Rechenzentren im Wandel

Alexandra Hose,

AMDs neue Effizienzziele für KI-Knoten bis 2030

Das Wachstum in den Bereichen künstliche Intelligenz und datenintensiven Anwendungen sorgt für einen drastisch steigenden Energieverbrauch. Dies erfordert ein Umdenken in der Technologiebranche. AMD begegnet dieser Herausforderung mit ehrgeizigen Effizienzzielen und innovativer Technologie.

© stock.adobe.com/Balaraw

Untersuchungen der Internationalen Energieagentur (IEA) gehen davon aus, dass sich der Strombedarf von Rechenzentren aufgrund der steigenden Nachfrage nach Rechenleistung weltweit bis zum Jahr 2030 auf rund 945 Terawattstunden (TWh) mehr als verdoppeln wird. Dies hat einen größeren CO2-Fußabdruck, veränderte Muster der Stromnachfrage und eine beschleunigte Erschöpfung der natürlichen Ressourcen zur Folge.

Aus diesem Grund wird AMD auch weiterhin die Energieeffizienz als ein zentrales Designprinzip in seine Roadmap und Produktstrategie einbeziehen. Konkretes Beispiel ist das langfristige 30x25-Ziel von AMD aus dem Jahr 2021, die Energieeffizienz von KI-Trainings- und High-Performance-Computing (HPC)-Knoten von 2020 bis 2025 um das 30-fache zu verbessern.

Dieses ehrgeizige Ziel wurde nicht nur mit einer 38-fachen Steigerung übertroffen, sondern hat auch dazu geführt, dass AMD sich zu einem kühnen neuen Ziel verpflichtet: eine 20-fache Verbesserung der Energieeffizienz von KI-Trainings- und Inferenzknoten bis 2030 (Basisjahr 2024). Ein Teil dieser Verpflichtung besteht darin, dass ein typisches KI-Modell, das heute mehr als 275 Racks benötigt, bis 2030 in einem einzigen Rack trainiert werden kann, das 95 Prozent weniger Strom verbraucht als ein Vergleichssystem aus dem Jahr 2024.

Anzeige

AMD wird mit Hochdruck daran arbeiten, auch dieses Ziel zeitgerecht umzusetzen. Technische Basis dafür sind die EPYC-Prozessoren und Instinct Beschleuniger von AMD. Diese ermöglichen den Unternehmen, in KI zu investieren und gleichzeitig ihren ökologischen Fußabdruck zu minimieren. In Kombination mit Software und algorithmischen Fortschritten könnte das neue Ziel eine bis zu 100-fache Verbesserung der Gesamtenergieeffizienz ermöglichen.

  • Xing Icon
  • LinkedIn Icon
Anzeige
Anzeige

Das könnte Sie auch interessieren

Anzeige

Syslogic

Auf Basis des Nvidia Jetson Thor

Die neuen AI Rugged Computer RSL A5AGX und RML A5AGX von Syslogic auf Basis des Nvidia Jetson Thor bieten die Möglichkeit, Sensoren wie Kameras oder Lidar einfach anzubinden und ebnen damit laut Hersteller den Weg für künftige Inferenz- und...

mehr...
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige

Physical AI

Humanoide Robotik bei BMW in Spartanburg

 „Physical AI“ verbindet digitale KI mit realen Maschinen und Robotern. So können intelligente Systeme wie humanoide Roboter in reale Produktionsprozesse eingebunden werden. Nach einem erfolgreichen Einsatz des humanoiden Roboters Figure 02 im BMW...

mehr...
Jetzt Newsletter abonnieren