertimbangan tersebut, hasil tersebut sebaiknya ditafsirkan sebagai karakteristik desain inti H-TPU.
Rancangan berorientasi efisiensi menjadi penting ketika kontroler menggunakan banyak prosesor khusus sekaligus. Menurut rancangan yang dipaparkan, SK hynix memecah 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. Berkat pendekatan pengelolaan daya tersebut, sistem berupaya menghindari penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Kemampuan tersebut bermanfaat bagi pusat data yang mengoperasikan banyak SSD secara bersamaan. Namun demikian, efisiensi aktual pada lingkungan server masih perlu dibandingkan melalui benchmark yang memeriksa kinerja, daya, dan karakteristik beban kerja.
Penyimpanan Berbasis AI Membutuhkan Pengolahan Data yang Lebih Efisien
Perkembangan penggunaan kecerdasan buatan mendorong kebutuhan baru dalam pemrosesan data pusat komputasi. Dalam proses pelatihan model, sistem harus memproses dataset berukuran besar secara berulang. Pada tahap inferensi, aplikasi AI sering membutuhkan akses cepat terhadap parameter model, cache, dan informasi pendukung. Pola penggunaan ini memberikan tekanan besar terhadap SSD, terutama ketika banyak permintaan diproses secara bersamaan. Melalui rancangan H-TPU, SK hynix mencoba kontroler yang dirancang untuk memproses lebih banyak transaksi secara efisien. Sasaran pengembangan tersebut bukan untuk memproses langsung model AI seperti GPU, melainkan mengoptimalkan jalur pengelolaan data yang mendukung pekerjaan AI.
Ketika sistem menjalankan aplikasi kecerdasan buatan, pola akses penyimpanan sering tidak sama dibandingkan beban kerja komputer biasa. Sebagian aplikasi inferensi, data lebih sedikit mengalami penulisan tetapi diakses berulang kali. Karakteristik ini sering disebut write once, read many atau WORM. Berdasarkan paparan yang diberitakan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan dilaporkan sekitar 300.000 banding satu. Rasio tersebut mewakili contoh pola khusus, bukan seluruh aplikasi AI. Untuk kebutuhan demikian, kemampuan mengatur buffer dan permintaan baca secara efisien menjadi faktor penting. Namun demikian, 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
Tidak hanya untuk kebutuhan SSD enterprise, arsitektur H-TPU juga dikembangkan untuk mendukung konsep High Bandwidth Flash atau HBF. Pendekatan penyimpanan ini dikembangkan 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. Pada konsep teknisnya, kontroler dapat menggunakan informasi mengenai kebutuhan data berikutnya untuk menyiapkan prefetch dan pengelolaan buffer. Sasaran pengembangan tersebut adalah mengurangi waktu tunggu ketika komponen komputasi mengakses informasi dari penyimpanan.
Rancangan unit pemrosesan khusus tersebut juga sejalan dengan strategi produk AI-NAND atau AIN Family dari SK hynix. Dalam portofolio tersebut, perusahaan mengembangkan beberapa kategori solusi berdasarkan kebutuhan performa, bandwidth, dan kapasitas. Kategori AIN P ditujukan untuk kebutuhan pemrosesan data yang membutuhkan performa besar pada pekerjaan AI. Sementara itu, AIN B dikembangkan untuk bandwidth, sedangkan AIN D memprioritaskan kapasitas penyimpanan. Dengan pendekatan tersebut, SK hynix berupaya menyediakan solusi yang semakin relevan dengan karakteristik penggunaan. Namun demikian, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial bergantung pada pengumuman dan pengujian lanjutan. Karena itu, rancangan ini lebih tepat dilihat sebagai arah pengembangan teknologi yang belum sepenuhnya terbukti pada seluruh lini produk.
Inovasi SK hynix Membuka Peluang Penyimpanan AI Lebih Efisien
Pengembangan H-TPU oleh SK hynix menjadi langkah menarik dalam perkembangan TEKNOLOGI penyimpanan data untuk kebutuhan kecerdasan buatan. Melalui penggunaan unit pemrosesan khusus, perusahaan berupaya pengelolaan transaksi SSD yang lebih efisien 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 memperlihatkan pentingnya pengembangan sistem penyimpanan untuk memfasilitasi infrastruktur AI. Walaupun begitu, peningkatan performa dan efisiensi keseluruhan perangkat tetap perlu dibuktikan melalui implementasi serta pengujian pada produk nyata. Seiring meningkatnya kebutuhan komputasi, inovasi seperti H-TPU diharapkan mampu mendukung pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Menurut pandangan Anda, apakah penggunaan prosesor khusus dalam kontroler SSD berpotensi berkembang sebagai solusi penting bagi penyimpanan era AI? Sampaikan pandangan Anda mengenai efisiensi penyimpanan data.
