推进数据中心可持续发展
现代数据中心不断努力提高效率和可扩展性，同时带来出色的性能和安全性。随着人工智能 (AI) 和生成式 AI 工作负载的兴起，全球电力消耗趋势表明，未来 20 年内，能源消耗总量将超过市场的供应能力。1
创新型能源解决方案的需求日益增长，而数据中心对这类解决方案的需求尤为迫切。AMD 深知自身在应对这些关键挑战方面肩负着重要责任。我们专注于提高服务器能效、支持基础设施整合，降低数据中心总体拥有成本 (TCO) 并提供高性能计算 (HPC)，以帮助解决世界上最棘手的挑战。
AMD 30x25 能效目标
我们的目标是从 2020 年到 2025 年，将用于 AI 训练和高性能计算的 AMD 处理器和加速器的能效提高 30 倍。2
这些重要且快速增长的计算领域面临着极为严苛的工作负载。根据这些计算领域的全球能源消耗来衡量，这一目标是 2015-2020 年行业能效提升趋势的 2.5 倍以上。3
即使制程工艺不断进步，摩尔定律的放缓效应也是显而易见的。制程进步带来的能效提升越来越小。因此，除了制程工艺可以预见的提升外，大部分提升还得来自芯片架构和封装创新。
截至 2024 年底，通过采用由四个 AMD Instinct MI300X GPU 和一个第五代 AMD EPYC（霄龙）CPU 组成的配置，AMD 加速计算节点实现了 28.3 倍4（以 2020 年为基准年）的能效提升。我们的进度报告采用经过著名计算能效研究专家 Jonathan Koomey 博士验证的权威测量方法2。
*仅供参考之用。详情参见附注中的数据表。
环境效益
我们的 30 倍能效提升目标相当于从 2020 年到 2025 年将计算的能耗减少 97%。如果全球所有的 AI 和高性能计算服务器节点都能实现相似的提升，相对于基准趋势，到 2025 年可节省数十亿千瓦时的电力。
使用高能效服务器意味着只需更少的物理服务器就能满足计算需求，这将产生连锁效应，避免一系列环境影响，包括减少原材料使用、生产制造、运输配送、能源消耗和数据中心空间占用。
采用 AMD 计算技术的服务器能够以更少的物理服务器满足性能需求，从而减少数据中心的占地面积以及相关的能源消耗和温室气体排放。例如，要实现 10,000 单位整数性能的计算量，只需要 6 台 AMD 服务器 [双路 96 核 9654 EPYC（霄龙）CPU]。5这意味着运营功耗最多可节省 45%，三年内可以避免高达 107 公吨的二氧化碳排放，并节省高达 37,700 美元的能源成本。
另一项评估（2024 年 2 月）发现，只需 3 台第四代 AMD EPYC 服务器就可以替代 15 台 2019-2021 年的主流服务器。更高性能和高能效解决方案带来的服务器整合可以产生连锁反应，避免一系列环境影响，包括减少原材料使用、生产制造、运输配送、能源消耗和数据中心空间占用。
行业观点
成功案例
支持资源
- 详细了解 AMD Instinct 加速器
- 详细了解 AMD 企业责任
附注
- “半导体十年规划”，Semiconductor Research Corporation，https://www.src.org/about/decadal-plan/（2024 年 5 月 15 日摘选）。
- 在四加速器 CPU 主机配置中采用适合 AI 训练和高性能计算的高性能 CPU 和 GPU 加速器。目标计算基于标准性能指标得出的性能分数（高性能计算：具有 4k 矩阵大小的 Linpack DGEMM kernel FLOPS；AI 训练：在 4k 矩阵上运行的专用低精度训练浮点数学运算 GEMM kernel），除以一个典型的加速计算节点（包括 CPU 主机 + 内存以及 4 个 GPU 加速器）的额定功耗。
- 基于 2015-2020 年能效提升行业趋势和 2025 年数据中心能耗。
- EPYC-030B：AMD 在四加速器 CPU 主机配置中对适合 AI 训练和高性能计算的高性能 AMD CPU 和 GPU 加速器进行计算节点性能功耗比测量。
- 高性能计算工作负载的性能基于具有 4k 矩阵大小的 Linpack DGEMM kernel FLOPS。AI 训练的性能基于在 4k 矩阵上运行的专用低精度训练浮点数学运算 GEMM kernel。
- 功耗基于一个典型的加速计算节点（包括 CPU 主机 + 内存以及 4 个 GPU 加速器）的热设计功耗 (TDP)。
为了使该目标与全球能源使用量密切相关，AMD 与 Koomey Analytics 合作评估可用的研究和数据，其中包括 GPU 高性能计算 (HPC) 和机器学习 (ML) 等特定领域数据中心能源使用效率 (PUE)。AMD CPU 和 GPU 节点功耗包含特定领域使用（活动与空闲）百分比，并乘以 PUE 来确定实际总能耗，从而能够计算出性能功耗比。
能耗基准采用 2015-2020 年数据中观察到的行业单位作业能耗提升率，并根据这一变化率推测至 2025 年。AMD 目标趋势线（表 1）显示到 2025 年实现能效提升 30 倍目标所需的指数级提升。AMD 实际发布产品（表 2）是表 1 AMD 目标能效提升的来源。
2020 年到 2025 年各领域单位作业能耗提升值是由全球预计销量加权得出（根据 IDC - Q1 2021 TrackerHyperion- Q4 2020 Tracker Hyperion 高性能计算市场分析，2021 年 4 月）。将这些销量换算到机器学习训练和高性能计算市场，会得出如下表 3 所示的节点量。然后将这些节点量乘以 2025 年各计算领域的典型能源消耗 (TEC)（表 4），得出一个有意义的全球实际能源使用提升的总体指标。
表 1：预计到 2025 年的能效数据汇总
2020
2021
2022
2023
2024
2025
目标趋势线
1.00
1.97
3.98
7.70
15.20
30.00
AMD 目标状态（能耗加权后的性能功耗比）
1.00
3.90
6.79
13.49
28.29
表 2：AMD 产品
2020
2021
2022
2023
2024
2025
EPYC（霄龙）第一代 CPU + M50 GPU
EPYC（霄龙）第二代 CPU + MI100 GPU
EPYC（霄龙）第三代 CPU + MI250 GPU
MI300A APU（搭载 AMD CDNA 3 计算单元的第四代 AMD EPYC（霄龙）CPU）
EPYC（霄龙）第五代 CPU + MI300X GPU
*AMD 产品受最新软件支持，包括 AMD ROCm。
表 3：预测销量（百万/年）
2020
2021
2022
2023
2024
2025
高性能计算 GPU 节点销量
0.05
0.06
0.07
0.09
0.10
0.12
机器学习 GPU 节点销量
0.09
0.10
0.12
0.14
0.17
0.20
表 4：2025 年基准情景所售产品用电量，用于加权能效指数（TWh/年）
2025
基准高性能计算
4.49
基准机器学习
29.79
总体基准
34.28
*随着高性能计算和机器学习计算节点的功能不断发展，我们将自 2025 年起，在原有预测的基础上每年更新全球能耗估算数据，同时将 AI 发展给机器学习性能指标带来的权重提升纳入其中。
- SP5TCO-034：该方案包含许多假设和估算，虽然基于 AMD 内部研究和最佳近似值，但应被视为仅供参考的示例，而不是用于实际测试的决策依据。裸机服务器温室气体排放总体拥有成本估算工具 v6.80 评估了提供 10,000 单位整数性能所需的 AMD EPYC（霄龙）服务器解决方案，采用了这些 AMD EPYC（霄龙）CPU 服务器解决方案截至 2023 年 1 月 10 日发布的分数。 本次估算代表是 3 年期费用，采用的 PUE 为 1.7，美国用电成本为 0.16 美元/千瓦时。 本次分析评估了搭载 AMD 64 核 EPYC（霄龙）9554 CPU 的双路服务器（估计得分为 1300 SPECrate2017_int_base，https://spec.org/cpu2017/results/res2023q1/cpu2017-20221107-32790.pdf）。我们利用这些数据对环境影响进行了评估，并采用了“2020 年电网电力排放因素 v1.4 – 2020 年 9 月”中的国家/地区特定电力因素、美国国家环境保护局“温室气体当量计算器”。欲知更多详情，请访问 https://www.amd.com/zh-cn/legal/claims/epyc-claims.html#q=SP5TCO-034
- “半导体十年规划”，Semiconductor Research Corporation，https://www.src.org/about/decadal-plan/（2024 年 5 月 15 日摘选）。
- 在四加速器 CPU 主机配置中采用适合 AI 训练和高性能计算的高性能 CPU 和 GPU 加速器。目标计算基于标准性能指标得出的性能分数（高性能计算：具有 4k 矩阵大小的 Linpack DGEMM kernel FLOPS；AI 训练：在 4k 矩阵上运行的专用低精度训练浮点数学运算 GEMM kernel），除以一个典型的加速计算节点（包括 CPU 主机 + 内存以及 4 个 GPU 加速器）的额定功耗。
- 基于 2015-2020 年能效提升行业趋势和 2025 年数据中心能耗。
- EPYC-030B：AMD 在四加速器 CPU 主机配置中对适合 AI 训练和高性能计算的高性能 AMD CPU 和 GPU 加速器进行计算节点性能功耗比测量。
- 高性能计算工作负载的性能基于具有 4k 矩阵大小的 Linpack DGEMM kernel FLOPS。AI 训练的性能基于在 4k 矩阵上运行的专用低精度训练浮点数学运算 GEMM kernel。
- 功耗基于一个典型的加速计算节点（包括 CPU 主机 + 内存以及 4 个 GPU 加速器）的热设计功耗 (TDP)。
为了使该目标与全球能源使用量密切相关，AMD 与 Koomey Analytics 合作评估可用的研究和数据，其中包括 GPU 高性能计算 (HPC) 和机器学习 (ML) 等特定领域数据中心能源使用效率 (PUE)。AMD CPU 和 GPU 节点功耗包含特定领域使用（活动与空闲）百分比，并乘以 PUE 来确定实际总能耗，从而能够计算出性能功耗比。
能耗基准采用 2015-2020 年数据中观察到的行业单位作业能耗提升率，并根据这一变化率推测至 2025 年。AMD 目标趋势线（表 1）显示到 2025 年实现能效提升 30 倍目标所需的指数级提升。AMD 实际发布产品（表 2）是表 1 AMD 目标能效提升的来源。
2020 年到 2025 年各领域单位作业能耗提升值是由全球预计销量加权得出（根据 IDC - Q1 2021 TrackerHyperion- Q4 2020 Tracker Hyperion 高性能计算市场分析，2021 年 4 月）。将这些销量换算到机器学习训练和高性能计算市场，会得出如下表 3 所示的节点量。然后将这些节点量乘以 2025 年各计算领域的典型能源消耗 (TEC)（表 4），得出一个有意义的全球实际能源使用提升的总体指标。
表 1：预计到 2025 年的能效数据汇总
2020
2021
2022
2023
2024
2025
目标趋势线
1.00
1.97
3.98
7.70
15.20
30.00
AMD 目标状态（能耗加权后的性能功耗比）
1.00
3.90
6.79
13.49
28.29
表 2：AMD 产品
2020
2021
2022
2023
2024
2025
EPYC（霄龙）第一代 CPU + M50 GPU
EPYC（霄龙）第二代 CPU + MI100 GPU
EPYC（霄龙）第三代 CPU + MI250 GPU
MI300A APU（搭载 AMD CDNA 3 计算单元的第四代 AMD EPYC（霄龙）CPU）
EPYC（霄龙）第五代 CPU + MI300X GPU
*AMD 产品受最新软件支持，包括 AMD ROCm。
表 3：预测销量（百万/年）
2020
2021
2022
2023
2024
2025
高性能计算 GPU 节点销量
0.05
0.06
0.07
0.09
0.10
0.12
机器学习 GPU 节点销量
0.09
0.10
0.12
0.14
0.17
0.20
表 4：2025 年基准情景所售产品用电量，用于加权能效指数（TWh/年）
2025
基准高性能计算
4.49
基准机器学习
29.79
总体基准
34.28
*随着高性能计算和机器学习计算节点的功能不断发展，我们将自 2025 年起，在原有预测的基础上每年更新全球能耗估算数据，同时将 AI 发展给机器学习性能指标带来的权重提升纳入其中。
- SP5TCO-034：该方案包含许多假设和估算，虽然基于 AMD 内部研究和最佳近似值，但应被视为仅供参考的示例，而不是用于实际测试的决策依据。裸机服务器温室气体排放总体拥有成本估算工具 v6.80 评估了提供 10,000 单位整数性能所需的 AMD EPYC（霄龙）服务器解决方案，采用了这些 AMD EPYC（霄龙）CPU 服务器解决方案截至 2023 年 1 月 10 日发布的分数。 本次估算代表是 3 年期费用，采用的 PUE 为 1.7，美国用电成本为 0.16 美元/千瓦时。 本次分析评估了搭载 AMD 64 核 EPYC（霄龙）9554 CPU 的双路服务器（估计得分为 1300 SPECrate2017_int_base，https://spec.org/cpu2017/results/res2023q1/cpu2017-20221107-32790.pdf）。我们利用这些数据对环境影响进行了评估，并采用了“2020 年电网电力排放因素 v1.4 – 2020 年 9 月”中的国家/地区特定电力因素、美国国家环境保护局“温室气体当量计算器”。欲知更多详情，请访问 https://www.amd.com/zh-cn/legal/claims/epyc-claims.html#q=SP5TCO-034