Развитие искусственного интеллекта, в том числе больших языковых моделей (LLM), приводит к стремительному росту энергопотребления дата-центров. Компания AMD планирует в 100 раз повысить энергоэффективность дата-центров в ближайшие три года.
Рост энергопотребления
Повсеместное внедрение ИИ-сервисов, призванных улучшить нашу повседневную жизнь и работу, имеет свою цену. Например, использование ИИ-модели Gemini от Google для обработки поисковой выдачи увеличивает энергопотребление в десять раз по сравнению с традиционным поиском.
Рост популярности генеративного ИИ приводит к необходимости расширения дата-центров, что, в свою очередь, повышает спрос на электроэнергию. По оценкам Goldman Sachs, потребление энергии дата-центрами вырастет на 160% к 2030 году. Это серьезная проблема, особенно для стран с устаревшими энергосетями, такими как США (средний возраст - 50 лет) и Европа (40 лет). В 2022 году дата-центры США потребляли 3% всей электроэнергии, а к 2030 году эта цифра может вырасти до 8%. Сооснователь OpenAI Сэм Альтман отмечает: «Без прорывных решений эту проблему не решить».
План AMD
На конференции ITF World 2024 Лиза Су рассказала об успехах AMD в повышении эффективности вычислительных узлов и поделилась планами на будущее. В 2014 году компания поставила цель увеличить энергоэффективность мобильных процессоров на 25% к 2020 году. Результат превзошел ожидания – показатель вырос на 31,7%.
Предвидя взрывной рост ИИ-нагрузок и энергопотребность сложных систем, AMD в 2021 году поставила новую цель – повысить эффективность вычислительных узлов в 30 раз к 2025 году.
Достижение этой цели базируется на нескольких ключевых направлениях. Во-первых, усовершенствование техпроцесса и корпусировки, являющихся основой производства современных процессоров и видеокарт. Использование транзисторов на основе технологии 3nm GAA (Gate-All-Around) – эволюции FinFET 3D-транзисторов – позволит повысить энергоэффективность и производительность на ватт. Кроме того, постоянное совершенствование методов корпусировки (например, использование чиплетов и 3D-укладки) дает AMD гибкость в компоновке различных компонентов в едином корпусе.
Вторым направлением является использование специализированного аппаратного обеспечения для ИИ, а именно нейронных процессоров (NPU). Они уже применяются в мобильных системах на кристалле (SoC), таких как серия Snapdragon 8 Gen. В начале этого года AMD выпустила первый настольный процессор Ryzen 8700G со встроенным ИИ-движком. Это выделенное оборудование позволяет основному процессору делегировать ресурсоемкие ИИ-задачи NPU, что повышает общую эффективность и снижает энергопотребление.
Завершающими элементами стратегии достижения 30-кратного повышения эффективности являются системная оптимизация и совместная разработка программного и аппаратного обеспечения. Системная оптимизация тесно связана с усовершенствованием корпусировки и направлена на сокращение энергии, необходимой для физической передачи данных внутри компьютерных кластеров. Совместная разработка ПО и аппаратного обеспечения позволит оптимизировать алгоритмы ИИ для более эффективной работы с новейшими NPU.
Лиза Су уверена в достижении первоначальной цели (30x25) и видит возможность повышения эффективности в 100 раз к 2027 году. AMD и другие лидеры отрасли активно разрабатывают решения для обеспечения энергоснабжения в эпоху повсеместного внедрения ИИ.
