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
Kemajuan TEKNOLOGI kecerdasan buatan memperbesar kebutuhan terhadap infrastruktur pengelolaan data yang efisien. Pada infrastruktur komputasi modern, SSD memiliki peranan penting dalam menyediakan informasi yang dibutuhkan 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. Prosesor khusus ini dikembangkan untuk menangani pekerjaan kontrol penyimpanan yang sering dijalankan. Berkat pengembangan tersebut, beban pemrosesan dapat didistribusikan dari CPU utama menuju sejumlah unit khusus yang lebih ringkas.
Perancangan H-TPU dipresentasikan 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. Berdasarkan penjelasan teknis yang dilaporkan, perusahaan menggambarkan keterbatasan pendekatan tradisional yang mengandalkan CPU serbaguna untuk memproses banyak pekerjaan internal SSD. Seiring pertumbuhan beban penyimpanan, CPU pengendali dituntut memproses semakin banyak permintaan dalam waktu singkat. Meningkatkan jumlah inti CPU biasa memang dapat membantu kemampuan pemrosesan, tetapi juga menghadirkan konsekuensi berupa penggunaan daya dan luas chip yang lebih besar. Dengan mempertimbangkan kondisi tersebut, SK hynix menyiapkan pendekatan pemrosesan terdistribusi untuk mengoptimalkan efisiensi kontroler generasi mendatang.
Cara Kerja H-TPU dalam Mengelola Transaksi SSD
Dalam perangkat penyimpanan masa kini, kontroler bertugas mengendalikan komunikasi antara sistem komputer dan chip memori NAND. Banyak operasi penyimpanan mencakup penanganan perintah baca dan tulis, pengelolaan alamat data, serta pengaturan buffer. Selain itu, kontroler juga harus menangani pemulihan kesalahan dan kebijakan penyimpanan. Pada rancangan konvensional, sebagian besar pekerjaan tersebut diproses menggunakan inti CPU serbaguna. Sebaliknya, sejumlah operasi rutin didistribusikan kepada H-TPU yang dioptimalkan untuk fungsi tertentu. Strategi pemisahan tugas ini dimaksudkan untuk menekan beban CPU utama sekaligus membantu pemrosesan banyak transaksi secara paralel.
Salah satu keunggulan desain H-TPU adalah penggunaan arsitektur pemrosesan yang lebih sederhana. Dalam rincian rancangan yang dilaporkan, unit tersebut menerapkan 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 memusatkan sumber daya pada tugas transaksi penyimpanan yang memiliki fungsi jelas. Dengan demikian, CPU utama tidak perlu memproses seluruh pekerjaan tingkat tinggi, termasuk kebijakan penyimpanan dan penanganan pengecualian. Meskipun begitu, 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
Selain memisahkan tugas pemrosesan, SK hynix juga menyoroti efisiensi area chip dan konsumsi daya dalam pengembangan H-TPU. Menurut penjelasan perusahaan, satu inti H-TPU menempati area sekitar 4 persen dari luas inti CPU umum yang dijadikan pembanding. Sementara itu, kebutuhan dayanya diklaim sekitar 2,5 persen dari daya inti CPU pembanding. Klaim efisiensi tersebut mengindikasikan potensi penghematan sumber daya pada tingkat unit pemrosesan. Walaupun begitu, persentase tersebut bukan bukti bahwa seluruh SSD akan menggunakan daya 97,5 persen lebih rendah. Efisiensi pada tingkat produk tetap bergantung pada jumlah unit yang digunakan, memori NAND, antarmuka, dan komponen lainnya. Karena itu, hasil tersebut perlu dilihat sebagai karakteristik desain inti H-TPU.
Rancangan berorientasi efisiensi termasuk penting ketika kontroler menggunakan 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. Selain itu, unit yang sedang tidak digunakan dapat dialihkan ke kondisi hemat daya. Melalui pengaturan aktivitas ini, sistem dirancang untuk mengurangi penggunaan energi pada komponen yang tidak sedang menjalankan pekerjaan. Kemampuan tersebut penting bagi pusat data yang mengoperasikan banyak SSD secara bersamaan. Meskipun demikian, 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
Pertumbuhan penggunaan kecerdasan buatan menyebabkan kebutuhan baru dalam penyimpanan data pusat komputasi. Ketika menjalankan training AI, sistem perlu membaca dataset berukuran besar secara berulang. Pada tahap inferensi, aplikasi AI sering membutuhkan akses cepat terhadap parameter model, cache, dan informasi pendukung. Pola penggunaan ini menghadirkan tekanan besar terhadap SSD, terutama ketika banyak permintaan muncul secara bersamaan. Dengan menggunakan H-TPU, SK hynix menargetkan kontroler yang dirancang untuk memproses lebih banyak transaksi secara efisien. Fokus utamanya bukan untuk menjalankan model AI seperti GPU, melainkan mengoptimalkan jalur pengelolaan data yang mendukung pekerjaan AI.
Ketika sistem menjalankan aplikasi kecerdasan buatan, pola akses penyimpanan memiliki karakteristik berbeda dibandingkan beban kerja komputer biasa. Dalam skenario pembacaan model, data ditulis relatif jarang tetapi digunakan untuk banyak permintaan. Karakteristik ini dikenal sebagai write once, read many atau WORM. Dalam contoh karakteristik beban yang dilaporkan, perbandingan operasi baca terhadap tulis pada skenario tertentu bahkan dapat mencapai 300.000 banding satu. Angka tersebut mewakili contoh pola khusus, bukan seluruh aplikasi AI. Pada kondisi tersebut, kemampuan mengatur buffer dan permintaan baca secara efisien merupakan faktor penting. Meskipun demikian, manfaat H-TPU terhadap kinerja inferensi secara keseluruhan masih harus dinilai berdasarkan 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 dikembangkan untuk memadukan karakteristik kapasitas besar NAND dengan kebutuhan bandwidth tinggi dalam sistem AI. Ketika menangani model AI berskala besar, terdapat kesenjangan antara memori berkecepatan tinggi yang mahal dan penyimpanan berkapasitas besar yang memiliki latensi lebih tinggi. HBF dikembangkan agar dapat menempati lapisan memori di antara kategori tersebut. Dalam rancangan yang dibahas, kontroler dapat memanfaatkan informasi mengenai kebutuhan data berikutnya untuk mengatur prefetch dan pengelolaan buffer. Sasaran pengembangan tersebut adalah membatasi waktu tunggu ketika komponen komputasi memerlukan informasi dari penyimpanan.
Pengembangan H-TPU juga sejalan dengan 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. AIN P difokuskan pada kebutuhan pemrosesan data yang tinggi pada pekerjaan AI. Adapun, AIN B berfokus pada bandwidth, sedangkan AIN D mengutamakan kapasitas penyimpanan. Melalui pembagian kategori ini, SK hynix berupaya menyediakan solusi yang semakin relevan dengan karakteristik penggunaan. Walaupun begitu, penerapan H-TPU pada produk tertentu, jadwal distribusi, serta peningkatan kinerja komersial memerlukan konfirmasi melalui pengumuman dan pengujian lanjutan. Oleh sebab 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 merupakan langkah penting 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. Data teknis yang dipaparkan mengenai area chip dan konsumsi daya menggambarkan potensi penggunaan banyak unit ringan dalam satu arsitektur kontroler. Di samping itu, rencana pemanfaatannya pada SSD enterprise dan HBF menunjukkan pentingnya pengembangan sistem penyimpanan untuk mendukung infrastruktur AI. Namun demikian, peningkatan performa dan efisiensi keseluruhan perangkat tetap perlu dibuktikan melalui implementasi serta pengujian pada produk nyata. Dalam perkembangan selanjutnya, inovasi seperti H-TPU dapat mendorong pusat data mengelola pertumbuhan lalu lintas informasi dengan energi yang lebih terkendali. Apa pendapat Anda, apakah penggunaan prosesor khusus dalam kontroler SSD berpotensi berkembang sebagai solusi penting bagi penyimpanan era AI? Sampaikan pandangan Anda mengenai inovasi SSD SK hynix.
