AMD 已著手提高機架式 AI 集群的能源效率，並雄心勃勃地規劃在 2030 年實現 20 倍的效率提升。隨著對運算資源的需求不斷增長，該計劃旨在使 AI 運算更具可擴展性和環境可持續性。
AMD 對 AI 能源效率的承諾
[新聞稿]：對 AMD 而言，能源效率是多年來一直影響我們設計理念和產品路線圖的基本原則。過去十年，我們設定並實現了雄心勃勃、公開宣布的目標，以提升我們產品的能源效率。今天，我們很自豪地宣布，我們已經超額完成了 30×25 的目標，同時也為未來幾年設定了令人振奮的新目標。
在最近的 Advancing AI 大會上，我們透露 AMD 不僅達到而且超越了 2021 年設定的 30×25 目標，該目標旨在在 2020 年至 2025 年期間將 AI 訓練和高效能運算節點的能源效率提高 30 倍。雖然實現這一里程碑是一項重大成就，但我們的旅程並未就此結束。
隨著人工智慧的不斷擴展和發展，完整的端到端AI系統設計的重要性日益凸顯。為了維持我們在節能設計領域的領先地位，我們設定了一個大膽的新目標：以2024年為基準，將用於AI訓練和推理的機架級能效提升20倍，力爭在2030年實現。
定義人工智慧效率的新標準
隨著AI工作負載的成長和需求的持續成長，顯然，僅限於節點級效率的改進已遠遠不夠。如今，最大的效率提升可以在系統層級實現，而這正是我們2030年目標的核心。
我們有信心，到2030年，我們有能力實現將AI訓練和推理的機架級能效提升20倍這一宏偉目標，這將比2018年至2025年行業預期的提升高出近三倍。這個目標涵蓋了整個機架的每瓦效能提升，包括CPU、GPU、記憶體、網路、儲存以及軟硬體的協同設計——這一革新得益於我們全面的端到端AI戰略，旨在實現可擴展且可持續的資料中心營運。
提高效率的實際影響
實現機架級效率提升 20 倍，加速速度接近先前業界平均的三倍，將帶來深遠的影響。以 2025 年代表性 AI 模型的訓練為參考，預期效益包括：
- 將機架數量從 275 多個整合為少於一個充分利用的機架。
- 營運電力消耗顯著減少 95% 以上。
- 在模型訓練期間，碳排放量從約 3, 000 公噸減少到僅 100 公噸二氧化碳當量。
在 AMD，我們非常高興能夠抓住這些機會，不僅提升效能水平，更將重新定義以能源效率為先的無限可能。隨著我們朝著目標不斷邁進，我們將隨時向利害關係人通報我們的進展，以及這些改進將對整個生態系統產生的正面影響。
發佈留言 ▼