Mākslīgā intelekta (AI) sacensības ir sasniegušas jaunu kulmināciju, kurā divi tehnoloģiju giganti - AMD un Nvidia - cīnās par dominanci datu centros. Nesen AMD paziņoja par būtisku soli uz priekšu, iegūstot Microsoft Azure kā lielo klientu savai jaunajai AI sistēmai “Helios”. Ko tas nozīmē AI nākotnei un kā tas ietekmēs mūsu digitālo ikdienu?
AMD “Helios” ienāk ringā
AMD “Helios” sistēma, kas izmanto “Open Rack Wide” (ORW) formātu, ir jaudīgs spēlētājs, kas paredzēts liela mēroga AI apmācībai un secinājumu iegūšanai. Katrā “Helios” skapī ir ievietoti 72 Instinct MI455X AI paātrinātāji, katrs ar iespaidīgiem 432 GB HBM4 atmiņas. Kopumā viens “Helios” statīvs piedāvā milzīgus 31.1 TB HBM4 atmiņas, nodrošinot plašu datu apstrādes kapacitāti. Šo paātrinātāju savienojumu nodrošina jauni Zen-6 Epyc procesori no “Venice” paaudzes, kas ražoti ar 2 nanometru tehnoloģiju, katrs ar 128 CPU kodoliem un 16 DDR5-RAM kanāliem, nodrošinot 1.6 TByte/s joslas platumu. Tīklošanai AMD izmanto savus Pensando adapterus un Ethernet ar UALink, ar komutatoriem no HPE Juniper. Lai gan AMD pats “Helios” skapjus neražos, HPE ir viens no galvenajiem ražošanas partneriem.
Nvidia atbilde: Vera Rubin NVL72
Tiešs konkurents AMD “Helios” ir Nvidia izstrādātā Vera Rubin NVL72 sistēma. Arī šajā sistēmā ir 72 “Rubin” paātrinātāji, kas nodrošina augstu veiktspēju AI uzdevumiem. Lai gan Nvidia “Rubin” paātrinātāji piedāvā nedaudz ātrāku HBM4 atmiņas piekļuvi (22 TByte/s pret AMD 19.6 TByte/s), kas ir par 12 procentiem ātrāk, to kopējais atmiņas apjoms ir mazāks - 20.7 TByte uz statīvu, kas ir par trešdaļu mazāk nekā AMD piedāvājums. Salīdzinot veiktspēju, Nvidia risinājums ir priekšā ar 3.6 Exaflops pret AMD 2.9 Exaflops (24% ātrāk) FP4 datu apstrādē. Tomēr FP8 datu apstrādē abi giganti ir gandrīz vienlīdzīgi.
Ietekme uz izmaksām un efektivitāti
Šo AI sistēmu izmaksas un enerģijas patēriņš ir astronomiski. Lai gan oficiālas cenas netiek atklātas, nozares eksperti lēš, ka Nvidia Vera Rubin NVL72 izmaksas var sasniegt 6 līdz 7 miljonus ASV dolāru par vienu statīvu. Vēl iespaidīgāks ir nepieciešamais dzesēšanas sistēmas jaudas pieprasījums - vairāk nekā 180 kilovati uz vienu statīvu. Tas uzsver, ka, neskatoties uz milzīgo veiktspēju, energoefektivitāte ir kritisks faktors. Nvidia apgalvo, ka Vera Rubin var būt līdz pat 10 reizēm efektīvāka par savu priekšgājēju GB200 NVL72, un pat GB300 NVL72, kas ir priekšgājēja versija, piedāvāja par 57 procentiem vairāk HBM atmiņas nekā GB200. Šis uzsvars uz efektivitāti liecina par pieaugošu spiedienu samazināt AI datu centru operatīvās izmaksas.
Nākotnes tendences un jauninājumi
AI procesoru attīstība neaprobežojas tikai ar brute force veiktspējas palielināšanu. Paralēli notiek intensīvs darbs pie jauniem, “varbūtējās skaitļošanas” (probabilistic computing) procesoriem. Šie procesori ir apzināti mazāk precīzi, taču daudz energoefektīvāki noteiktiem AI uzdevumiem, kur pilnīga precizitāte nav nepieciešama. Vairākas pētnieku komandas aktīvi strādā pie šādu risinājumu izstrādes, kas varētu nodrošināt milzīgu enerģijas ietaupījumu nākotnes AI sistēmās.
Interesants jaunums ir arī Raspberry Pi akciju veiksme biržā, kas liecina par plašu interesi par vienkāršiem, pieejamiem un daudzpusīgiem skaitļošanas risinājumiem, kas kontrastē ar lielo AI sistēmu milzīgajām izmaksām. Šīs tendences norāda uz tehnoloģiju nozares daudzveidību un nemitīgajiem meklējumiem pēc inovatīviem risinājumiem dažādām vajadzībām.
AI sacensību cīņa starp AMD un Nvidia turpinās, un katrs solis uz priekšu nozīmē jaunas iespējas un izaicinājumus. Lai gan milzīgi datu centri ar masīviem paātrinātājiem kļūst par normu, paralēli attīstās arī alternatīvas, kas vērstas uz efektivitāti un pieejamību. Kura no šīm stratēģijām ilgtermiņā izrādīsies veiksmīgākā, vai varbūt veiksmīga būs abu pieeju sinerģija? Kādas inovācijas mēs sagaidīsim nākamgad AI jomā?
Iezīmē tekstu un spied ziņot par kļūdu.
