AMD Siap Tingkatkan Efisiensi Energi Prosesor 30 Kali Lipat; pada 2025
Dalam pelatihan AI dan aplikasi High Performance Computing (HPC)
Surabaya, Kabarindo- AMD siap meningkatkan 30x pada efisiensi energi untuk CPU EPYC dan akselerator AMD Instinct dalam pelatihan Artificial Intelligence (AI) dan aplikasi High Performance Computing (HPC) yang berjalan pada node komputasi yang dipercepat pada 2025 mendatang.
Mencapai tujuan ambisius ini akan mewajibkan AMD untuk meningkatkan efisiensi energi dari node komputasi pada tingkat yang lebih dari 2,5x lebih cepat dari pada peningkatan keseluruhan industri agregat yang dibuat selama 5 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 2025, mengurangi daya yang dibutuhkan sistem ini untuk menyelesaikan satu perhitungan sebesar 97% selama 5 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. 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 5 tahun sebelumnya,” papar Mark Papermaster, Executive Vice President and CTO AMD.
Addison Snell, CEO Intersect360 Research, menambahkan dengan komputasi di mana-mana dari ujung ke core hingga cloud, AMD mengambil posisi berani pada efisiensi energi prosesornya. Kali ini untuk komputasi yang dipercepat untuk aplikasi AI dan High Performance Computing. Peningkatan efisiensi energi 30 kali lipat dalam 5 tahun akan menjadi pencapaian teknis yang 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 25 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 pada 2020 yang mengakui upaya luar biasa oleh perusahaan untuk mengatasi kebutuhan masyarakat yang tidak terpenuhi.
Selain menghitung performa node/pengukuran Watt, AMD menggunakan efektivitas pemanfaatan daya/power utilization effectiveness (PUE) pusat data segmen-spesifik dengan pemanfaatan peralatan yang diperhitungkan, untuk membuat tujuan sangat relevan dengan penggunaan energi di seluruh dunia.
Garis dasar konsumsi energi menggunakan tingkat 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.
“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 representative dan metodologi benchmarking yang akurat,” ujar Jonathan Koomey, President Koomey Analytics.
Penulis: Natalia Trijaji
