AMD Mext Pangkas Biaya RAM Server Hingga 50 Persen Lewat AI Predictor

GadgetVIVA - Biaya alokasi memori utama atau DRAM pada server skala besar sering kali menjadi beban finansial terbesar bagi pusat data. Komponen memori ini bisa memakan porsi 60 hingga 90 persen dari total biaya pengadaan satu unit server enterprise. AMD menghadirkan solusi strategis melalui teknologi perangkat lunak bernama Mext. Sistem cerdas ini memanfaatkan algoritma machine learning untuk menggeser data yang jarang diakses dari DRAM ke media penyimpanan SSD yang lebih terjangkau.

Langkah penghematan ini diklaim mampu memangkas kebutuhan kapasitas DRAM hingga separuhnya. Performa komputasi server tetap terjaga mendekati tingkatan orisinalnya. Berdasarkan pengujian awal di 145 sistem enterprise, penerapan Mext diperkirakan telah menghemat biaya pengadaan memori pelanggan hingga 5 juta dolar AS atau setara Rp88,5 miliar.

Prediksi AI Mengatasi Bottleneck Flash Storage

Konsep memindahkan data pasif dari memori utama ke media penyimpanan sekunder sebenarnya bukan hal baru. Fitur seperti swap file atau page file pada sistem operasi Windows sudah lama menerapkan prinsip serupa saat kapasitas RAM menipis. Namun, kendala utama metode konvensional terletak pada kecepatan. Media penyimpanan berbasis flash seperti SSD bisa beroperasi hingga 500 kali lebih lambat dibandingkan DRAM. Implikasinya, penurunan performa sistem sering kali terasa sangat drastis.

AMD Mext mengatasi hambatan latensi tersebut dengan pendekatan proaktif. Sistem ini mengeksekusi model pembelajaran mesin yang diturunkan dari arsitektur transformer. Algoritma ini memprediksi halaman memori mana yang akan dibutuhkan oleh aplikasi dalam waktu dekat. Sebelum aplikasi sempat mengajukan permintaan akses, data dari SSD sudah dipindahkan kembali ke RAM.

Riset internal Meta mendukung efektivitas skema ini. Data menunjukkan bahwa 50 hingga 80 persen halaman memori di server enterprise sebenarnya tidak pernah diakses kembali oleh sistem selama minimal lima menit. Hal ini membuktikan adanya ruang pemborosan kapasitas DRAM yang sangat besar jika dibiarkan terisi oleh data pasif.

Efisiensi Nyata di Uji Kerja dan Penghematan Biaya

Proses pelatihan model AI pada Mext terbilang sangat ringan. AMD menyatakan bahwa proses training awal hanya membutuhkan waktu kurang dari satu detik dengan memanfaatkan satu core prosesor AMD Epyc. Model ini secara mandiri terus beradaptasi mengikuti perubahan beban kerja tanpa perlu bantuan pengolahan dari GPU tambahan.