- Udvikling af Instinct MI350- og MI400-acceleratorer til at konkurrere i datacentre med højere hukommelsesbåndbredde.
- Ryzen AI Max PRO lanceres med integrerede NPU'er til at køre komplekse sprogmodeller lokalt.
- Sats på ROCm som et open source-alternativ til NVIDIAs dominans i CUDA-økosystemet.
- Integration af EPYC Venice-processorer med op til 256 kerner for at optimere AI-serverinfrastrukturen.
Kapløbet om at dominere kunstig intelligens er gået fra et løfte til en total hardwarekrig. På dette område accelererer AMD sine bestræbelser på at tilbyde troværdige alternativer, der giver virksomheder og slutbrugere mulighed for at implementere AI-modeller uden at omkostningerne stiger voldsomt, eller at infrastrukturen bliver forældet inden for få dage.
Målet er klart: at gå fra simple pilotprojekter til reel, skalerbar produktion . For at opnå dette fokuserer virksomheden ikke kun på rå energi, men også på at løse almindelige hovedpiner, såsom energistyring, datastyring og den løbende kamp for at undgå afhængighed af en enkelt leverandør på markedet.
Instinct Accelerators: Den direkte udfordring til NVIDIA
Når det kommer til datacentre, er konventionelle GPU'er ikke nok; acceleratorer er essentielle. Det er her, Instinct MI350 kommer ind i billedet, der lover et massivt spring fremad, da den er op til 35 gange hurtigere til inferensopgaver end sine forgængere. Disse bæster kan prale af 288 GB HBM3E-hukommelse, hvilket giver dem mulighed for at håndtere massive arbejdsgange med forbløffende lethed.
Men AMD stopper ikke der og har allerede sigtet mod Instinct MI400 i 2026. Disse chips forventes at nå 40 PFLOPS i FP4-nøjagtighed og have op til 432 GB HBM4-hukommelse. Alt dette vil blive integreret i Helios-rackene, en arkitektur designet til at konkurrere direkte med NVIDIA-løsninger og tilbyde en virkelig svimlende båndbreddekapacitet .
På lang sigt inkluderer køreplanen EPYC Verano og Instinct MI500X, som kan udnytte TSMC's 1,6nm produktionsnode. Strategien er klar: at overgå konkurrenterne i hukommelseskapacitet og overførselshastighed, hvilket er der, hvor den virkelige fordel ligger, når man træner massive sprogmodeller.
Softwareøkosystemet og CUDA-væggen
Det handler ikke kun om kraftfuld hardware. AMDs største svaghed har historisk set været software. Mens NVIDIA dominerer med CUDA, standarden alle bruger, har AMD valgt ROCm . Version 7 af denne open source-platform sigter mod at lukke hullet og endda blive mere effektiv end CUDA i specifikke scenarier som DeepSeek R1-modellen.
Alligevel er vejen frem udfordrende, fordi mange udviklere mener, at AMD's software stadig har fejl, der komplicerer træning . Nøglen til fremtidig succes ligger ikke i at tilføje flere kerner, men i at sikre en problemfri programmeringsoplevelse, der ikke er en hovedpine for ingeniører.
AI på stationære og bærbare computere: Ryzen AI og Radeon
For brugere uden et datacenter i kælderen har AMD lanceret Ryzen AI Max PRO- processorerne . Disse chips integrerer en dedikeret NPU, der når 50 TOPS, hvilket gør det muligt at køre opgaver som Llama 3.1 70B lokalt og offline – noget der virkede som science fiction i en kompakt enhed for ikke så længe siden – hvilket gør det nemmere at køre AI-modeller på din pc.
Grafikmæssigt er Radeon RX 9000-serien, især RX 9070 med sine 16 GB VRAM, et tilgængeligt udgangspunkt for dem, der ønsker at lave AI-inferens uden at bruge en formue. For de mest krævende brugere hæver Radeon AI PRO R9700 barren til 32 GB, hvilket eliminerer eventuelle flaskehalse i enheden.
Serverinfrastruktur: EPYC Venedig
Disse GPU'er er afhængige af serverprocessorer. De kommende EPYC Venice-processorer , baseret på Zen 6, lover varianter med op til 256 kerner. Denne 70% ydelsesforøgelse i forhold til den forrige generation er afgørende for at forhindre, at CPU'en bliver en flaskehals for disse kraftfulde AI-acceleratorer.
Det er interessant at se, hvordan markedet begynder at reagere. Personer som Sam Altman fra OpenAI har allerede erkendt, at AMD-løsninger vil være fantastiske komponenter i deres datacentre. Dette viser, at selvom NVIDIA har den største markedsandel, søger branchen desperat et alternativ, der er mere effektivt og frem for alt billigere at implementere.
AMDs strategi kombinerer banebrydende hardware inden for hukommelse og processorkraft med en aggressiv indsats for at demokratisere AI-software. Ved at integrere dedikerede AI-motorer fra bærbare computere til de mest komplekse serverracks, sigter virksomheden mod at gøre AI ikke længere til en dyr luksus, men til et tilgængeligt og effektivt værktøj for enhver type professionel eller virksomhed.
