AMD hæver barren for energieffektiv AI: 4 gange bedre i 2026 og 20 gange bedre i 2030

AMD siger, at energieffektiviteten i virksomhedens rackbaserede AI-systemer er steget til cirka det firedobbelte fra 2024 til midten af 2026. Det er bedre end det delmål på en tredobling, som selskabet tidligere havde sat for perioden. Tallene er dog AMD's egne estimater og skal ikke forveksles med et uafhængigt, standardiseret branchebenchmark.

Fra 3 gange til 20 gange

AMD's større plan hedder i praksis 20x2030: En 20-dobling af energieffektiviteten i rackbaserede systemer til AI-træning og inferens med 2024 som udgangspunkt. Energieffektivitet skal her forstås som, hvor meget nyttigt beregningsarbejde systemet leverer pr. watt – ikke blot som højere teoretisk FLOPS-tal.

AMD vurderer, at målet vil ligge næsten tre gange over den forbedringstakt, branchen havde fra 2018 til 2025. Det er en ambitiøs sammenligning, men den bygger på AMD's opgørelsesmetode og selskabets definition af den historiske branchetrend.

I et illustrativt 2030-scenarie siger AMD, at omtrent to af virksomhedens rack kan levere samme beregningskapacitet som 570 rack baseret på Instinct MI300X-systemer fra 2024. Hvis den samme arbejdsbyrde reelt kan udføres med 20 gange lavere energiforbrug, svarer det til en reduktion på 95 procent i elforbruget for det samme arbejde.

En rapportering af scenariet angiver desuden en 28-dobling af forbedringen i kulstofintensitet. Det tal bør læses med forbehold: Kulstofintensitet afhænger ikke kun af hardwaren, men også af hvor strømmen kommer fra. Det tilgængelige primærmateriale dokumenterer derfor ikke en universel, præcis reduktion i CO₂-udledningen.

Hvorfor rack-niveauet er vigtigt

AMD's tidligere 30x25-program målte energieffektivitet på node-niveau – typisk en CPU- og GPU-konfiguration. Selskabet siger, at det overgik målet for 2020-2025 med en 38-dobling af energieffektiviteten, hvilket ifølge AMD svarer til 97 procent mindre energi for den samme ydeevne.

Det nye 20x2030-mål ser bredere på hele racket. Det omfatter blandt andet acceleratorer, CPU'er, hukommelse, netværk, strømforsyning, køling og den faktiske udnyttelse gennem software. Derfor er rack-metrikken mere relevant for datacentre end alene at sammenligne chippenes maksimale beregningskraft.

Sådan skal forbedringen opnås

AMD peger på flere tekniske spor, der samlet skal bringe energieffektiviteten op:

• Mere effektive beregningsarkitekturer: Nye design og lavere præcisionsformater som FP8 og FP4 kan udføre flere nyttige AI-operationer pr. watt.
• Mere og hurtigere HBM-hukommelse: High-bandwidth memory kan mindske flaskehalse og reducere den energi, der bruges på at flytte data mellem beregningsenheder og hukommelse.
• Hurtigere forbindelser: Høj båndbredde internt i racket og mellem rack reducerer ventetid og kommunikationsstop, når modeller fordeles på mange acceleratorer.
• Softwareoptimering: Bedre kernels, planlægning, modelparallelitet og hardwareudnyttelse kan få en større del af den installerede kapacitet til faktisk at udføre nyttigt arbejde.

Det er afgørende, fordi højere teoretisk FLOPS ikke automatisk betyder lavere energiforbrug pr. færdig træningskørsel eller inferensopgave.

Helios er AMD's satsning på hele AI-racket

AMD forsøger med Helios at sælge en samlet rackbaseret AI-platform frem for kun separate GPU'er og CPU'er. Konfigurationen består af 72 Instinct MI455X-GPU'er, EPYC-processorer med kodenavnet “Venice” og Pensando-netværk. AMD opgiver op til 1,4 exaFLOPS FP8-beregning, 31 TB HBM4-hukommelse, 260 TB/s intern scale-up-båndbredde og 43 TB/s scale-out-båndbredde.

Helios var ifølge AMD i fuld produktion i juli 2026. De første leverancer var planlagt til slutningen af tredje kvartal 2026 med en bredere opskalering derefter. Det tilgængelige materiale dokumenterer ikke en konkret milepæl for produktion i 2027, så en præcis tidsplan for 2026-2027 bør betragtes som en forventning til udrulningen – ikke som en bekræftet kalender.

AMD sammenligner selv Helios med Nvidias Vera Rubin NVL72 og hævder op til 15 procent højere maksimal FP4-beregning, 50 procent mere HBM-kapacitet og 50 procent mere scale-out-båndbredde. Det er leverandørpåstande og ikke resultater fra en uafhængig sammenligning.

En del af en større AI-kapløb

AMD's datacenterforretning voksede kraftigt i 2026. Reuters beskrev efterspørgslen som knyttet til store udvidelser af datacenterkapaciteten til AI, mens andre rapporter opgjorde AMD's datacenteromsætning i andet kvartal til 6,7 mia. dollar – 107 procent mere end året før.

Det giver Helios en strategisk rolle: AMD forsøger at udfordre Nvidia på systemniveau i en tid, hvor kunderne i stigende grad køber komplette AI-infrastrukturer. Men oplysningerne i de tilgængelige kilder er ikke tilstrækkelige til pålideligt at beskrive Nvidias finansieringsstrategi eller kvantificere Googles omsætning fra TPU-systemer. De forhold kan være relevante for konkurrencen, men bør ikke fremstilles som dokumenterede fakta uden særskilt kildegrundlag.