更新:AMD 30 25在高性能计算和AI-Training能源效率的目标

随着越来越多的设备成为“智能设备”包含嵌入式处理器的互联网连接和经常相机,爆炸的数据创建继续以指数的速度。人工智能(AI)和高性能计算(HPC)改变计算景观,使这个庞大的数据宝库进行分析,导致更高的质量分析,自动化服务,增强安全性和更多的目的。188bet上不了挑战:这些先进的规模计算要求越来越多的能源消耗。

作为一个领导者在创建高性能处理器来解决世界上最苛刻的分析,AMD已经优先考虑能源效率在我们的产品开发。我们通过整体接近跨架构,设计电力优化包装,连接,和软件。我们专注于能源效率的目标是降低成本,保护自然资源,减轻气候变化带来的影响。

优先考虑能源效率在AMD并不新鲜。事实上,我们在2014年自愿为自己设定一个目标,加快我们的移动处理器的典型使用能源效率25 x到2020年。我们遇到了这个目标,超过它的实现提高31.7倍。

去年我们宣布了一项新的愿景——一个30 25目标——到2025年实现30倍能源效率改进从2020年基线为我们加快数据中心计算节点。^我建立与AMD EPYC™AMD cpu和本能™加速器,这些节点是为一些全球增长最快的设计计算需要在人工智能训练和HPC应用程序。这些应用程序是必不可少的在气候预测科学研究,基因组学、药物发现,以及培训的人工智能神经网络语音识别,语言翻译和专家推荐系统。这些应用程序的计算要求是呈指数级增长。幸运的是,我们相信可以优化能源使用这些和其他应用程序的加速计算节点通过建筑创新。

AMD,连同我们的行业,了解数据中心效率提升的机会来帮助减少温室气体排放,提高环境的可持续性。金博宝怎么注册例如,如果全球AI和高性能计算服务器节点都作出类似的收益,我们项目510亿千瓦小时(kWh)的电力可以拯救2021 - 2025年相对于基线行业趋势,总计6.2 b美元在电力储蓄以及碳收益从6亿年树苗种植了10年。^二世

实际上,实现30 x目标意味着在2025年,这些AMD加速计算节点所需的力量来完成一个计算将比2020年低97%。到达那里并非易事。实现这个目标意味着我们需要增加一个加速计算节点的能源效率快的速度是超过2.5倍比聚合行业改进期间2015 - 2020。^三世

一年进步更新

所以我们要如何做?近2022中途,我们在跟踪实现30 25,到达6.79 x改善能源效率从2020年基线使用加速计算节点由一个第三代AMD EPYC CPU和四个AMD MI250x gpu的本能。我们的进展报告利用测量方法^四世验证了计算节能研究员兼作家,著名博士乔纳森·库米。

常态”基线行业趋势”估计2020 - 2025年全球能源使用遵循同样的历史趋势观察2015 - 2020年的数据。AMD的目标趋势线显示了全球能源使用基于AMD 30 25所代表的效率提升目标与降低能源消耗的理想的结果。AMD实际趋势线显示了全球能源使用基于AMD compute节点能源效率收益报告日期。

虽然有更多的30 25去达到我们的目标,我很高兴通过我们的工程师的工作,并鼓励结果到目前为止。我邀请你和我们继续每年报告进度。

# #

^我场景基于全球所有AI和HPC server节点对AMD 30 x进行类似的收益目标,导致累积储蓄高达514亿千瓦时的电力从2020年2021 - 2025年相对于基线的趋势。假设0.12美元美分每千瓦时x 514亿千瓦时= 620万美元。吨二氧化碳排放量,相当于预估树种植,是基于输入电能储蓄投入美国环保局温室气体相等12/1/2021计算器。https://www.epa.gov/energy/greenhouse-gas-equivalencies-calculator

^二世基于2015 - 2020年在数据中心能源效率提高和行业趋势在2025年能源消耗。

^三世计算包括1)基本情况kWhr库米使用预测在2025年进行了分析基于可用的研究和数据,包括segment-specific预计2025年部署卷和数据中心的用电效率(PUE)包括GPU HPC和机器学习(ML)安装,和2)AMD CPU插座和GPU节点功耗将segment-specific利用率(活性比空闲)百分比和乘以PUE确定实际能源消耗总量的“性能/瓦特”值的计算。

6.79 x =(基本情况HPC节点kWhr使用投影在AMD 2025 x 2022性能/瓦特改进使用DGEMM和典型能源消费+基地例ML节点kWhr使用投影在2025 * 2022 (AMD)性能/瓦特改进使用毫升数学和典型的能源消耗)/(2020性能/瓦特*基本情况预计2025年kWhr使用)。关于目标和方法的更多信息,请访问https://www.amd.com/en/corporate-responsibility/data-center-金博宝怎么注册sustainability

^四世包括AMD高性能CPU和GPU加速器用于人工智能训练和高性能计算4-Accelerator, CPU主持配置。目标计算是基于考试成绩作为衡量标准性能指标(HPC: Linpack DGEMM内核失败4 k矩阵大小。人工智能训练:低精度training-focused浮点数学GEMM内核如FP16或BF16失败操作4 k矩阵)除以额定功耗的代表加速计算节点包括CPU主机+内存和4 GPU加速器。