- Rozwój akceleratorów Instinct MI350 i MI400 mających na celu konkurowanie w centrach danych o większej przepustowości pamięci.
- Premiera Ryzen AI Max PRO ze zintegrowanymi układami NPU do lokalnego uruchamiania złożonych modeli językowych.
- Postaw na ROCm jako alternatywę typu open source dla dominującego ekosystemu CUDA firmy NVIDIA.
- Integracja procesorów EPYC Venice z maksymalnie 256 rdzeniami w celu optymalizacji infrastruktury serwerów AI.
Wyścig o dominację w dziedzinie sztucznej inteligencji przerodził się z obietnicy w totalną wojnę sprzętową. Na tym polu AMD przyspiesza swoje wysiłki , aby zaoferować wiarygodne alternatywy, które pozwolą firmom i użytkownikom końcowym wdrażać modele AI bez gwałtownego wzrostu kosztów i bez ryzyka, że infrastruktura stanie się przestarzała w ciągu kilku dni.
Cel jest jasny: przejście od prostych projektów pilotażowych do rzeczywistej, skalowalnej produkcji . Aby to osiągnąć, firma koncentruje się nie tylko na samej energii, ale także na rozwiązywaniu typowych problemów, takich jak zarządzanie energią, zarządzanie danymi i ciągła walka o uniknięcie zależności od jednego dostawcy na rynku.
Akceleratory instynktu: bezpośrednie wyzwanie dla firmy NVIDIA
W przypadku centrów danych konwencjonalne procesory graficzne nie wystarczą; niezbędne są akceleratory. Właśnie tutaj pojawia się Instinct MI350 , obiecując ogromny krok naprzód, będąc nawet 35 razy szybszym w zadaniach inferencyjnych niż jego poprzednicy. Te bestie oferują 288 GB pamięci HBM3E, co pozwala im obsługiwać ogromne przepływy pracy z zadziwiającą łatwością.
AMD nie poprzestaje jednak na tym i już planuje Instinct MI400 na rok 2026. Oczekuje się, że te układy osiągną 40 PFLOPS w dokładności FP4 i będą wyposażone w do 432 GB pamięci HBM4. Wszystko to zostanie zintegrowane z procesorami Helios, architekturą zaprojektowaną z myślą o bezpośredniej konkurencji z rozwiązaniami NVIDIA, oferującą naprawdę imponującą przepustowość .
W dłuższej perspektywie, plan obejmuje procesory EPYC Verano i Instinct MI500X, które mogłyby wykorzystać technologię 1,6 nm TSMC. Strategia jest jasna: prześcignąć konkurencję pod względem pojemności pamięci i szybkości transferu, co stanowi prawdziwą przewagę w trenowaniu dużych modeli językowych.
Ekosystem oprogramowania i ściana CUDA
Nie chodzi tylko o wydajny sprzęt. Największą słabością AMD historycznie było oprogramowanie. Podczas gdy NVIDIA dominuje dzięki CUDA, standardowi, z którego korzystają wszyscy, AMD postawiło na ROCm . Wersja 7 tej platformy open source ma na celu zniwelowanie tej różnicy, a nawet zwiększenie jej wydajności w określonych scenariuszach, takich jak model DeepSeek R1.
Mimo to, droga przed nami jest trudna, ponieważ wielu deweloperów uważa, że oprogramowanie AMD wciąż zawiera błędy, które komplikują proces szkolenia . Kluczem do przyszłego sukcesu nie jest dodawanie kolejnych rdzeni, ale zapewnienie płynnego programowania, które nie będzie sprawiało inżynierom bólu głowy.
Sztuczna inteligencja na komputerach stacjonarnych i laptopach: Ryzen AI i Radeon
Dla użytkowników nieposiadających centrum danych w piwnicy, AMD wprowadziło procesory Ryzen AI Max PRO . Te układy scalone integrują dedykowany NPU o wydajności 50 TOPS, umożliwiając wykonywanie zadań takich jak Llama 3.1 70B lokalnie i offline – coś, co jeszcze niedawno wydawało się science fiction w kompaktowym urządzeniu – ułatwiając uruchamianie modeli AI na komputerze.
Pod względem grafiki, seria Radeon RX 9000, a zwłaszcza RX 9070 z 16 GB pamięci VRAM, to przystępne rozwiązanie dla tych, którzy chcą korzystać z inferencji AI bez wydawania fortuny. Dla najbardziej wymagających użytkowników, Radeon AI PRO R9700 podnosi poprzeczkę do 32 GB, eliminując wszelkie wąskie gardła w urządzeniu.
Infrastruktura serwerowa: EPYC Venice
Te procesory graficzne bazują na procesorach serwerowych. Nadchodzące procesory EPYC Venice , oparte na architekturze Zen 6, obiecują warianty z maksymalnie 256 rdzeniami. Ten 70-procentowy wzrost wydajności w porównaniu z poprzednią generacją jest niezbędny, aby zapobiec sytuacji, w której procesor stanie się wąskim gardłem dla tych wydajnych akceleratorów AI.
Ciekawie jest obserwować, jak rynek zaczyna reagować. Osoby takie jak Sam Altman z OpenAI już przyznały, że rozwiązania AMD będą doskonałymi komponentami w ich centrach danych. To pokazuje, że mimo największego udziału w rynku, branża desperacko poszukuje alternatywy, która byłaby bardziej wydajna i przede wszystkim tańsza we wdrożeniu.
Strategia AMD łączy przełomowy sprzęt w zakresie pamięci i mocy obliczeniowej z agresywnym dążeniem do demokratyzacji oprogramowania AI. Integrując dedykowane silniki AI, od laptopów po najbardziej złożone serwery, firma dąży do tego, aby AI przestało być drogim luksusem, a stało się dostępnym i wydajnym narzędziem dla każdego profesjonalisty i firmy.
