AMD améliore l’efficacité du calcul de l’IA et réduit la consommation d’énergie de 97 % par rapport aux systèmes vieux de cinq ans

AMD s’est lancé dans une mission visant à améliorer l’efficacité énergétique des clusters d’IA à l’échelle du rack, avec l’ambition audacieuse d’atteindre une amélioration de l’efficacité de 20 fois d’ici 2030. Cette initiative vise à rendre les calculs d’IA plus évolutifs et plus durables sur le plan environnemental, alors que la demande en ressources informatiques continue de croître.

L’engagement d’AMD en matière d’efficacité énergétique dans l’IA

[ Communiqué de presse ] : Pour AMD, l’efficacité énergétique est un principe fondamental qui influence notre philosophie de conception et notre feuille de route produits depuis des années. Au cours des dix dernières années, nous avons défini et atteint des objectifs ambitieux, annoncés publiquement, pour améliorer la performance énergétique de nos offres. Aujourd’hui, nous sommes fiers d’annoncer que nous avons dépassé notre objectif 30×25, tout en nous fixant un nouvel objectif ambitieux pour les années à venir.

Lors de la récente conférence Advancing AI, nous avons révélé qu’AMD a non seulement atteint mais dépassé l’objectif 30×25 établi en 2021, qui visait à améliorer l’efficacité énergétique des nœuds de formation de l’IA et de calcul haute performance de 30 fois entre 2020 et 2025. Bien que l’atteinte de cette étape soit une réalisation importante, notre voyage ne s’arrête pas là.

À mesure que l’intelligence artificielle continue de se développer et d’évoluer, la nécessité de concevoir des systèmes d’IA complets de bout en bout devient de plus en plus évidente. Afin de maintenir notre leadership en matière de conceptions écoénergétiques, nous nous fixons un nouvel objectif ambitieux : multiplier par 20 l’efficacité énergétique à l’échelle du rack pour l’entraînement et l’inférence de l’IA, à partir de 2024 et pour 2030.

Définir une nouvelle norme pour l’efficacité de l’IA

Face à la croissance des charges de travail de l’IA et à la hausse constante de la demande, il est clair que les améliorations limitées à l’efficacité au niveau des nœuds ne suffiront pas. Les plus grandes avancées en matière d’efficacité sont désormais réalisables à l’échelle du système, ce qui est au cœur de notre objectif 2030.

Nous sommes confiants dans notre capacité à atteindre cet objectif ambitieux de multiplication par 20 de l’efficacité énergétique à l’échelle du rack pour l’entraînement et l’inférence de l’IA d’ici 2030, ce qui devrait dépasser de près de trois fois les améliorations prévues par le secteur entre 2018 et 2025. Cet objectif englobe des améliorations de performance par watt sur l’ensemble du rack, y compris les processeurs, les GPU, la mémoire, le réseau, le stockage et la conception synergique du matériel et des logiciels. Cette évolution est rendue possible grâce à notre stratégie d’IA complète et intégrée, visant à garantir des opérations de centre de données évolutives et durables.

Impact réel d’une efficacité améliorée

Une multiplication par 20 de l’efficacité à l’échelle du rack, à un rythme d’accélération près de trois fois supérieur à la moyenne du secteur, aura des conséquences profondes. En prenant comme référence l’entraînement d’un modèle d’IA représentatif projeté pour 2025, les bénéfices attendus comprennent :

Consolidation de racks de plus de 275 à moins d’un rack entièrement utilisé.
Une réduction remarquable de la consommation électrique opérationnelle de plus de 95 %.
Une diminution des émissions de carbone d’environ 3 000 tonnes métriques à seulement 100 tonnes métriques d’équivalent CO2 pendant la formation du modèle.

Chez AMD, nous sommes ravis de saisir ces opportunités pour non seulement améliorer les performances, mais aussi redéfinir les possibilités lorsque l’efficacité énergétique prime.À mesure que nous progressons vers cet objectif, nous tiendrons nos parties prenantes informées de nos avancées et de leurs impacts positifs sur l’ensemble de l’écosystème.