WARTABANJAR.COM - Guna merespons krisis memori global yang saat ini mulai menerpa, pabrikan chip asal Amerika Serikat (AS), Advanced Micro Devices (AMD) sedang mencoba melakukan pendekatan baru untuk mengatasinya.

Caranya, melakukan pemanfaatan fungsi media penyimpanan (storage) sebagai "RAM virtual" berbasis kecerdasan buatan (AI).

Upaya ini muncul setelah AMD mengakuisisi startup asal California, AS, MEXT, pada 15 Juni 2026 lalu.

Perusahaan tersebut mengembangkan sistem bernama Predictive Memory Engine, yang dirancang untuk membuat penyimpanan NAND flash seperti solid-state drive (SSD), agar bisa bekerja menjadi mirip DRAM.

Konsepnya sekilas mirip dengan RAM virtual yang ada di smartphone kekinian, tetapi dengan skala dan pendekatan yang jauh lebih kompleks.

Dalam Predictive Memory Engine, sistem berbasis AI akan memprediksi data apa yang kemungkinan dibutuhkan oleh aplikasi atau sistem dalam waktu dekat.

Data tersebut kemudian dipindahkan dari penyimpanan ke memori utama (DRAM), sebelum benar-benar diminta, sehingga seolah kapasitas RAM-nya lebih besar.

Pendekatan ini dinilai dapat membantu mengurangi tekanan pada penggunaan DRAM, terutama di pusat data yang kini menghadapi lonjakan kebutuhan memori akibat pesatnya perkembangan AI.

Baca Juga: Gangguan Sistem Kelistrikan Kalimantan, Pemkab HST Minta Warga Antisipasi Pemadaman Bergilir

Baca Juga: Cerita Dira Setahun di Sekolah Rakyat, Belajar Banyak Hal Hingga Dipercaya Jadi Ketua OSIS

Meski terdengar menjanjikan, teknologi ini belum dirancang sebagai pengganti RAM di komputer pribadi.

AMD dan MEXT saat ini baru akan menerapkan untuk data center. Pasalnya, data center disebut memiliki pola kerja lebih stabil dan mudah diprediksi.

Beban kerja seperti AI inference, analitik data, dan virtualisasi dinilai paling cocok untuk pendekatan ini karena memiliki pola akses data yang berulang dan bisa diprediksi.

Dengan begitu, sistem dapat "belajar" dan mengantisipasi kebutuhan data lebih cepat.

Sementara itu, untuk penggunaan di PC konsumen seperti gaming, browsing, atau multitasking, pendekatan ini dinilai kurang efektif karena pola akses memori yang lebih acak dan sulit diprediksi secara konsisten.