AMD Epyc und Instinct: 30-mal mehr Effizienz bei HPC und KI bis 2025 geplant
Milliarden Kilowattstunden an Strom will AMD im Server-Segment in den nächsten Jahren durch Verbesserungen bei seinen Prozessoren und Beschleunigerkarten einsparen.
AMD hatte sich bereits im Rahmen der 2014 initiierten Initiative 25x20 eine erheblich verbesserte Energieeffizienz der eigenen APUs bis 2020 auf die Fahne geschrieben und will dergleichen nun auch mit den kommenden Architekturen bis 2025 für Epyc-Prozessoren und Instinct-Beschleunigerkarten im Server-Segment erreichen. Bis dahin will man im Vergleich zum Jahr 2020 in Anwendungen für das Training von Künstlicher Intelligenz (KI) und High Performance Computing (HPC) die Energieeffizienz um das 30-fache steigern.
Um dieses Ziel zu erreichen, muss AMD nach eigenen Angaben die Energieeffizienz eines Rechenknotens (Accelerated Compute Node) bestehend aus der eigenen Hardware um mehr als das 2,5-fache schneller steigern als die branchenweite Gesamtverbesserung in den letzten fünf Jahren. Das 30-fache Ziel würde demnach bis 2025 Milliarden Kilowattstunden Strom einsparen und den Strombedarf dieser Systeme für eine einzige Berechnung innerhalb von fünf Jahren um 97 Prozent senken.
Bildergalerie
"Die Steigerung der Energieeffizienz von Prozessoren ist eine langfristige Entwicklungspriorität für AMD, und wir setzen jetzt ein neues Ziel für moderne Rechenknoten, die unsere Hochleistungs-CPUs und Beschleuniger für KI-Training und High-Performance-Computing einsetzen", so Mark Papermaster, Executive Vice President und CTO von AMD, in der Ankündigung. "Mit Blick auf diese sehr wichtigen Segmente und das Wertversprechen für führende Unternehmen, ihr Umweltbewusstsein zu verbessern, übertrifft das 30-fache Ziel von AMD die Energieeffizienzleistung der Branche in diesen Bereichen um 150 Prozent im Vergleich zum vorherigen Fünfjahreszeitraum."
AMDs Methodik
Um das Ziel relevant für den weltweiten Energieverbrauch zu machen, will AMD zusätzlich zu den Messungen von Rechenknotenleistung/Watt die segmentspezifische Stromverbrauchseffektivität (PUE) für Rechenzentren unter Berücksichtigung der Geräteauslastung auswerten. Für den Energieverbrauch werden derweil dieselben Verbesserungsraten der Branche für den Energieverbrauch pro Rechenoperation wie in den Jahren 2015 bis 2020 verwendet und auf 2025 extrapoliert.
Das Maß für die Verbesserung des Energieverbrauchs pro Rechenoperation in jedem Segment von 2020 bis 2025 wird mit den prognostizierten weltweiten Volumina multipliziert mit dem typischen Energieverbrauch (TEC) jedes Computersegments gewichtet, um eine aussagekräftige Kennzahl für die tatsächliche Verbesserung des weltweiten Energieverbrauchs zu erhalten.
Tensorkerne statt GP-ALUs für die KI Berechnungen und vielleicht sogar fixed function units. Damit ist es geradezu einfach das Ziel zu erreichen.
Tensorkerne statt GP-ALUs für die KI Berechnungen und vielleicht sogar fixed function units. Damit ist es geradezu einfach das Ziel zu erreichen.