
- Ympäristöissä, joita mitataan sadoissa megawateissa ja teollisen mittakaavan klustereissa, räkkimittakaavan arkkitehtuuri auttaa lyhentämään integraatioaikaa lähtemällä liikkeelle tasapainoisesta järjestelmäsuunnittelusta, sanoo AMD:n Pohjois-Euroopan myyntijohtaja Joakim Stenberg.
AMD:n mukaan tekoäly muuttaa datakeskusten rakentamisen perusteita paljon syvemmin kuin pelkkä GPU-kiihdyttimien lisääminen palvelimiin. Yhtiön uusi Helios-arkkitehtuuri pyrkii siirtämään AI-infrastruktuurin palvelintason optimoinnista kokonaisiin räkkitason järjestelmiin.
Perinteiset datakeskukset on rakennettu yleiskäyttöiseen laskentaan, jossa palvelimia, muistia ja verkkoratkaisuja lisätään vähitellen tarpeen mukaan. AMD:n mukaan suuren mittakaavan tekoälymallien koulutus ja inferenssi rikkovat tämän mallin. AI-klusterit vaativat alusta lähtien tiiviisti integroidun kokonaisuuden, jossa laskentakiihdyttimet, prosessorit, muistikaista ja verkko toimivat yhtenä järjestelmänä.
Helios yhdistää samaan räkkitason kokonaisuuteen AMD Instinct -GPU:t, EPYC-prosessorit, Pensando-verkkoratkaisut ja ROCm-ohjelmistoalustan. Ajatus on, että asiakas ei enää kokoa AI-infrastruktuuria erillisistä komponenteista, vaan ottaa käyttöön valmiiksi integroidun järjestelmän, joka voidaan skaalata yksittäisestä räkistä monen räkin klustereihin.
AMD sitoo viestinsä suoraan Euroopan suunnittelemiin AI-gigatehtaisiin. Yhtiön mukaan sadantuhannen AI-piirin klustereissa käyttöönoton nopeus ja järjestelmien toistettava integraatio muuttuvat yhtä tärkeiksi kuin raakasuorituskyky.
Samalla AMD hyökkää epäsuorasti suljettuja AI-ekosysteemejä vastaan. Yhtiö korostaa avoimia standardeja ja ROCm-ohjelmistoalustaa vaihtoehtona toimittajaloukolle, jossa koko AI-infrastruktuuri rakentuu yhden valmistajan ohjelmisto- ja laitepinon varaan. ROCm tukee yleisiä AI-kehyksiä kuten PyTorchia ja TensorFlow’ta.
AMD:n mukaan tulevien AI-datakeskusten kilpailukyky ei ratkea enää yksittäisillä kiihdyttimillä, vaan sillä, kuinka tehokkaasti koko järjestelmätason arkkitehtuuri voidaan rakentaa, skaalata ja pitää avoimena muuttuville AI-malleille ja ohjelmistokehitykselle.
- Tämä tulee entistäkin ajankohtaisemmaksi, kun EU suunnittelee tekoälyn gigatehtaiden perustamista, joissa käyttöönoton nopeus ja toistettava järjestelmäintegraatio ovat yhtä tärkeitä kuin raaka laskentateho, Stenberg korostaa.






















