پیشرفت چشمگیر AMD در بهرهوری انرژی سیستمهای هوش مصنوعی: چهار برابر کارآمدتر از سال ۲۰۲۴
شرکت AMD اعلام کرده است که سیستمهای هوش مصنوعی Rack-Scale این شرکت اکنون حدود چهار برابر بهرهوری انرژی بیشتری نسبت به خط پایه سال ۲۰۲۴ دارند. این عدد ۳۳ درصد بالاتر از هدف سه برابری موقتی است که AMD برای خود تعیین کرده بود. این پیشرفت به دو نتیجه متفاوت منجر میشود: یا میتوان با تعداد رکهای بسیار کمتر همان قدرت پردازشی را به دست آورد، یا با همان میزان مصرف انرژی، بیست برابر قدرت پردازشی بیشتر را ارائه داد.
گزارش پیشرفت AMD در اهداف بهرهوری انرژی
AMD اخیراً گزارشی از پیشرفت خود در دستیابی به اهداف بهرهوری انرژی که در ژوئن ۲۰۲۵ تعیین کرده بود، منتشر کرده است. این گزارش نشان میدهد که اعداد و ارقام حتی بهتر از اهداف اولیه شرکت هستند. در مقایسه با خط پایه سال ۲۰۲۴، سیستمهای هوش مصنوعی Rack-Scale این شرکت اکنون تقریباً چهار برابر کارآمدتر هستند. این روند، بر اساس محاسبات خود AMD، بیش از دو برابر خط روند تاریخی صنعت است.
این پیشرفت با تعهد ششساله AMD همخوانی دارد. این شرکت متعهد شده است تا سال ۲۰۳۰، بهرهوری انرژی سیستمهای Rack-Scale خود برای آموزش و استنتاج هوش مصنوعی را بیست برابر افزایش دهد.
تمرکز بر بهرهوری برای جذب مشتریان بیشتر در حوزه هوش مصنوعی
این اولین بار نیست که AMD اهداف بلندپروازانهای در زمینه عملکرد و بهرهوری تعیین میکند. هدف قبلی این شرکت که بهصورت داخلی با نام ۳۰x25 شناخته میشد، بهبود سی برابری در سطح نود بین سالهای ۲۰۲۰ تا ۲۰۲۵ بود. AMD نهتنها به این هدف رسید، بلکه با دستیابی به بهبود ۳۸ برابری، از پیشبینیهای خود فراتر رفت.
اگر بهرهوری و عملکرد AMD همانطور که برنامهریزی شده به ۲۰ برابر افزایش یابد، دو گزینه پیش روی کاربران قرار میگیرد:
- کاهش تعداد رکها و استفاده از سیستمهای بزرگتر اما تکرک برای انجام کارها در مقایسه با سختافزارهای قدیمی.
- استفاده از همان میزان انرژی برای دستیابی به ۲۰ برابر قدرت پردازشی بیشتر.
چرا بهرهوری انرژی AMD اهمیت دارد؟
در زمانی که همه، از استارتاپهای هوش مصنوعی گرفته تا شرکتهای بزرگ، به دنبال افزایش توان پردازشی هستند، بهرهوری انرژی AMD میتواند پیشنهاد جذابی باشد. پیشبینیها نشان میدهند که مصرف برق مراکز داده جهانی تا سال ۲۰۳۰ بیش از دو برابر خواهد شد و به حدود ۹۴۵ تراواتساعت خواهد رسید؛ عددی معادل مصرف برق کل کشور ژاپن.
پیشرفت AMD به لطف GPUهای جدید این شرکت است که بهطور چشمگیری کارآمدتر از نسلهای قبلی هستند. MI300X که بهعنوان خط پایه در نظر گرفته شده، یک قطعه ۷۵۰ واتی است که تا ۲.۶ پتاFLOPS عملکرد FP8 متراکم ارائه میدهد. برای مقایسه، هر GPU نسل فعلی MI455X در پلتفرم Helios:
- بین ۷.۷ تا ۱۵.۴ برابر عملکرد محاسباتی شناور (Floating Point) بیشتری دارد.
- ۲.۲۵ برابر حافظه HBM بیشتری ارائه میدهد.
- ۴.۴ برابر پهنای باند حافظه بیشتری دارد.
- چهار برابر پهنای باند اتصال چیپ به چیپ بیشتری ارائه میدهد.
- در حالی که سه برابر انرژی بیشتری مصرف میکند.
تعهد AMD به بهرهوری انرژی
جاستین موریل، مدیر ارشد پایداری AMD، در مصاحبهای با Trellis گفت که تمام تیمهای AMD اهداف مشخصی برای بهرهوری انرژی به ازای هر وات برای محصولات جدید دارند و پیشرفت در این زمینه با پاداشهای شرکت مرتبط است.
آینده بهرهوری انرژی در صنعت هوش مصنوعی
در حال حاضر، AMD از برنامههای خود جلوتر است و به یک هدف مهندسی واقعی و مستند دست یافته است. با این حال، دستیابی به این اهداف به معنای کاهش مصرف برق صنعت هوش مصنوعی نخواهد بود. زیرا افزایش بهرهوری و عملکرد تنها تقاضا برای سختافزارهای هوش مصنوعی را بیشتر میکند. این در حالی است که تقاضا برای قدرت پردازشی هوش مصنوعی همچنان در حال افزایش است.
نتیجهگیری
AMD با تمرکز بر بهرهوری انرژی و عملکرد، نهتنها از رقبا پیشی گرفته است، بلکه بهدنبال تغییرات اساسی در نحوه طراحی و استفاده از سختافزارهای هوش مصنوعی است. با توجه به افزایش روزافزون تقاضا برای پردازشهای هوش مصنوعی، این پیشرفتها میتوانند نقشی کلیدی در آینده این صنعت ایفا کنند.
📌 منبع: TechRadar | 📅 1405/06/02
