Skip to content
Home » AMD ตั้งเป้า เพิ่มประสิทธิภาพต่อการใช้พลังงานในการประมวลผลด้าน AI ให้ดีขึ้น 30 เท่า ภายในปี 2025

AMD ตั้งเป้า เพิ่มประสิทธิภาพต่อการใช้พลังงานในการประมวลผลด้าน AI ให้ดีขึ้น 30 เท่า ภายในปี 2025

  • admin 

การเติบโตของการสร้างสรรค์ข้อมูล (data creation) ยังคงเป็นไปอย่างก้าวกระโดด เนื่องด้วยอุปกรณ์ต่าง ๆ ที่ได้กลายมาเป็น “อุปกรณ์อัจฉริยะ” ที่มีโปรเซสเซอร์ติดตั้งมาพร้อมเพื่อทำการเชื่อมต่ออินเทอร์เน็ต โดยเฉพาะกล้องถ่ายรูป  เทคโนโลยีปัญญาประดิษฐ์ (AI) และการประมวลผลประสิทธิภาพสูง (HPC) กำลังเปลี่ยนแปลงโลกแห่งการประมวลผล เพื่อทำให้สามารถวิเคราะห์ข้อมูลจำนวนมหาศาล นำไปสู่การวิเคราะห์คุณภาพสูง การบริการอัตโนมัติ และความปลอดภัยที่มีประสิทธิภาพมากยิ่งขึ้น นอกจากนี้ยังมีวัตถุประสงค์อื่น ๆ อีกมากมาย ความท้าทายคือ ขนาดของข้อมูลสำหรับการประมวลผลประสิทธิภาพสูงเหล่านี้มีการใช้พลังงานที่มากขึ้นเรื่อย ๆ

อัปเดตวามคืบหน้าเป้าหมายด้านการใช้พลังงาน 30×25 ในปี 2022 ความสำเร็จของ AMD อยู่ที่การมุ่งมั่นดำเนินงานเพื่อให้บรรลุเป้าหมาย 30×25 และก้าวล้ำแนวโน้มการพัฒนาอุตสาหกรรมระหว่าง 2015 – 2020

AMD ในฐานะผู้นำผลิตภัณฑ์โปรเซสเซอร์ประสิทธิภาพสูงเพื่อรับมือกับการวิเคราะห์ที่มีความต้องการที่มากที่สุดในโลก ดังนั้น ในการพัฒนาผลิตภัณฑ์ของเรา AMD จึงให้ความสำคัญกับประสิทธิภาพการใช้พลังงาน ผ่านการออกแบบแบบองค์รวม เพื่อเพิ่มประสิทธิภาพด้านการใช้พลังงานบนสถาปัตยกรรม บรรจุภัณฑ์ การเชื่อมต่อและซอฟต์แวร์ โดยมุ่งเน้นในประสิทธิภาพการใช้พลังงาน เพื่อลดต้นทุน เพื่อรักษาทรัพยากรธรรมชาติ และลดผลกระทบต่อสภาพอากาศ

การให้ความสำคัญของประสิทธิภาพการใช้พลังงานของ AMD ไม่ใช่เรื่องใหม่ ความจริงแล้ว เราเคยตั้งเป้าหมายให้กับเราเองในปี 2014 เพื่อพัฒนาประสิทธิภาพการใช้พลังงานบนผลิตภัณฑ์โมบายโปรเซสเซอร์ให้ดีขึ้น 25 เท่า ภายในปี 2020 ซึ่ง AMD บรรลุเป้าหมายและสามารถเพิ่มประสิทธิภาพการใช้พลังงานขึ้นได้ถึง 31.7 เท่า

ในปีที่ผ่านมา AMD ได้ประกาศวิสัยทัศน์ใหม่ โดยมีเป้าหมาย 30×25 หรือการบรรลุความสำเร็จในการพัฒนาประสิทธิภาพการใช้พลังงานให้ดีขึ้น 30 เท่า ภายในปี 2025 เมื่อนำมาเทียบกับปี 2020 บนโหนดประมวลผลความเร็วสูงสำหรับงานด้านดาต้าเซ็นเตอร์[i] โดยสร้างขึ้นบนโปรเซสเซอร์ AMD EPYC และกราฟิกการ์ด AMD Instinct ซึ่งโหนดภายในได้รับการออกแบบมาเพื่อรองรับความต้องการด้านการประมวลผลที่พัฒนาเร็วที่สุดในโลกเพื่อใช้ในงานการฝึกอบรมด้าน AI และการประมวลผลประสิทธิภาพสูง ที่มีความสำคัญต่อการวิจัยทางวิทยาศาสตร์ในด้านการพยากรณ์สภาพอากาศ จีโนมิกส์ และการวิจัยยา ไปจนถึงการพัฒนาเครือข่ายประสาทเทียมปัญญาประดิษฐ์สำหรับการจดจำคำพูด การแปลภาษา และระบบการให้คำแนะนำจากผู้เชี่ยวชาญ ความต้องการด้านการประมวลผลกำลังเพิ่มขึ้นอย่างมหาศาล เราโชคดีมากที่เชื่อว่ามีความเป็นไปได้ในการเพิ่มประสิทธิภาพการใช้พลังงานสำหรับการประมวลผล และบนแอปพลิเคชั่นการทำงานอื่น ๆ ในโหนดประมวลผลความเร็วสูงผ่านนวัตกรรมทางสถาปัตยกรรม

โหนดประมวลผลความเร็วสูงช่วยให้มีประสิทธิภาพเพิ่มขึ้น

AMD และอุตสาหกรรมของเรา เข้าใจถึงโอกาสในการเพิ่มประสิทธิภาพศูนย์ดาต้าเซ็นเตอร์ เพื่อลดการปล่อยก๊าซเรือนกระจกและเพิ่มความยั่งยืนด้านสิ่งแวดล้อม เช่น หากโหนดประมวลผลเซิร์ฟเวอร์บน AI และ HPC ทั่วโลกได้รับผลที่ใกล้เคียงกัน เราคาดการณ์ว่า ในระหว่างปี 2021 – 2025 จะสามารถประหยัดพลังงานไฟฟ้าได้มากถึง 51 พันล้านกิโลวัตต์ชั่วโมง (kWh) ซึ่งเมื่อเทียบกับแนวโน้มพื้นฐานของอุตสาหกรรม ที่ตั้งเป้าประหยัดการใช้พลังงานไฟฟ้ามีมูลค่า 6.2 พันล้านเหรียญสหรัฐฯ ไปจนถึงประโยชน์ที่ได้จากก๊าซคาร์บอนไดออกไซด์เทียบเท่าต้นไม้ที่มีอายุ 10 ปี จำนวน 600 ล้านต้น[ii]

ในทางปฎิบัติ การบรรลุความสำเร็จ 30×25 หมายความว่าในปี 2025 การใช้พลังงานบนโหนดประมวลผลความเร็วสูงของ AMD ต่อครั้งจะต่ำกว่าการปริมาณการใช้พลังงานในปี 2020 ถึง 97% การจะไปถึงเป้าหมายนั้นไม่ใช่เรื่องง่าย ดังนั้นเพื่อทำให้สามารถบรรลุเป้าหมายนี้ได้ เราจะต้องเพิ่มประสิทธิภาพการใช้พลังงานของโหนดประมวลผลความเร็วสูงในอัตราที่เร็วขึ้น 2.5 เท่าของการพัฒนาในภาพรวมของอุตสาหกรรมระหว่างปี 2015 – 2020[iii]

อัปเดตความคืบหน้าในระยะเวลา 1 ปี

แล้ว AMD มีความคืบหน้าอย่างไรบ้าง? ระหว่างครึ่งแรกของปี 2022 เรากำลังมุ่งสู่เป้าหมาย 30×25 มีการพัฒนาประสิทธิภาพการใช้พลังงานให้ดียิ่งขึ้น 6.79 เท่า เมื่อเทียบกับปี 2020 โดยใช้โหนดการประมวลผลความเร็วสูงบนขุมพลังโปรเซสเซอร์ 3rd Gen AMD EPYC และกราฟิกการ์ด AMD Instinct MI250x จำนวน 4 ตัว ความคืบหน้าของเรามีการตรวจสอบและวัดผลโดย ดร.โจนาธาน คูมีย์ นักวิจัยและนักเขียนชื่อดังด้านการใช้พลังงานอย่างมีประสิทธิภาพ[iv]

การเปรียบเทียบปริมาณการใช้พลังงานของโหนดประมวลผลดาตาร์เซ็นเตอร์ในงานด้าน AI-training และเวิร์คโหลดงานประมวลผลความเร็วสูง ที่มา: AMD Internal Data

จากภาพประกอบด้านบน โดยปกติของธุรกิจ “แนวโน้มอุตสาหกรรมพื้นฐาน” มีการประมาณการการใช้พลังงานทั่วโลกระหว่างปี 2020 – 2025 ตามแนวโน้มในอดีตที่มีการสำรวจข้อมูลระหว่างปี 2015 – 2020 โดยเส้นแนวโน้มเป้าหมายของ AMD แสดงให้เห็นถึงปริมาณการใช้พลังงานทั่วโลก โดยพิจารณาจากประสิทธิภาพที่เพิ่มมากขึ้น ซึ่งแสดงให้เห็นถึงเป้าหมาย 30×25 ของ AMD พร้อมด้วยผลลัพธ์ที่ต้องการจากประสิทธิภาพการใช้พลังงานที่ลดลง โดยเส้น AMD actual แสดงให้เห็นถึงปริมาณการใช้พลังงานทั่วโลกโดยอิงตามประสิทธิภาพการใช้พลังงานของโหนดประมวลผลที่เพิ่มขึ้นที่มีการรายงานจนถึงปัจจุบัน

ถึงแม้ว่าจะมีภารกิจอีกมากมายที่เราต้องทำเพื่อให้บรรลุเป้าหมาย 30×25 แต่ผมรู้สึกพอใจกับผลงานของทีมวิศวกรของเราเป็นอย่างมากกับผลลัพธ์ที่ได้ในปัจจุบัน ผมขอเรียนเชิญคุณติดตามความคืบหน้าไปกับเรา โดยเราจะรายงานความคืบหน้าเป็นประจำในทุก ๆ ปี

[i] Includes AMD high-performance CPU and GPU accelerators used for AI training and High-Performance Computing in a 4-Accelerator, CPU hosted configuration. Goal calculations are based on performance scores as measured by standard performance metrics (HPC: Linpack DGEMM kernel FLOPS with 4k matrix size. AI training: lower precision training-focused floating-point math GEMM kernels such as FP16 or BF16 FLOPS operating on 4k matrices) divided by the rated power consumption of a representative accelerated compute node including the CPU host + memory, and 4 GPU accelerators.

[ii]​Scenario based on all AI and HPC server nodes globally making similar gains to the AMD 30x goal, resulting in cumulative savings of up to 51.4 billion kilowatt-hours of electricity from 2021-2025 relative to baseline 2020 trends. Assumes $0.12 cents per kwh x 51.4 billion kwh = $6.2 million USD.  Metric tonnes of CO2e emissions, and the equivalent estimate for tree plantings, is based on entering electricity savings into the U.S. EPA Greenhouse Gas Equivalency Calculator on 12/1/2021. https://www.epa.gov/energy/greenhouse-gas-equivalencies-calculator 

[iii] Based on 2015-2020 industry trends in energy efficiency gains and data center energy consumption in 2025.

[iv] Calculation includes 1) base case kWhr use projections in 2025 conducted with Koomey Analytics based on available research and data that includes segment-specific projected 2025 deployment volumes and datacenter power utilization effectiveness (PUE) including GPU HPC and machine learning (ML) installations, and 2) AMD CPU socket and GPU node power consumptions incorporating segment-specific utilization (active vs. idle) percentages and multiplied by PUE to determine actual total energy use for calculation of the performance per Watt.

6.79x = (base case HPC node kWhr use projection in 2025 x AMD 2022 perf/Watt improvement using DGEMM and typical energy consumption + Base case ML node kWhr use projection in 2025 *AMD 2022 perf/Watt improvement using ML math and typical energy consumption) /(2020 perf/Watt * Base case projected kWhr usage in 2025). For more information on the goal and methodology, visit https://www.amd.com/en/corporate-responsibility/data-center-sustainability