SANTA CLARA, California, AS — September 29, 2021 — AMD (NASDAQ: AMD) hari ini mengumumkan tujuannya untuk memberikan peningkatan 30x pada efisiensi energi untuk CPU AMD EPYC dan akselerator AMD Instinct dalam pelatihan Artificial Intelligence (AI) dan aplikasi High Performance Computing (HPC) yang berjalan pada node komputasi yang dipercepat pada tahun 2025. Mencapai tujuan ambisius ini akan mewajibkan AMD untuk meningkatkan efisiensi energi dari node komputasi pada tingkat yang lebih dari 2,5x lebih cepat daripada peningkatan keseluruhan industri agregat yang dibuat selama lima tahun terakhir.
Node komputasi yang dipercepat adalah sistem komputasi paling kuat dan canggih di dunia yang digunakan untuk penelitian ilmiah dan simulasi superkomputer skala besar. Mereka menyediakan kemampuan komputasi yang digunakan oleh para ilmuwan untuk mencapai terobosan di berbagai bidang termasuk ilmu material, prediksi iklim, genomik, penemuan obat dan energi alternatif. Node yang dipercepat juga merupakan bagian integral untuk melatih jaringan saraf AI yang saat ini digunakan untuk aktivitas termasuk pengenalan suara, terjemahan bahasa, dan sistem rekomendasi ahli, dengan penggunaan menjanjikan yang serupa selama dekade mendatang. Target 30x akan menghemat miliaran kilowatt jam listrik pada tahun 2025, mengurangi daya yang dibutuhkan sistem ini untuk menyelesaikan satu perhitungan sebesar 97% selama lima tahun.
“Mencapai keuntungan dalam efisiensi energi prosesor adalah prioritas desain jangka panjang untuk AMD dan kami sekarang menetapkan tujuan baru untuk node komputasi modern menggunakan CPU dan akselerator performa tinggi kami saat diterapkan pada pelatihan AI dan penerapan komputasi performa tinggi,” kata Mark Papermaster, Executive Vice President and CTO, AMD. “Berfokus pada segmen yang sangat penting ini dan proposisi nilai bagi perusahaan terkemuka untuk meningkatkan pengelolaan lingkungan mereka, sasaran 30x AMD melampaui kinerja efisiensi energi industri di bidang ini sebesar 150% dibandingkan dengan periode waktu lima tahun sebelumnya.”
“Dengan komputasi yang ada di mana-mana dari ujung ke core hingga cloud, AMD telah mengambil posisi berani pada efisiensi energi prosesornya, kali ini untuk komputasi yang dipercepat untuk aplikasi AI dan High Performance Computing,” kata Addison Snell, CEO Intersect360 Research. “Keuntungan di masa depan lebih sulit sekarang karena keuntungan historis yang datang dengan Hukum Moore telah sangat berkurang. Peningkatan efisiensi energi 30 kali lipat dalam lima tahun akan menjadi pencapaian teknis yang mengesankan yang akan menunjukkan kekuatan teknologi DAL dan penekanannya pada kelestarian lingkungan.”
Peningkatan efisiensi energi untuk aplikasi komputasi yang dipercepat adalah bagian dari tujuan baru perusahaan dalam Lingkungan, Sosial, Tata Kelola yang mencakup operasi, rantai pasokan, dan produknya. Selama lebih dari dua puluh lima tahun, AMD telah secara transparan melaporkan pengelolaan dan kinerja lingkungannya. Untuk pencapaian terbarunya dalam efisiensi energi produk, AMD terdaftar dalam Fortune’s Change the World di tahun 2020 yang mengakui upaya luar biasa oleh perusahaan untuk mengatasi kebutuhan masyarakat yang tidak terpenuhi.
Metodologi
Selain menghitung performa node/pengukuran Watt1, untuk membuat tujuan sangat relevan dengan penggunaan energi di seluruh dunia, AMD menggunakan efektivitas pemanfaatan daya/power utilization effectiveness (PUE) pusat data segmen-spesifik dengan pemanfaatan peralatan yang diperhitungkan. Garis dasar konsumsi energi menggunakan tingkat peningkatan energi per operasi industri yang sama seperti dari 2015-2020, diekstrapolasi hingga 2025. Ukuran peningkatan energi per operasi di setiap segmen dari 2020-2025 ditimbang berdasarkan volume yang diproyeksikan di seluruh dunia dikalikan dengan Konsumsi Energi Khas (TEC) dari setiap segmen komputasi untuk mencapai metrik yang berarti dari peningkatan penggunaan energi aktual di seluruh dunia.
Jonathan Koomey, President, Koomey Analytics, mengatakan “Tujuan efisiensi energi yang diterapkan oleh AMD untuk percepatan node komputasi pelatihan AI dan High Performance Computing sepenuhnya mencerminkan beban kerja modern, perilaku pengoperasian yang representatif, dan metodologi benchmarking yang akurat.”
