AMD anunció que ha logrado un aumento estimado de cuatro veces en la eficiencia energética de la IA entre 2024 y mediados de 2026, superando su objetivo previsto de tres veces para ese período. Además, está trabajando para lograr una mejora de veinte veces en la eficiencia del entrenamiento y la inferencia de IA a escala de rack para 2030 , meta que se fijó en junio de 2025.
La compañía mide el progreso con respecto a una base de referencia de 2024 utilizando métricas de rendimiento por vatio en configuraciones representativas de racks AMD. AMD señaló que sus resultados de 2026 combinan datos de producto medidos con estimaciones modeladas cuando no se disponía de datos de rendimiento finales. Cuando AMD estableció el objetivo de multiplicar por 20, afirmó que este superaba la tendencia de mejora de la industria entre 2018 y 2025 en casi tres veces; el resultado provisional de multiplicar por cuatro supera incluso esa pendiente acelerada.
La supercomputadora Lux se encuentra en construcción en el Laboratorio Nacional de Oak Ridge, en Tennessee. Impulsada por tecnología AMD, Lux está diseñada para ser la primera plataforma operativa de la Misión Génesis y contribuirá a ampliar el liderazgo del Departamento de Energía de EE. UU. en inteligencia artificial, además de acelerar el progreso y la innovación en la investigación energética, la ciencia de los materiales, la medicina y la fabricación avanzada. (Crédito: Laboratorio Nacional de Oak Ridge)
A escala de rack, no a nivel de componentes.
La iniciativa 20×30 de AMD se centra en mejoras a nivel de rack, en lugar de mejoras únicamente a nivel de componentes. La compañía basa su enfoque en avances coordinados en silicio computacional, tecnología de proceso, memoria, ancho de banda de interconexión, software y diseño de sistemas. Esto refleja la creciente importancia de la optimización integral a medida que la infraestructura de IA pasa de aceleradores individuales a racks densamente integrados. «La próxima ola de eficiencia de la IA dependerá de una cooptimización más rigurosa en silicio computacional, memoria, interconexiones, software y diseño de sistemas a escala de rack», declaró Sam Naffziger, vicepresidente sénior y miembro corporativo de AMD, en el anuncio. Es la misma propuesta integral que impulsó a Lux, el sistema con tecnología AMD que se convirtió en la primera supercomputadora de la Misión Génesis en el Laboratorio Nacional de Oak Ridge.
La compañía prevé que una mayor eficiencia energética genere dos resultados para 2030, dependiendo de cómo los clientes implementen el rendimiento disponible. En un escenario, AMD proyecta que aproximadamente dos racks futuros podrían ofrecer la misma capacidad de procesamiento que 570 racks a partir de 2024, reduciendo el consumo de electricidad en la fase de uso en 20 veces y la intensidad de carbono en 28 veces. Alternativamente, las mejoras proyectadas podrían permitir 20 veces más procesamiento, medido en operaciones de coma flotante por segundo por vatio, con el mismo consumo de energía.
Las tecnologías de memoria e interconexión son fundamentales para este objetivo. AMD identificó la memoria de alto ancho de banda, las cachés más grandes y una integración más estrecha entre la memoria y el procesamiento como mecanismos para mantener los recursos de procesamiento alimentados y, al mismo tiempo, reducir el movimiento de datos que consume mucha energía. Se espera que las interconexiones de escalabilidad de alta velocidad , el núcleo del rack MI455X Helios de AMD con 72 GPU, adquieran cada vez más importancia a medida que las cargas de trabajo de IA más grandes requieran una comunicación más eficiente entre las GPU, las CPU, la memoria y otros componentes del rack.
El software podría aumentarlo a 100x.
El software sigue siendo un componente clave en la estrategia de eficiencia de la compañía. AMD afirmó que su plataforma de software ROCm, los estándares abiertos y las iniciativas de optimización para clientes buscan mejorar el rendimiento del entrenamiento y la inferencia de la IA, a la vez que reducen el consumo de energía por token generado. La compañía prevé que los avances en software, algoritmos y modelos potencien las mejoras en hardware y sistemas, lo que podría permitir una mejora general de hasta 100 veces en la eficiencia energética de la IA para 2030.
La atención se centra cada vez más en la capacidad de procesamiento útil por vatio disponible. A medida que el suministro eléctrico, la capacidad de refrigeración y la infraestructura física se convierten en limitaciones para la expansión de la IA, las mejoras en el rendimiento por vatio a escala de rack podrían reducir el consumo de electricidad y mejorar la utilización de la infraestructura sin necesidad de que el consumo de energía aumente linealmente con la demanda de procesamiento.
Amazon