LONDON (IT BOLTWISE) – Intel gibt seiner KI-GPU D-Series mit dem Codenamen Crescent Island einen offiziellen Produktnamen und positioniert sie klar für Inferenz statt maximale Trainingsleistung. Die neue Xe3P-Architektur kombiniert 1,3 PFLOPS in FP8 mit einer speicherorientierten Auslegung, bei der kein HBM zum Einsatz kommt. Stattdessen nutzt die Beschleunigerfamilie LPDDR5X und skaliert in Partner-Designs auf bis zu 480 GB. Damit zielt Intel vor allem auf große Sprachmodelle mit langen Kontextfenstern und hohen Parallelitätsanforderungen.
Intel konkretisiert die GPU D-Series für den KI-Einsatz und ordnet sie gleichzeitig strategisch neu ein: Während viele aktuelle Beschleuniger in erster Linie auf hohen Durchsatz beim Training und auf maximale Rechenleistung getrimmt sind, setzt Intel bei „Crescent Island“ (nun offiziell als GPU D-Series) auf einen klaren Schwerpunkt bei Inferenz-Workloads. Der Grund liegt weniger in einem generellen Richtungswechsel der KI-Hardware, sondern in der Lastverteilung moderner Anwendungen. In Produktionen dominiert häufig nicht das einmalige Trainieren, sondern das dauerhafte Beantworten von Anfragen – inklusive langer Prompts, umfangreicher Systemanweisungen und paralleler Agenten-Szenarien, die gleichzeitig Tokens erzeugen und dabei große Mengen an Zwischenergebnissen vorhalten.
Technisch basiert die GPU D-Series auf der Xe3P-Architektur. Intel ordnet hierfür insgesamt 32 Xe-Cores in vier Compute Slices mit jeweils acht Xe-Cores; die Rechenbeschleunigung erfolgt dabei nicht nur über klassische Vektor-Einheiten (XVE), sondern auch über 256 XMX-Matrix-Engines, die speziell für KI-Berechnungen ausgelegt sind. Für die Datenbewegung nennt Intel außerdem einen 32 MB großen Unified-L2-Cache sowie eine Media Engine mit jeweils vier Encoder- und Decoder-Einheiten, die insbesondere bei multimodalen Workflows relevant werden können. Zusätzlich hebt Intel Funktionserweiterungen hervor, die die parallele Abarbeitung mehrerer Aufgaben verbessern sollen, darunter Same Address Multi-Queue und Hardwareunterstützung für Aktivierungsfunktionen wie Sigmoid und Tanh.
Die Rechenleistung adressiert Intel über das FP8-Datenformat mit einer maximalen Angabe von 1,3 PFLOPS. Gleichzeitig unterstützt die Architektur weitere Datentypen bis hinunter zu FP4 sowie auch FP64 für Szenarien, in denen höhere Genauigkeit nötig ist. Für die Praxis ist jedoch die Kombination aus Precision und Speicherzugriff entscheidend: Viele Inferenz-Pipelines werden heute durch den sogenannten KV-Cache limitiert, also durch die Speicherung von Key- und Value-Zwischenrepräsentationen über viele Kontextschritte hinweg. Genau an dieser Stelle setzt Intel an und versucht, eine Architektur zu liefern, die nicht zwingend über die höchste Bandbreite per HBM glänzen muss, sondern über große nutzbare Speicherkapazitäten pro Beschleuniger den Engpass entschärft.
Besonders auffällig ist dabei der Verzicht auf HBM. Intel liefert zum OCP Summit 2026 ein erstes Rendering eines PCIe-Beschleunigers, bei dem LPDDR5X die Speicherbasis bildet. Die Referenzkarte ist mit 160 GB ausgestattet; das Design erlaubt es Partnern jedoch, eigene Varianten mit bis zu 480 GB LPDDR5X anzubieten. Intel kommuniziert die Speicheranbindung über ein 1.280 Bit breites Interface und nennt für LPDDR5X-9600 eine theoretische Bandbreite von 1,536 TB/s, in offizieller Lesart „rund 1,5 TB/s“. Für viele produktive Inferenzsysteme kann das ausreichen, solange die Größe des KV-Cache und die Anzahl gleichzeitiger Anfragen hoch priorisiert werden.
Auf Model-Scale-Seite nennt Intel Kapazitätsziele, die vor allem für die Dimensionierung in Betriebsszenarien interessant sind: Auf einer einzelnen GPU D-Series sollen Modelle mit bis zu 300 Milliarden Parametern ausführbar sein, in einem System mit acht Beschleunigern sogar mit mehr als einer Billion Parametern. Welche Quantisierung konkret zugrunde liegt und welche weiteren Einschränkungen gelten, lässt Intel offen – und genau das macht die Einordnung für Entscheider schwierig. Bei großen Modellen müssen neben den Modellgewichten auch Aktivierungen sowie der KV-Cache mit eingerechnet werden; ohne klare Angaben zu Quantisierung, Kontextlängen, Batch-Größen und Token-Parallelität bleibt die Aussage stärker ein Orientierungspunkt als ein belastbares TCO-Rechenmodell.
Auch das Plattform-Setup folgt einem eher pragmatischen Ansatz. Die GPU D-Series ist als luftgekühlte PCIe-Steckkarte mit 350 W Leistungsaufnahme ausgelegt und nutzt PCIe 5.0 mit 16 Lanes. Für skalierbare Systeme sollen sich mehrere Beschleuniger über PCIe-Switch-Infrastruktur zusammenschalten lassen, ohne dass zwingend eine speziell entwickelte Rack-Infrastruktur mit Flüssigkeitskühlung nötig wäre. Damit positioniert Intel die Hardware näher an einer gut integrierbaren „Upgrade“-Strategie als an einem kompletten Datacenter-Neubau – ein Punkt, der in der Praxis oft den größten Teil der Projektlaufzeit und der Integrationskosten ausmacht.
Markt- und Historienblick: Intel versucht damit bewusst, den Fokus weg von früheren, eher schwierig zu operationalisierenden KI-Anläufen zu legen. Im Rückblick werden Gaudi 3 und die späte, letztlich nicht als reguläres Produkt gestartete Plattform Falcon Shores als Beispiele dafür genannt, dass „KI-Beschleuniger“ allein nicht für Marktanteile reichen. Bei Crescent Island soll die Kombination aus speicherstarker Auslegung, vergleichsweise moderater Leistungsaufnahme und standardisierter PCIe-Anbindung insbesondere für Unternehmen attraktiv sein, die große Sprachmodelle lokal betreiben oder viele gleichzeitige KI-Anfragen abwickeln. Ausschlaggebend bleiben am Ende jedoch Faktoren wie Softwareunterstützung, Effizienz der Token-Generierung, Latenzen sowie die Kosten pro verarbeitetem Token.
Für die Bewertung der GPU D-Series heißt das: Technische Kennzahlen liefern ein klares Profil für speicherintensive Inferenz, aber ohne unabhängige Benchmarks zu Durchsatz, Latenz und Energieeffizienz bleibt die reale Wettbewerbsfähigkeit gegenüber etablierten Angeboten von NVIDIA und AMD unbestimmt. Ebenso fehlen bislang konkrete Preis- und Verfügbarkeitsdaten. Gleichzeitig deutet die Richtung an, dass Intel den Inferenzmarkt gezielt adressieren will, wo sich Engpässe häufig weniger im Rohrechenwerk als in Speicherverwaltung und Antwortzeiten zeigen. Wenn die Bemusterung bei ersten Kunden wie beschrieben voranschreitet, entscheidet sich in den kommenden Implementierungs- und Lasttests, ob Intel diesmal nicht nur ein plausibles Hardwareprofil liefert, sondern auch messbar in den Betriebskosten überzeugt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Intel GPU D-Series mit bis zu 480 GB LPDDR5X für Inferenz-Workloads" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Intel GPU D-Series mit bis zu 480 GB LPDDR5X für Inferenz-Workloads" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Intel GPU D-Series mit bis zu 480 GB LPDDR5X für Inferenz-Workloads« bei Google Deutschland suchen, bei Bing oder Google News!