در رویداد OCP 2026، شرکت اینتل با پرده‌برداری از نام رسمی پروژه «Crescent Island» تحت عنوان «Intel GPU D-Series»، گام استراتژیک جدیدی را در بازار شتاب‌دهنده‌های هوش مصنوعی (AI Accelerators) برداشته است. این تراشه که بر پایه معماری نوآورانه Xe3P طراحی شده، نه به عنوان یک GPU گرافیکی سنتی، بلکه به عنوان یک واحد پردازش موازی انبوه با تمرکز اختصاصی بر استنتاج (Inference) مدل‌های زبانی بزرگ (LLM) به بازار معرفی شده است.
معماری Xe3P و مشخصات فنی سخت‌افزار
تراشه Intel GPU D-Series بر پایه معماری Xe3P ساخته شده است. برخلاف پردازنده‌های گرافیکی معمولی که دارای واحدهای عملکردی مختص رندرینگ و گرافیک هستند، D-Series تمام منابع سیلیکونی خود را به پردازش محاسباتی موازی اختصاص داده است. این استراتژی باعث می‌شود که تراشه در بسته‌های PCIe با خنک‌کننده هوایی (Air-cooled) و با مصرف انرژی (TDP) معقول ۳۵۰ وات، کارایی بهینه‌ای را در مراکز داده فراهم کند.
- نام محصول: Intel GPU D-Series
- معماری: Xe3P (Massively Parallel Computing Architecture)
- عملکرد محاسباتی: 1.3 PFLOPS در فرمت FP8
- پهنای باند حافظه: 1.5 TB/s
- ظرفیت حافظه: تا 480 گیگابایت LPDDR5X
- توان مصرفی (TDP): 350 وات
- فرم فاکتور: PCIe با خنک‌کننده هوایی (Air-cooled)
تحلیلی بر جایگاه بازار و مقایسه عملکردی
در حالی که رقبای قدرتمندی مانند پلتفرم Vera Rubin انویدیا با توان عملیاتی بسیار بالاتر (۱۷.۵ پتافلاپس FP8) در سیستم‌های رک‌محور مایع‌خنک (Liquid-cooled) حضور دارند، اینتل مسیر متفاوتی را در پیش گرفته است. سری D اینتل برای زیرساخت‌های سنتی با خنک‌کننده هوایی و سرورهای رک استاندارد طراحی شده است. این یعنی سازمان‌ها بدون نیاز به بازنگری کامل در سیستم‌های برودتی مراکز داده خود، می‌توانند تا ۸ واحد GPU D-Series را در یک پیکربندی کنار هم قرار دهند که برای استنتاج مدل‌های پارامتری با بیش از یک تریلیون پارامتر بهینه‌سازی شده است.
اکوسیستم نرم‌افزاری و استراتژی یکپارچه‌سازی
یکی از چالش‌های تاریخی اینتل در بازار شتاب‌دهنده‌ها، ضعف در بخش نرم‌افزاری بود. اما با معرفی «Xe Software Foundation»، اینتل قصد دارد یک بستر واحد برای تمامی پردازنده‌های خود از iGPUهای مصرفی تا شتاب‌دهنده‌های دیتاسنتر فراهم کند. این معماری نرم‌افزاری به توسعه‌دهندگان اجازه می‌دهد تا با استفاده از پشته‌های نرم‌افزاری یکسان، مدل‌های خود را روی سخت‌افزارهای مختلف اینتل بهینه‌سازی کنند. این رویکرد برای سرویس‌های هوش مصنوعی چندمستاجری (Multi-tenant) و رباتیک که نیاز به تأخیر کم دارند، حیاتی است.
نتیجه‌گیری؛ آیا اینتل در رقابت هوش مصنوعی پیروز می‌شود؟
پس از تجربیات نه‌چندان موفق خانواده Ponte Vecchio (Data Center GPU Max)، تراشه GPU D-Series نقطه عطفی برای اینتل محسوب می‌شود. اینتل با تمرکز بر نیاز بازار برای «تعداد سیکل‌های محاسباتی بیشتر برای استنتاج» و ارائه محصولی با بازده حرارتی و الکتریکی کنترل‌شده، به دنبال کسب سهم واقعی از بازار هوش مصنوعی است. در حالی که نمونه‌برداری از این تراشه‌ها برای مشتریان آغاز شده است، باید دید که در ماه‌های پایانی سال ۱۴۰۵ خورشیدی، این پلتفرم در محیط‌های واقعی دیتاسنتر چگونه در برابر رقبای سرسخت ظاهر می‌شود.
