NVIDIA membuka kode sumber teknologi cuFile dan perangkat lunak penyimpanan yang mendukungnya sebagai bagian dari upaya mengembangkan ekosistem penyimpanan untuk kebutuhan kecerdasan buatan (AI). Langkah ini sempat memicu spekulasi bahwa perusahaan sedang menyiapkan teknologi yang memungkinkan SSD digunakan sebagai pengganti atau perluasan memori GPU, namun klaim tersebut tidak sesuai dengan pengumuman resmi NVIDIA.
cuFile Mempercepat Akses Data antara Penyimpanan dan GPU
cuFile merupakan bagian dari teknologi NVIDIA GPUDirect Storage yang telah tersedia selama beberapa tahun. Teknologi ini dirancang untuk mempercepat perpindahan data antara perangkat penyimpanan dan memori GPU.
Dalam sistem konvensional, data dari SSD biasanya harus melewati memori sistem sebelum dikirim ke GPU. Dengan GPUDirect Storage, perangkat penyimpanan yang kompatibel dapat mengirimkan data langsung ke memori GPU menggunakan mekanisme Direct Memory Access (DMA).
Pendekatan ini membantu mengurangi keterlibatan prosesor utama (CPU) dan mempercepat aliran data, terutama pada aplikasi yang membutuhkan pemrosesan data dalam jumlah besar seperti pelatihan model AI, analisis data skala besar, dan komputasi berperforma tinggi.
NVIDIA Bangun Ekosistem Penyimpanan yang Lebih Terbuka
Bagian baru dari pengumuman NVIDIA adalah keputusan untuk membuka antarmuka pemrograman cuFile serta membangun perangkat lunak penyimpanan yang tidak bergantung pada satu produsen perangkat keras saja.
Proyek baru yang disebut xio-sig mencakup beberapa komponen utama, yaitu cuFile, cuFileConformance, libxFile, dan xioLinux. Tujuannya adalah menciptakan standar yang dapat mendukung implementasi dari berbagai perusahaan teknologi.
Namun, kode sumber proyek tersebut belum tersedia secara penuh. NVIDIA menyebutkan bahwa publikasi kode akan dilakukan setelah anggota awal proyek menyelesaikan proses integrasi dan validasi.
SSD Tetap Bukan Pengganti Memori VRAM
Meski teknologi ini meningkatkan hubungan antara penyimpanan dan GPU, cuFile tidak membuat SSD berubah menjadi tambahan VRAM. Data yang sedang diproses oleh GPU tetap harus berada di memori GPU sebenarnya, seperti HBM atau GDDR.
Fungsi utama cuFile adalah mempercepat proses pemindahan data menuju dan dari memori tersebut. Teknologi ini menghilangkan proses penyalinan melalui CPU dan memori sistem yang sebelumnya menjadi bagian dari jalur transfer data.
Dengan kata lain, SSD dapat berperan sebagai lapisan penyimpanan yang lebih dekat dengan GPU, tetapi tidak memiliki karakteristik yang sama dengan memori GPU karena perbedaan besar dalam latensi dan bandwidth.
Konsep Mirip dengan Teknologi Gaming, tetapi Memiliki Tujuan Berbeda
Teknologi ini memiliki kemiripan dengan konsep seperti Microsoft DirectStorage dan NVIDIA RTX IO yang digunakan dalam industri game. Keduanya memungkinkan aset dari penyimpanan NVMe dikirim ke GPU dengan mengurangi beban CPU.
Namun, cuFile dibuat khusus untuk lingkungan CUDA dan GPUDirect Storage, terutama untuk kebutuhan komputasi AI dan pusat data, bukan untuk meningkatkan performa grafis pada komputer pengguna.
NVIDIA Kembangkan Arsitektur AI dengan Akses Data Lebih Fleksibel
NVIDIA juga mengembangkan konsep bernama SCADA atau Scaled Accelerated Data Access. Arsitektur ini memungkinkan thread GPU melakukan permintaan data langsung dari penyimpanan dan ditujukan untuk menangani kumpulan data yang ukurannya melampaui kapasitas memori lokal GPU.
Melalui pendekatan tersebut, penyimpanan NVMe dapat berfungsi sebagai tingkat data tambahan yang berada lebih dekat dengan GPU. Namun, performanya tetap berbeda dibandingkan memori berkecepatan tinggi seperti HBM atau GDDR yang digunakan dalam akselerator AI modern.
Fokus Utama NVIDIA Adalah Infrastruktur AI, Bukan Perluasan VRAM Murah
Pengumuman cuFile lebih berkaitan dengan pengembangan infrastruktur penyimpanan untuk aplikasi AI berskala besar. NVIDIA tidak memperkenalkan teknologi yang mampu mengubah kapasitas SSD biasa menjadi pengganti VRAM GPU.
Teknologi ini menunjukkan arah baru industri komputasi, di mana batas antara penyimpanan dan memori dapat semakin fleksibel bagi aplikasi tertentu. Namun, untuk kebutuhan pemrosesan GPU, memori khusus tetap menjadi komponen utama yang menentukan performa.
Fajar Wibowo adalah penulis di Poupnews.com yang meliput berbagai topik, termasuk berita terkini, politik, bisnis, teknologi, olahraga, hiburan, dan gaya hidup. Ia berfokus pada penyajian informasi yang jelas, akurat, dan mudah dipahami, sehingga pembaca dapat mengikuti perkembangan isu-isu penting dengan lebih baik. Melalui pendekatan yang informatif dan berimbang, Fajar menghadirkan laporan serta cerita yang relevan dengan kehidupan sehari-hari dan kebutuhan informasi masyarakat.
