AMD rzuca wyzwanie procesorom NVIDIA Grace i Intel Granite Rapids Xeon za pomocą demonstracji wydajności EPYC 5. generacji, osiągając do 2,75-krotną efektywność energetyczną

Firma AMD poczyniła znaczne postępy w zakresie procesorów EPYC piątej generacji, osiągając imponującą wydajność centrów danych x86, przewyższającą procesory Intel Xeon i NVIDIA Grace.

Kompleksowy pokaz wydajności: procesory AMD EPYC piątej generacji skierowane do firm NVIDIA i Intel

Informacja prasowa: Integracja sztucznej inteligencji z tradycyjnymi aplikacjami korporacyjnymi — takimi jak silniki rekomendacji w czasie rzeczywistym, konserwacja predykcyjna i przetwarzanie języka — przekształciła krajobraz centrów danych. Obecnie infrastruktury korporacyjne muszą zaspokajać różnorodne potrzeby, od rozwiązań opartych na sztucznej inteligencji po konwencjonalne aplikacje i rozległe przyspieszone obciążenia AI.

Procesory AMD EPYC stały się głównymi kandydatami do korporacyjnej AI i wydajności węzłów hosta w klastrach zasilanych przez GPU, wykorzystując powszechnie przyjętą architekturę x86. Ta architektura zapewnia wyjątkowe możliwości wydajnościowe i zgodność z wieloma obciążeniami, ostro kontrastując z alternatywami opartymi na architekturze Arm.

Porównanie wydajności AMD EPYC i NVIDIA Grace

Aby sprostać rosnącym wymaganiom nowoczesnego przetwarzania, procesory AMD EPYC są zaprojektowane tak, aby wyróżniać się zarówno w tradycyjnych obciążeniach, jak i obciążeniach skoncentrowanych na sztucznej inteligencji. Zasilają one rozległe i zróżnicowane portfolio systemów od zaufanych globalnych dostawców rozwiązań serwerowych i liderów usług w chmurze, dostosowanych do spełnienia najbardziej rygorystycznych wymagań biznesowych. Kluczowe funkcje obejmują:

Bezkonkurencyjna gęstość rdzeni x86: Do 192 rdzeni na gniazdo, z różnymi modelami procesorów, które gwarantują wysoką wydajność zarówno w przypadku wnioskowania AI, jak i ogólnych zadań obliczeniowych.
Wyjątkowa pojemność pamięci i przepustowość: obsługa terabajtów najnowocześniejszej, standardowej pamięci DDR5, niezbędnej w przypadku skalowalnych tradycyjnych obciążeń, a także aplikacji AI zarządzających obszernymi zbiorami danych.
Bezproblemowa skalowalność: szeroko wspierana architektura x86 pozwala na łatwą adopcję technologii AI, eliminując potrzebę skomplikowanego przepisywania kodu lub kosztownego przenoszenia oprogramowania z alternatywnych architektur.
Większa efektywność energetyczna: procesory AMD EPYC oferują znaczną przewagę pod względem efektywności energetycznej nad procesorami Grace CPU Superchip firmy NVIDIA, zapewniając nawet 2, 75 razy większą wydajność.

Kluczowe porównania: AMD EPYC kontra NVIDIA Grace

2, 75x większa wydajność energetyczna w konfiguracjach z dwoma gniazdami (według testów SPECpower)
2, 17x wyższa wydajność w zadaniach bazodanowych (MySQL TPROC-C)
2, 90x wyższa przepustowość w operacjach kodowania wideo (kodek FFmpeg VP9)
Lepsze wykorzystanie zasobów dzięki technologii jednoczesnego przetwarzania wielowątkowego (SMT)
Do 20% większa przepustowość dla obciążeń akcelerowanych przez GPU w porównaniu z innymi rozwiązaniami x86
Prędkość zegara sięgająca 5 GHz, znacznie przewyższająca częstotliwość bazową 3, 1 GHz procesora NVIDIA Grace

Zmaksymalizuj wydajność GPU dzięki odpowiedniemu procesorowi CPU

Powszechnie wiadomo, że zadania AI na dużą skalę i o niskim opóźnieniu korzystają znacząco z przyspieszenia GPU. Jednak znaczenie wyboru odpowiedniego procesora hosta dla tych obciążeń zależnych od GPU jest często niedoceniane. Procesory AMD EPYC 5.generacji są zoptymalizowane pod kątem maksymalizacji wydajności klastrów obsługujących GPU, osiągając do 20% większą przepustowość niż konkurencyjne opcje x86.

Przetwarzanie o wysokiej częstotliwości w celu zoptymalizowanego przyspieszenia AI

Procesory AMD EPYC 5.generacji mogą osiągać taktowanie do 5 GHz, co jest o 16% wyższe niż niedawno wprowadzony na rynek procesor Intel Xeon 6745P z częstotliwością turbo 4, 3 GHz i znacznie wyższe niż bazowa częstotliwość NVIDIA Grace wynosząca 3, 1 GHz. Ta zwiększona częstotliwość taktowania umożliwia szybsze przetwarzanie danych, efektywne zarządzanie zadaniami i ulepszoną komunikację GPU, co jest niezbędne do zadań związanych z treningiem i wnioskowaniem AI o dużej objętości i niskim opóźnieniu.