Společnost AMD uvedla, že od roku 2024 do poloviny roku 2026 dosáhla odhadovaného čtyřnásobného zvýšení energetické účinnosti umělé inteligence, čímž překročila svůj plánovaný trojnásobný cíl pro toto období. Do roku 2030 pracuje na 20násobném zlepšení efektivity trénování a inference umělé inteligence v rackových systémech , což je cíl, který si stanovila v červnu 2025.
Společnost měří pokrok oproti výchozímu stavu z roku 2024 pomocí metrik výkonu na watt napříč reprezentativními konfiguracemi racků AMD. Společnost AMD poznamenala, že její výsledky za rok 2026 kombinují naměřená produktová data s modelovanými odhady v případech, kdy konečná data o výkonu nebyla k dispozici. Když společnost AMD stanovila cíl 20násobného nárůstu, uvedla, že samotný cíl téměř 3x překonal trend zlepšování v odvětví z let 2018 až 2025; průběžný 4x výsledek předčí i tento zrychlený nárůst.
Superpočítač Lux se staví v Národní laboratoři Oak Ridge v Tennessee. Lux, poháněný technologií AMD, je navržen jako první operační platforma Genesis Mission a pomůže rozšířit vedoucí postavení amerického ministerstva energetiky v oblasti umělé inteligence a urychlit pokrok a inovace v oblasti energetického výzkumu, materiálových věd, medicíny a pokročilé výroby. (Zdroj: Národní laboratoř Oak Ridge)
Rack-scale, nikoli komponentní
Iniciativa 20×30 společnosti AMD se zaměřuje spíše na zisky v rackovém měřítku než pouze na vylepšení na úrovni komponent. Společnost se ve svém přístupu zaměřuje na koordinovaný pokrok v oblasti výpočetního křemíku, procesních technologií, pamětí a šířky pásma propojení, softwaru a návrhu systémů. To odráží rostoucí důležitost full-stack optimalizace, jelikož se infrastruktura umělé inteligence přesouvá z jednotlivých akcelerátorů do hustě integrovaných racků. „Další vlna efektivity umělé inteligence bude záviset na užší ko-optimalizaci napříč výpočetním křemíkem, pamětí, propojeními, softwarem a návrhem systémů v rackovém měřítku,“ uvedl v oznámení Sam Naffziger, senior viceprezident a člen korporátní skupiny AMD. Jde o stejnou full-stack prezentaci, která stojí za systémem Lux, systémem poháněným AMD, který se stal prvním superpočítačem Genesis Mission v Národní laboratoři Oak Ridge.
Společnost očekává, že vyšší energetická účinnost do roku 2030 přinese dva výsledky v závislosti na tom, jak zákazníci využijí dostupný výkon. Podle jednoho scénáře AMD předpokládá, že přibližně dva budoucí racky by mohly od roku 2024 poskytovat stejnou výpočetní kapacitu jako racky 570, čímž by se snížila spotřeba elektřiny ve fázi používání 20krát a uhlíková náročnost 28krát. Alternativně by plánovaná vylepšení mohla umožnit 20krát více výpočetního výkonu, měřeno v operacích s plovoucí desetinnou čárkou za sekundu na watt, při stejné spotřebě energie.
Technologie pamětí a propojení jsou pro toto úsilí klíčové. Společnost AMD identifikovala paměť s vysokou šířkou pásma, větší mezipaměti a užší integraci paměti s výpočetními prostředky jako mechanismy pro zajištění přísunu výpočetních zdrojů a zároveň pro snížení energeticky náročného přesunu dat. Očekává se , že vysokorychlostní propojení s možností škálování , což je ústřední prvek racku AMD MI455X Helios s 72 GPU, budou také stále důležitější, protože větší úlohy umělé inteligence vyžadují efektivnější komunikaci mezi GPU, CPU, pamětí a dalšími komponentami na úrovni racku.
Software by to mohl zvýšit až na 100x
Software zůstává další součástí strategie společnosti v oblasti efektivity. Společnost AMD uvedla, že její softwarový stack ROCm, otevřené standardy a optimalizace pro zákazníky mají za cíl zlepšit propustnost trénování a inference umělé inteligence a zároveň snížit spotřebu energie na vygenerovaný token. Společnost očekává, že pokroky v oblasti softwaru, algoritmů a modelů spojí zisky z hardwaru a systémů, což by potenciálně mohlo podpořit až 100násobné celkové zlepšení energetické účinnosti umělé inteligence do roku 2030.
Stále více se zaměřuje na užitečný výpočetní výkon na dostupný watt. Vzhledem k tomu, že dodávka energie, chladicí kapacita a fyzická infrastruktura se stávají omezeními pro rozšiřování umělé inteligence, zlepšení výkonu v racku na watt by mohlo snížit spotřebu elektřiny a zlepšit využití infrastruktury, aniž by bylo nutné lineárně škálovat spotřebu energie s poptávkou po výpočetních zdrojích.
Amazon