Intel GPU D-series - akcelerator AI z 480 GB pamięci

Czym jest Intel GPU D-series

GPU D-series to akcelerator przeznaczony wyłącznie do inferencji, a nie do trenowania modeli. Układ powstał na architekturze Xe3P, tej samej rodzinie, z której Intel buduje karty graficzne Arc. Pierwszy egzemplarz w materiałach prasowych nosi oznaczenie D270. Intel przedstawił nazwę i nowe parametry w komunikacie z 13 października 2026 roku, wydanym przy okazji konferencji Open Compute Project (OCP) Global Summit.

Najbardziej nietypowa jest pamięć. Zamiast drogiej pamięci HBM (High Bandwidth Memory), montowanej przy akceleratorach NVIDIA i AMD, Intel użył LPDDR5X, czyli energooszczędnej pamięci znanej z laptopów i smartfonów. Daje to dużą pojemność przy niższym koszcie i poborze mocy, ale wyraźnie mniejszą przepustowość.

Parametry na tle innych akceleratorów

Zestawienie poniżej opiera się na komunikacie Intela oraz danych StorageReview i TechRadar. Pojemność 480 GB dotyczy kart budowanych przez partnerów, a karta z logo Intela ma 160 GB. Ceny żadnego z porównywanych układów Intel ani NVIDIA nie podają publicznie w tej konfiguracji.

• Intel GPU D-series (karta partnerów) - do 480 GB LPDDR5X, 1,5 TB/s, 1,3 PFLOPS FP8, 350 W, PCIe, chłodzenie powietrzem
• Intel GPU D-series (karta Intela) - 160 GB LPDDR5X, pozostałe parametry jak wyżej
• Intel Gaudi 3 (PCIe) - 128 GB HBM2e, 3,7 TB/s, obecny akcelerator Intela do inferencji
• NVIDIA Blackwell Ultra B300 - 288 GB HBM3e, dotąd największa pojemność pamięci wśród akceleratorów do centrów danych według TechRadar

Dlaczego pojemność pamięci ma znaczenie przy inferencji

Przy uruchamianiu dużych modeli językowych ograniczeniem często jest pamięć, a nie sama moc obliczeniowa. Wagi modelu muszą zmieścić się na karcie, a przy długich rozmowach i wielu użytkownikach jednocześnie rośnie pamięć podręczna kontekstu (KV cache). Model ze 300 mld parametrów na jednej karcie oznacza mniej kart na serwer i prostszą konfigurację.

Ceną jest przepustowość. 1,5 TB/s to mniej niż połowa tego, co oferuje Gaudi 3, a od tego zależy, jak szybko model generuje kolejne tokeny. W naszej ocenie D-series ma sens tam, gdzie liczy się liczba obsługiwanych modeli i użytkowników na watt i na złotówkę, a nie najkrótszy czas odpowiedzi. Intel sam wskazuje usługi wielu klientów na jednej infrastrukturze, agentów AI z długim kontekstem i robotykę.

Oprogramowanie i partnerzy

Intel zapowiada, że kod przygotowany na karty Arc Pro uruchomi się na D-series bez przepisywania, bo obie rodziny mają wspólną architekturę Xe. Firma ogłosiła też obsługę modelu Meta Muse Glimmer od dnia premiery. Według StorageReview na slajdzie partnerów było 53 logotypy, m.in. Dell, HPE, Lenovo, Supermicro, Red Hat, Canonical, vLLM i Hugging Face.

Razem z kartą Intel pokazał szafy serwerowe w standardzie OCP Open Rack v3 z procesorami Xeon 6+. Najgęstsze konfiguracje mają ponad 46 tys. rdzeni w jednej szafie przy łącznym poborze 133,45 kW. Mają obsługiwać część pracy agentów AI wykonywaną na procesorach, np. wyszukiwanie danych i uruchamianie kodu.

Czego jeszcze nie wiadomo

Intel nie podał ceny, terminu sprzedaży ani niezależnych wyników testów wydajności. Parametry pochodzą z materiałów producenta. Nie wiadomo też, ilu partnerów faktycznie wypuści karty z 480 GB pamięci i kiedy. Intel ma za sobą akceleratory, które nie zdobyły dużego udziału w rynku, więc o pozycji D-series zdecydują ceny i dojrzałość oprogramowania, a nie sama karta katalogowa.

Co to oznacza dla polskich firm

Dla polskiej firmy, która chce uruchamiać otwarte modele we własnej serwerowni, najważniejsze jest chłodzenie powietrzem i format PCIe. Większość lokalnych serwerowni nie ma instalacji do chłodzenia cieczą, których wymagają najmocniejsze systemy NVIDIA. Karta o poborze 350 W zmieści się w typowym serwerze rack, co może obniżyć koszt wdrożenia modeli przetwarzających dane na miejscu, bez wysyłania ich do chmury.

Na decyzję zakupową jest za wcześnie. Firmom planującym budżet infrastruktury AI na 2027 rok radzimy zapytać dostawców serwerów o terminy dostaw i ceny D-series oraz porównać je z ofertą kart NVIDIA i AMD. Przy rosnących cenach pamięci, o których pisaliśmy przy okazji wyników Samsunga i CXMT, pojemność w przeliczeniu na złotówkę może okazać się ważniejsza niż maksymalna wydajność.