AMD zwiększa wydajność obliczeniową AI, zmniejsza zużycie energii o 97% w porównaniu do pięcioletnich systemów

AMD rozpoczęło misję mającą na celu zwiększenie efektywności energetycznej klastrów AI w skali szafy, z ambitnym zamiarem osiągnięcia 20-krotnej poprawy efektywności do roku 2030. Inicjatywa ta ma na celu uczynienie obliczeń AI bardziej skalowalnymi i przyjaznymi dla środowiska, ponieważ zapotrzebowanie na zasoby obliczeniowe nadal rośnie.

Zaangażowanie AMD w efektywność energetyczną w dziedzinie sztucznej inteligencji

[ Informacja prasowa ]: Dla AMD efektywność energetyczna jest podstawową zasadą, która od lat wpływa na naszą filozofię projektowania i plan działania produktów. W ciągu ostatniej dekady wyznaczyliśmy i zrealizowaliśmy ambitne, publicznie ogłoszone cele, aby zwiększyć wydajność energetyczną naszych ofert. Dzisiaj z dumą ogłaszamy, że przekroczyliśmy nasz cel 30×25, jednocześnie wyznaczając sobie ekscytujący nowy cel na nadchodzące lata.

Podczas niedawnej konferencji Advancing AI ujawniliśmy, że AMD nie tylko osiągnęło, ale wręcz przekroczyło cel 30×25 ustalony w 2021 r., który zakładał 30-krotne zwiększenie efektywności energetycznej węzłów szkoleniowych AI i wysokowydajnych komputerów w latach 2020–2025. Chociaż osiągnięcie tego kamienia milowego jest znaczącym osiągnięciem, nasza podróż na tym się nie kończy.

W miarę jak sztuczna inteligencja nadal się rozwija i ewoluuje, coraz bardziej oczywista staje się konieczność kompleksowych projektów systemów AI typu end-to-end. Aby utrzymać pozycję lidera w zakresie energooszczędnych projektów, wyznaczamy sobie nowy, śmiały cel: 20-krotny wzrost efektywności energetycznej w skali szafy dla szkolenia i wnioskowania AI, zaczynając od 2024 r.i dążąc do ukończenia do 2030 r.

Definiowanie nowego standardu wydajności AI

Wraz ze wzrostem obciążeń AI i nieustannym wzrostem popytu, jasne jest, że ulepszenia ograniczone do wydajności na poziomie węzłów nie wystarczą. Największe postępy w wydajności są teraz osiągalne na poziomie systemu, który leży u podstaw naszego celu na rok 2030.

Jesteśmy pewni, że jesteśmy w stanie osiągnąć ten ambitny 20-krotny wzrost efektywności energetycznej w zakresie szaf w zakresie szkolenia i wnioskowania AI do 2030 r., co ma przewyższyć prognozowane ulepszenia branżowe z 2018 r.do 2025 r.o prawie trzy razy. Ten cel obejmuje ulepszenia wydajności na wat obejmujące całą szafę, w tym procesory, procesory graficzne, pamięć, sieć, pamięć masową i synergistyczny projekt sprzętu i oprogramowania — ewolucja ta stała się możliwa dzięki naszej kompleksowej strategii AI typu end-to-end ukierunkowanej na skalowalne i zrównoważone operacje centrów danych.

Rzeczywisty wpływ poprawy wydajności

Osiągnięcie 20-krotnego zwiększenia wydajności w skali regału, przy tempie przyspieszenia prawie trzykrotnie przekraczającym poprzednią średnią branżową, będzie miało głębokie konsekwencje. Korzystając z treningu reprezentatywnego modelu AI prognozowanego na 2025 r.jako odniesienia, przewidywane korzyści obejmują:

Konsolidacja regałów z ponad 275 do mniej niż jednego, w pełni wykorzystanego regału.
Znaczna redukcja zużycia energii elektrycznej w trakcie eksploatacji, aż o ponad 95%.
Zmniejszenie emisji dwutlenku węgla z około 3000 ton metrycznych do zaledwie 100 ton metrycznych ekwiwalentu CO2 w trakcie szkolenia modelu.

W AMD jesteśmy podekscytowani możliwością wykorzystania tych możliwości, aby nie tylko podnieść poziom wydajności, ale także zdefiniować na nowo możliwości, gdy priorytetem jest efektywność energetyczna. W miarę postępów w dążeniu do celu będziemy informować naszych interesariuszy o naszych postępach i pozytywnym wpływie, jaki te ulepszenia będą miały na cały ekosystem.