我们的承诺
AMD 致力于推动 AI 创新的未来发展。
AI 正在帮助应对世界上一些最复杂的挑战，大力推动气候研究、医疗、生命科学等领域的进步。设计、开发和部署 AI 必须遵循一系列原则，方可建立人们对这些解决方案的信任。因此，我们应当构建一个设有防护栏的框架，助力 AMD 及其客户以负责任的方式进行创新。
AMD 已经制定出了一套负责任的 AI 框架。这套框架总结了我们对保护用户机密信息和维护数据隐私的郑重承诺。它还涉及系统的公平性、包容性、透明性、可靠性与安全性等诸多问题；以及通过以人为本的 AI 设计来切实保护人类的自主权。随着公司内部 AI 项目的实施，AMD 专门成立了“负责任的 AI 委员会”，以帮助在快速发展的大环境中全力维护这些承诺。
指导原则
隐私与安全
确保 AI 系统、模型和数据的安全并尊重隐私
以人为本
AI 系统的设计要尊重人权并符合人类利益
公平包容
AI 系统旨在为所有人提供支持并减少有害偏见
安全可靠
AI 系统的运行要始终如一、安全可靠
透明
AI 系统要保持清晰性和开放性
问责
AI 系统要具备明确的可问责性和可审计性
可解释性
AI 系统的决策要具有可解释性
可持续性
AI 系统要具有出色的能效
NIST AI RMF 对 AI 系统的定义如下：“AI 系统是一种精心设计或基于计算机的系统，能够针对一系列既定目标，生成可对现实或虚拟环境产生影响的预测、建议或决策等输出结果。AI 系统被设计为以不同程度的自主性运行。”
推动负责任的 AI 发展
AMD 致力于推进研发、产品设计和合作，以促进 AI 创新，造福人类。
推动研发
AMD 在 AI 研发领域投入巨额资金，助力应对全球最为严峻的一些挑战。借助 AMD 人工智能和高性能计算基金，研究人员可以获得超过 20 千万亿次的超级计算能力，以用于先进的高性能计算和 AI 研究。AMD 是 Deepspeed4Science 计划的创始合作伙伴，该计划由微软、美国阿贡国家实验室、橡树岭国家实验室、布鲁克黑文国家实验室、哥伦比亚大学等机构共同发起，为实现大规模科学发现搭建起了一个平台。AMD 还与艾伦人工智能研究所等前沿机构密切合作。
AMD 助力推动 AI 研究的另一个途径是为全球速度最快的一些超级计算机注入强大动力，其中就包括劳伦斯利弗莫尔国家实验室的 El Capitan。1一个名为 CosmoFlow 的早期项目将深度学习与传统的高性能计算模拟方法相融合，使得研究人员能够更深入地探究和了解宇宙的规模。
推动产品设计
充分发掘 AI 的潜力离不开强大的算力，而这也显著加大了对电能的需求。AMD 解决方案能够以节能的方式提供所需的计算资源。我们正有条不紊地推进并实现自己的五年目标，即到 2025 年，为高性能计算和 AI 训练服务器提供算力的处理器和加速器的能效将提高 30 倍。这一目标是基于 AMD EPYC（霄龙）7002 CPU 搭配 AMD Instinct MI50 GPU 设定的能效基线来制定的，而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。根据最新的性能数据，我们通过采用四个 AMD Instinct MI300A APU 的配置实现了 13.5 倍的提升，正继续朝着我们的目标稳步迈进。2
AMD 还是机密计算联盟的成员，该联盟借助开源合作以及标准制定，助力加快机密计算的广泛采用。最近，AMD 发布了用于安全加密虚拟化的开源安全固件。
促进协作与标准制定
行业与社区紧密协作是负责任的 AI 的一个重要方面，因为这样的合作能够提高透明性。它还使得最新的技术进步能够得到更广泛的传播与普及。开源社区是 AI 创新速度和广度的真正驱动力。因此，AMD 正与 Hugging Face、PyTorch、DeepSpeed 等开源创新组织密切合作，共同构建工具、库等内容。
AMD 还与业界同行在公共政策问题上展开密切合作。例如，AMD 通过与负责任的 AI 研究所、NIST AI 安全研究所和 AI 联盟等行业联盟合作，共同大力倡导负责任的 AI 原则。
AMD AI 解决方案的实际应用
了解 AMD AI 解决方案如何在医疗、气候变化和教育等领域推动富有社会意识的 AI 用例的发展。
医疗
促进癌症研究
通过利用 AI，EuroHPC 的 LUMI 超级计算机能够尽早检测出癌症并快速模拟药物疗效。这有助于病理专家诊断癌症的进展情况，并模拟其对各种治疗方案的不同反应，从而帮助患者尽快获得最适合的个体化治疗。
手持式高清超声扫描
Clarius Mobile Health 采用 AMD Zynq™ UltraScale+™ 技术，为更多环境中的医疗专业人士提供 AI 赋能的诊断能力，包括过去难以触达的偏远地区。
气候变化
气候研究
通过借助 AI 来分析大量复杂的数据，科学家可以深入了解气候变化的原因，甚至预测极端天气的影响，以帮助挽救生命。法国气象局超级计算机和 LUMI 超级计算机皆已荣登“500 强超级计算机”榜单，而它们均采用了 AMD 计算技术，正在推动天气和气候研究不断取得进展。1
学术和社区交流
共创美好未来
AMD 着力培养与研究人员、非营利组织、教育工作者和学生等之间的战略关系，帮助他们实现未来的突破性创新。无论是通过捐赠技术来培养学生的探索求知欲，还是帮助科学家负责任地突破边界实现无限可能，AMD 都相信，当处理能力与脑力碰撞，方可铸就明日辉煌。
我们的目标和进展
到 2025 年（以 2020 年为基准年），将有 1 亿人受惠于 AMD 捐赠和 AMD 基金会慈善事业与合作伙伴关系，助力 STEM 教育、科学研究和未来人才培养。
自 2020 年以来，已有 150 多所大学、研究机构和非营利组织通过我们的 AI 和 HPC 基金以及 STEM 计划获得了捐赠的 AMD 技术，通过科学研究和教育惠及了约 6100 万人。3
AMD 大学计划
AMD 大学计划为在教学、研究和其他活动中采用 AMD 技术的大学提供支持。该计划能够为学生、研究人员和教育工作者提供来自 AMD 的最新技术、产品及工具。
附注
- 全球超级计算机 500 强榜单（2023 年 11 月）
- EPYC-030a：计算方法包括：1) Koomey Analytics 根据现有的研究和数据预测的 2025 年基准情景用电量（千瓦时），这些数据包括 2025 年特定领域预计部署量，以及 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)；2) 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。“13.5 倍”是通过如下公式计算得出的：（2025 年基准情景高性能计算节点预计用电量 [千瓦时] * AMD 2023 年通过 DGEMM 和典型能源消耗 (TEC) 计算得出的性能功耗比提升 + 2025 年基准情景机器学习节点预计用电量 [千瓦时] *AMD 2023 年通过机器学习数学和 TEC 计算得出的性能功耗比提升）/(2020 年性能功耗比 * 2025 年的基准情景预计用电量 [千瓦时])。如需了解详情，请访问：https://www.amd.com/zh-cn/corporate/corporate-responsibility/data-center-sustainability.html。
- “数字化影响”目标对应时间段所涵盖的捐赠，是指 2020 年 1 月 1 日之后交付和 2025 年 12 月 31 日之前发起的捐赠。“发起捐赠”是指 AMD 与捐赠接收组织就捐赠达成协议，规定捐赠必须在 2026 年 7 月 30 日前交付。报告的数据包括：直接受益人，即直接获得 AMD 捐赠技术、资金或志愿服务的学生、教职工或研究人员；以及间接受益人，即根据合理推断非常有可能收到 AMD 捐赠技术所取得的研究数据并因此获得有用见解或知识的个人。AMD 每年都会对捐赠接收组织开展调查，以估测直接受益人数量，就 AI 与高性能计算基金而言，还需要估测间接受益人数量。为解决调查回复中反映出的受益人数量缺口和/或不一致问题，AMD 会使用基于经济学的影响递减假设，通过将特定年份的捐赠总市值除以同一年捐赠接收者调查中报告的间接受益人所收捐赠总值，来估算间接受益人总数（不适用于直接受益人）。根据 2021、2022 和 2023 这三年所收集到的数据，间接受益人数量与捐赠市值的比率平均为 1.08。因此，AMD 假设每提供市值 100 万美元的捐赠，约有 108 万人将间接受益。AMD 还假设，预计第 1 年的间接受益人会在第 2 年和第 3 年继续发展新的受益人，但发展新受益人的速率会逐渐降低。按照影响递减速率假设，第 2 年的受益人数量为第 1 年预估受益人数量的 50%，第 3 年的受益人数量则为第 1 年预估受益人数量的 25%。AMD 目标计算经过第三方验证（提供有限水平保证），计算基于捐赠接收组织提供的数据，AMD 未对这些数据进行独立验证。另外，AMD 采用基于经济学的影响递减模型，此类模型也是以接收组织提供的数据为基础。
- 全球超级计算机 500 强榜单（2023 年 11 月）
- EPYC-030a：计算方法包括：1) Koomey Analytics 根据现有的研究和数据预测的 2025 年基准情景用电量（千瓦时），这些数据包括 2025 年特定领域预计部署量，以及 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)；2) 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。“13.5 倍”是通过如下公式计算得出的：（2025 年基准情景高性能计算节点预计用电量 [千瓦时] * AMD 2023 年通过 DGEMM 和典型能源消耗 (TEC) 计算得出的性能功耗比提升 + 2025 年基准情景机器学习节点预计用电量 [千瓦时] *AMD 2023 年通过机器学习数学和 TEC 计算得出的性能功耗比提升）/(2020 年性能功耗比 * 2025 年的基准情景预计用电量 [千瓦时])。如需了解详情，请访问：https://www.amd.com/zh-cn/corporate/corporate-responsibility/data-center-sustainability.html。
- “数字化影响”目标对应时间段所涵盖的捐赠，是指 2020 年 1 月 1 日之后交付和 2025 年 12 月 31 日之前发起的捐赠。“发起捐赠”是指 AMD 与捐赠接收组织就捐赠达成协议，规定捐赠必须在 2026 年 7 月 30 日前交付。报告的数据包括：直接受益人，即直接获得 AMD 捐赠技术、资金或志愿服务的学生、教职工或研究人员；以及间接受益人，即根据合理推断非常有可能收到 AMD 捐赠技术所取得的研究数据并因此获得有用见解或知识的个人。AMD 每年都会对捐赠接收组织开展调查，以估测直接受益人数量，就 AI 与高性能计算基金而言，还需要估测间接受益人数量。为解决调查回复中反映出的受益人数量缺口和/或不一致问题，AMD 会使用基于经济学的影响递减假设，通过将特定年份的捐赠总市值除以同一年捐赠接收者调查中报告的间接受益人所收捐赠总值，来估算间接受益人总数（不适用于直接受益人）。根据 2021、2022 和 2023 这三年所收集到的数据，间接受益人数量与捐赠市值的比率平均为 1.08。因此，AMD 假设每提供市值 100 万美元的捐赠，约有 108 万人将间接受益。AMD 还假设，预计第 1 年的间接受益人会在第 2 年和第 3 年继续发展新的受益人，但发展新受益人的速率会逐渐降低。按照影响递减速率假设，第 2 年的受益人数量为第 1 年预估受益人数量的 50%，第 3 年的受益人数量则为第 1 年预估受益人数量的 25%。AMD 目标计算经过第三方验证（提供有限水平保证），计算基于捐赠接收组织提供的数据，AMD 未对这些数据进行独立验证。另外，AMD 采用基于经济学的影响递减模型，此类模型也是以接收组织提供的数据为基础。