Per mesi Crescent Island è stato un nome interno, quasi un’ipotesi. Ora Intel lo trasforma in una linea di prodotto: D-Series. I dati diffusi indicano una GPU D270 con 32 core Xe3P, 256 XMX engine e un massimo di 480 GB di LPDDR5X quando è integrata dai produttori di sistemi, mentre la variante diretta di Intel si ferma a 160 GB. La banda di memoria arriva a 1,5 TB/s e il picco dichiarato in FP8 tocca 1,3 PetaFLOPS. Il formato è PCIe Gen5 x16, il consumo di 350 W, il raffreddamento ad aria.

La mossa ha un significato più profondo della semplice etichetta. Intel sta puntando sulla capacità di memoria come leva di posizionamento, non sulla banda assoluta. In un mercato di acceleratori AI dominato da memorie HBM costose e da schede difficili da reperire, offrire fino a 480 GB di LPDDR5X su una singola scheda sposta l’attenzione su un problema concreto dei deployment locali: far entrare modelli di grandi dimensioni in un server standard senza moltiplicare il numero di GPU. Il compromesso, altrettanto concreto, è che la banda di 1,5 TB/s va confrontata con i throughput richiesti dalle pipeline di inference e di fine-tuning: la capacità aiuta a ospitare i pesi, ma non dice nulla sui token al secondo che si potranno ottenere in produzione. Chi valuta il TCO di un’infrastruttura on-premise deve quindi separare due variabili che spesso vengono confuse: la memoria disponibile e la velocità utile.

La differenza tra la versione da 480 GB degli ODM e quella da 160 GB di Intel introduce un secondo livello di lettura. I produttori di server potranno differenziare le proprie macchine, ma questo rende più complessa la verifica di supporto, driver e compatibilità termica. Non è una questione di facciata: una scheda da 350 W in formato CEM raffreddata ad aria può entrare in molti chassis esistenti, ma il comportamento termico dipende dal flusso d’aria e dal layout del sistema. Per un’azienda che vuole sovranità dei dati e controllo dell’hardware, la promessa di una GPU ad alta capacità è solo il punto di partenza. L’integrazione reale passa da test su driver, serving framework e strategie di quantization. Il supporto dichiarato per formati da FP4 a FP64 indica una certa flessibilità, ma l’efficienza in inference con precisioni ridotte andrà verificata sui carichi di lavoro reali, non sui dati di targa. Per chi valuta deployment on-premise, AI-RADAR mette a disposizione framework analitici su /llm-onpremise per confrontare proprio questi trade-off, senza scorciatoie.

Non c’è ancora una stima di prezzo. Questa assenza conta, perché il posizionamento di Intel si giocherà proprio sul costo per gigabyte di memoria utile e sul costo per token servito. Una scheda con molta LPDDR5X può risultare interessante per inference e fine-tuning di modelli medio-grandi, ma non è automaticamente un’alternativa alle piattaforme HBM per addestramenti prolungati o per carichi ad alta concorrenza. La fonte segnala anche la speranza, non ufficiale, di una variante blower per workstation prosumer: se arrivasse, aprirebbe un canale diverso, ma oggi è solo un auspicio.

Il nome D-Series, insomma, trasforma una GPU sperimentale in un oggetto commerciale. Il messaggio strutturale è che la competizione non si gioca più soltanto sui picchi di calcolo, ma sulla capacità di inserire grandi modelli dentro confini fisici ed economici accettabili. Per i team che scelgono infrastrutture self-hosted, questo cambia i termini del confronto: prima di guardare i PetaFLOPS, bisogna capire se la scheda può ospitare il modello, a quale velocità lo serve e a quale costo complessivo.