AMD于8月18日报告称，从2024年基准到2026年中期，其机架级AI系统的能效提升了4倍。
据Tom's Hardware报道，该公司此前曾预测在通往2030年20倍机架级效率目标的路径上，该时间节点应为3倍提升。
而StorageReview的报道称，AMD的计算结合了实测产品数据和在最终性能数据不可用时使用的建模估算。
报道称，AMD通过代表性机架配置中的每瓦性能指标来衡量这一结果，而非单独比较CPU或加速器。
AMD指标的涵盖范围
Tom's Hardware报道称，AMD的机架级方法涵盖了计算性能、工艺技术、内存带宽、数据传输、互连、软件和系统级协同设计。AMD将计算能力、内存带宽和互连带宽确定为AI系统性能的关键决定因素。
在评估总体数字时，这一范围很重要。StorageReview报道称，AMD的2026年计算结合了实测产品数据和在最终性能数据不可用时使用的建模估算。因此，4倍的结果是公司报告的估算值，而非实际基准测试结果。Tom's Hardware同样指出，这些数字是估算值而非实际基准测试结果。
AMD高级副总裁兼企业研究员Sam Naffziger在公告中表示：“AI效率的下一波提升将依赖于计算硅片、内存、互连、软件和机架级系统设计之间更紧密的协同优化。”
2030年情景仍属预测
据StorageReview报道，AMD概述了实现2030年目标后可能出现的两种结果。在一种预计部署情景中，到2030年大约两个机架就可提供相当于2024年570个机架的计算能力，使用阶段用电量降低20倍，碳强度降低28倍。在另一种情景中，相同的能源使用量可提供20倍多的计算能力（以每秒每瓦浮点运算次数衡量）。
这些情景取决于未来的硬件、软件和系统配置，因此不应解读为当前的客户结果。更广泛地说，类似的AI基础设施项目越来越多地在机架或集群层面评估效率，因为内存、网络、供电、冷却和软件利用率可能显著影响每个有用工作负载的能耗。对于机器学习基础设施团队而言，所报告的方法论强化了在评估加速器性能的同时，还需要考量端到端吞吐量、内存行为、互连利用率和设施功耗。
（素材来自：AMD 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。