AMD ускоряет гонку энергоэффективности ИИ: от 4× к 20× за шесть лет
AMD оценивает рост энергоэффективности стоечных ИИ систем в 4× с 2024 года — это выше промежуточной цели 3×. К 2030 году AMD рассчитывает повысить эффективность обучения и инференса ИИ на стойке в 20 раз относительно базы 2024 года; компания считает, что это почти втрое быстрее отраслевого тренда 2018–2025 годов.
ОпубликовалОтредактировано с помощью GPT-5.6 LunaИзображения созданы с помощью GPT Image 1.5
AMD оценивает рост энергоэффективности стоечных ИИ систем в 4× с 2024 года — это выше промежуточной цели 3×.
К 2030 году AMD рассчитывает повысить эффективность обучения и инференса ИИ на стойке в 20 раз относительно базы 2024 года; компания считает, что это почти втрое быстрее отраслевого тренда 2018–2025 годов.
В демонстрационном сценарии две стойки AMD образца 2030 года смогут выполнять работу, для которой в 2024 году требовалось 570 стоек.
What did AMD announce about its rack scale AI energy efficiency gains from 2024 to mid 2026, how do those gains compare with its interim thrAI-generated editorial hero image for What did AMD announce about its rack scale AI energy efficiency gains from 2024 to mid 2026, how do those gains compare with its interim thr.
Промпт ИИ
Create a landscape editorial hero image for this Studio Global article: What did AMD announce about its rack scale AI energy efficiency gains from 2024 to mid 2026, how do those gains compare with its interim thr. Article summary: AMD said its rack scale AI systems were an estimated 4× more energy efficient in mid 2026 than its 2024 baseline—beating its interim 3× expectation.. Topic tags: general web, openai, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts
openai.com
AMD заявила, что к середине 2026 года энергоэффективность её стоечных систем для обучения и инференса ИИ выросла примерно в четыре раза относительно базовой конфигурации 2024 года. Это лучше прежнего промежуточного ориентира в три раза. Важно, однако, что речь идёт об оценке AMD: она сочетает данные по продуктам и расчётные модели и не заменяет независимый отраслевой тест.
От промежуточной цели к плану 20×
В 2025 году AMD поставила цель 20×2030 — повысить энергоэффективность ИИ на уровне всей стойки в 20 раз к 2030 году по сравнению с 2024-м. Показатель относится и к обучению моделей, и к инференсу, то есть к их практическому использованию после обучения. AMD утверждает, что заданный темп почти втрое превышает среднюю скорость роста эффективности отрасли в 2018–2025 годах.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Каков краткий ответ на вопрос «AMD ускоряет гонку энергоэффективности ИИ: от 4× к 20× за шесть лет»?
AMD оценивает рост энергоэффективности стоечных ИИ систем в 4× с 2024 года — это выше промежуточной цели 3×.
Какие ключевые моменты необходимо проверить в первую очередь?
AMD оценивает рост энергоэффективности стоечных ИИ систем в 4× с 2024 года — это выше промежуточной цели 3×. К 2030 году AMD рассчитывает повысить эффективность обучения и инференса ИИ на стойке в 20 раз относительно базы 2024 года; компания считает, что это почти втрое быстрее отраслевого тренда 2018–2025 годов.
Что мне делать дальше на практике?
В демонстрационном сценарии две стойки AMD образца 2030 года смогут выполнять работу, для которой в 2024 году требовалось 570 стоек.
AMD ускоряет гонку энергоэффективности ИИ: от 4× к 20× за шесть лет
AMD оценивает рост энергоэффективности стоечных ИИ систем в 4× с 2024 года — это выше промежуточной цели 3×. К 2030 году AMD рассчитывает повысить эффективность обучения и инференса ИИ на стойке в 20 раз относительно базы 2024 года; компания считает, что это почти втрое быстрее отраслевого тренда 2018–2025 годов.
ОпубликовалОтредактировано с помощью GPT-5.6 LunaИзображения созданы с помощью GPT Image 1.5
AMD оценивает рост энергоэффективности стоечных ИИ систем в 4× с 2024 года — это выше промежуточной цели 3×.
К 2030 году AMD рассчитывает повысить эффективность обучения и инференса ИИ на стойке в 20 раз относительно базы 2024 года; компания считает, что это почти втрое быстрее отраслевого тренда 2018–2025 годов.
В демонстрационном сценарии две стойки AMD образца 2030 года смогут выполнять работу, для которой в 2024 году требовалось 570 стоек.
What did AMD announce about its rack scale AI energy efficiency gains from 2024 to mid 2026, how do those gains compare with its interim thrAI-generated editorial hero image for What did AMD announce about its rack scale AI energy efficiency gains from 2024 to mid 2026, how do those gains compare with its interim thr.
Промпт ИИ
Create a landscape editorial hero image for this Studio Global article: What did AMD announce about its rack scale AI energy efficiency gains from 2024 to mid 2026, how do those gains compare with its interim thr. Article summary: AMD said its rack scale AI systems were an estimated 4× more energy efficient in mid 2026 than its 2024 baseline—beating its interim 3× expectation.. Topic tags: general web, openai, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts
openai.com
AMD заявила, что к середине 2026 года энергоэффективность её стоечных систем для обучения и инференса ИИ выросла примерно в четыре раза относительно базовой конфигурации 2024 года. Это лучше прежнего промежуточного ориентира в три раза. Важно, однако, что речь идёт об оценке AMD: она сочетает данные по продуктам и расчётные модели и не заменяет независимый отраслевой тест.
От промежуточной цели к плану 20×
В 2025 году AMD поставила цель 20×2030 — повысить энергоэффективность ИИ на уровне всей стойки в 20 раз к 2030 году по сравнению с 2024-м. Показатель относится и к обучению моделей, и к инференсу, то есть к их практическому использованию после обучения. AMD утверждает, что заданный темп почти втрое превышает среднюю скорость роста эффективности отрасли в 2018–2025 годах.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Каков краткий ответ на вопрос «AMD ускоряет гонку энергоэффективности ИИ: от 4× к 20× за шесть лет»?
AMD оценивает рост энергоэффективности стоечных ИИ систем в 4× с 2024 года — это выше промежуточной цели 3×.
Какие ключевые моменты необходимо проверить в первую очередь?
AMD оценивает рост энергоэффективности стоечных ИИ систем в 4× с 2024 года — это выше промежуточной цели 3×. К 2030 году AMD рассчитывает повысить эффективность обучения и инференса ИИ на стойке в 20 раз относительно базы 2024 года; компания считает, что это почти втрое быстрее отраслевого тренда 2018–2025 годов.
Что мне делать дальше на практике?
В демонстрационном сценарии две стойки AMD образца 2030 года смогут выполнять работу, для которой в 2024 году требовалось 570 стоек.
Компания приводит и более наглядную иллюстрацию: две стойки AMD, выпущенные в 2030 году, потенциально смогут обеспечить вычислительные возможности примерно 570 стоек на базе решений 2024 года. Если при этом сохраняется заявленное двадцатикратное преимущество по эффективности, эквивалентная работа потребует на 95% меньше электроэнергии.
В отдельных публикациях для этого сценария также фигурирует сокращение углеродной интенсивности в 28 раз. Но такой показатель нельзя автоматически вывести только из энергоэффективности оборудования: он зависит от того, какая электроэнергия питает дата-центр — например, от доли газа, угля, атомной и возобновляемой генерации. Поэтому 95% — это расчёт для потребления электричества, а не универсальная оценка сокращения выбросов.
Почему AMD перешла от узла к стойке
Предыдущая программа 30×25 оценивала эффективность вычислительного узла — сочетания CPU и ускорителей. AMD сообщила, что превысила цель, получив 38-кратный рост эффективности на уровне узла в период с 2020 по 2025 год. По расчётам компании, это соответствовало снижению энергозатрат на 97% при выполнении той же работы.
Новая цель шире: она учитывает не только чипы, но и всю стойку — ускорители, процессоры, HBM-память, сетевую инфраструктуру, передачу данных, питание, охлаждение и фактическую загрузку оборудования. Это существенная оговорка: высокое значение FLOPS само по себе ещё не гарантирует меньшего расхода энергии на завершённое обучение или инференс.
За счёт чего должна расти эффективность
AMD связывает прогресс сразу с несколькими направлениями:
Архитектура вычислений. Более производительные и специализированные блоки увеличивают число полезных операций на ватт.
Низкая точность вычислений. Форматы вроде FP4 и FP8 позволяют выполнять ИИ-операции с меньшими затратами, когда точность не требует использования более «тяжёлых» форматов.
Память HBM. Больший объём и более высокая пропускная способность сокращают простои ускорителей и лишние перемещения данных.
Межсоединения. Быстрые каналы внутри стойки и между стойками уменьшают время ожидания при распределённом обучении.
Программное обеспечение. Оптимизация ядер, планировщика, параллелизма моделей и загрузки оборудования помогает превратить теоретическую производительность в полезную работу.
Именно комбинация этих факторов, а также совместное проектирование системы, должна снизить энергию на одну выполненную ИИ-задачу — а не просто увеличить пиковую производительность на презентационном слайде.
Helios: ставка AMD на готовую ИИ-стойку
Практическим выражением этой стратегии стала AMD Helios — интегрированная стоечная система, в которую входят:
72 ускорителя AMD Instinct MI455X;
процессоры EPYC следующего поколения с кодовым названием «Venice»;
сетевое оборудование Pensando;
до 1,4 экзафлопса производительности FP8;
до 31 ТБ памяти HBM4;
до 260 ТБ/с пропускной способности для обмена данными внутри стойки;
до 43 ТБ/с для масштабирования между стойками.
AMD сообщила, что Helios уже находится в серийном производстве, а первые поставки запланированы на конец третьего квартала 2026 года с последующим расширением объёмов. Доступные материалы не подтверждают отдельную конкретную производственную веху на 2027 год, поэтому формулировку «2026–2027» корректнее понимать как ожидаемый период развёртывания, а не как утверждённый календарный план.
Конкуренция с Nvidia выходит на уровень стойки
Helios важна для AMD не только как набор ускорителей. Компания пытается продавать заказчикам целостную инфраструктуру — стойку с вычислениями, памятью, сетью и программной оптимизацией — и тем самым бросает вызов системной модели Nvidia.
В собственном сравнении AMD заявляет, что Helios может предложить до 15% больше пиковой производительности FP4, на 50% больше HBM и на 50% большую пропускную способность при масштабировании наружу, чем Nvidia Vera Rubin NVL72. Это именно заявления производителя, а не результаты независимого сопоставительного тестирования.
Бизнес-фон: спрос растёт вместе с энергозатратами
Заявления об эффективности прозвучали на фоне резкого расширения ИИ-инфраструктуры AMD. По данным Reuters, спрос связан с масштабным наращиванием мощностей дата-центров для ИИ. Отдельные отчёты указывают, что выручка подразделения AMD Data Center во втором квартале 2026 года достигла 6,7 млрд долларов, увеличившись на 107% год к году. В эту сумму входят продажи как EPYC-процессоров, так и Instinct-ускорителей, поэтому её нельзя считать чистой выручкой от ИИ-GPU.
В то же время доступные материалы не дают надёжной основы для количественной оценки финансовой стратегии Nvidia или выручки Google от систем на базе TPU. Эти темы важны для конкурентного контекста, но без отдельного подтверждённого источника их нельзя преподносить как установленные факты.
Главный вывод AMD прост: следующий этап гонки ИИ будет измеряться не только количеством ускорителей и экзафлопсов, но и тем, сколько полезной работы дата-центр получает на каждый ватт. Компания уже заявляет о результате 4×, однако наиболее амбициозная часть плана — 20× к 2030 году — по-прежнему остаётся долгосрочной корпоративной целью, а не независимо подтверждённым итогом.
Компания приводит и более наглядную иллюстрацию: две стойки AMD, выпущенные в 2030 году, потенциально смогут обеспечить вычислительные возможности примерно 570 стоек на базе решений 2024 года. Если при этом сохраняется заявленное двадцатикратное преимущество по эффективности, эквивалентная работа потребует на 95% меньше электроэнергии.
В отдельных публикациях для этого сценария также фигурирует сокращение углеродной интенсивности в 28 раз. Но такой показатель нельзя автоматически вывести только из энергоэффективности оборудования: он зависит от того, какая электроэнергия питает дата-центр — например, от доли газа, угля, атомной и возобновляемой генерации. Поэтому 95% — это расчёт для потребления электричества, а не универсальная оценка сокращения выбросов.
Почему AMD перешла от узла к стойке
Предыдущая программа 30×25 оценивала эффективность вычислительного узла — сочетания CPU и ускорителей. AMD сообщила, что превысила цель, получив 38-кратный рост эффективности на уровне узла в период с 2020 по 2025 год. По расчётам компании, это соответствовало снижению энергозатрат на 97% при выполнении той же работы.
Новая цель шире: она учитывает не только чипы, но и всю стойку — ускорители, процессоры, HBM-память, сетевую инфраструктуру, передачу данных, питание, охлаждение и фактическую загрузку оборудования. Это существенная оговорка: высокое значение FLOPS само по себе ещё не гарантирует меньшего расхода энергии на завершённое обучение или инференс.
За счёт чего должна расти эффективность
AMD связывает прогресс сразу с несколькими направлениями:
Архитектура вычислений. Более производительные и специализированные блоки увеличивают число полезных операций на ватт.
Низкая точность вычислений. Форматы вроде FP4 и FP8 позволяют выполнять ИИ-операции с меньшими затратами, когда точность не требует использования более «тяжёлых» форматов.
Память HBM. Больший объём и более высокая пропускная способность сокращают простои ускорителей и лишние перемещения данных.
Межсоединения. Быстрые каналы внутри стойки и между стойками уменьшают время ожидания при распределённом обучении.
Программное обеспечение. Оптимизация ядер, планировщика, параллелизма моделей и загрузки оборудования помогает превратить теоретическую производительность в полезную работу.
Именно комбинация этих факторов, а также совместное проектирование системы, должна снизить энергию на одну выполненную ИИ-задачу — а не просто увеличить пиковую производительность на презентационном слайде.
Helios: ставка AMD на готовую ИИ-стойку
Практическим выражением этой стратегии стала AMD Helios — интегрированная стоечная система, в которую входят:
72 ускорителя AMD Instinct MI455X;
процессоры EPYC следующего поколения с кодовым названием «Venice»;
сетевое оборудование Pensando;
до 1,4 экзафлопса производительности FP8;
до 31 ТБ памяти HBM4;
до 260 ТБ/с пропускной способности для обмена данными внутри стойки;
до 43 ТБ/с для масштабирования между стойками.
AMD сообщила, что Helios уже находится в серийном производстве, а первые поставки запланированы на конец третьего квартала 2026 года с последующим расширением объёмов. Доступные материалы не подтверждают отдельную конкретную производственную веху на 2027 год, поэтому формулировку «2026–2027» корректнее понимать как ожидаемый период развёртывания, а не как утверждённый календарный план.
Конкуренция с Nvidia выходит на уровень стойки
Helios важна для AMD не только как набор ускорителей. Компания пытается продавать заказчикам целостную инфраструктуру — стойку с вычислениями, памятью, сетью и программной оптимизацией — и тем самым бросает вызов системной модели Nvidia.
В собственном сравнении AMD заявляет, что Helios может предложить до 15% больше пиковой производительности FP4, на 50% больше HBM и на 50% большую пропускную способность при масштабировании наружу, чем Nvidia Vera Rubin NVL72. Это именно заявления производителя, а не результаты независимого сопоставительного тестирования.
Бизнес-фон: спрос растёт вместе с энергозатратами
Заявления об эффективности прозвучали на фоне резкого расширения ИИ-инфраструктуры AMD. По данным Reuters, спрос связан с масштабным наращиванием мощностей дата-центров для ИИ. Отдельные отчёты указывают, что выручка подразделения AMD Data Center во втором квартале 2026 года достигла 6,7 млрд долларов, увеличившись на 107% год к году. В эту сумму входят продажи как EPYC-процессоров, так и Instinct-ускорителей, поэтому её нельзя считать чистой выручкой от ИИ-GPU.
В то же время доступные материалы не дают надёжной основы для количественной оценки финансовой стратегии Nvidia или выручки Google от систем на базе TPU. Эти темы важны для конкурентного контекста, но без отдельного подтверждённого источника их нельзя преподносить как установленные факты.
Главный вывод AMD прост: следующий этап гонки ИИ будет измеряться не только количеством ускорителей и экзафлопсов, но и тем, сколько полезной работы дата-центр получает на каждый ватт. Компания уже заявляет о результате 4×, однако наиболее амбициозная часть плана — 20× к 2030 году — по-прежнему остаётся долгосрочной корпоративной целью, а не независимо подтверждённым итогом.