Yapay zeka teknolojileri hızla yayılırken, bu altyapıların enerji tüketimi önemli bir sorun olmaya başlıyor. Çip üreticisi AMD, tam da bu noktada çığır açacak yeni hedefler belirlediğini duyurdu. Şirket, yapay zeka sistemlerinin enerji verimliliğini ciddi oranda artırmayı planlıyor.
AMD, Yapay Zeka Sunucularında Enerji Tüketimini Dramatik Şekilde Azaltmayı Hedefliyor
Enerji verimliliği, AMD'nin uzun süredir odaklandığı temel tasarım prensiplerinden biri. Şirket, geçmişte belirlediği enerji verimliliği hedeflerine tutarlı bir şekilde ulaştığını ve hatta bunları aştığını belirtiyor. Son olarak, 2021 yılında belirlediği ve 2025 yılına kadar yapay zeka eğitimi ve yüksek performanslı hesaplama (HPC) düğümlerinin enerji verimliliğini 2020'ye göre 30 kat artırma hedefini aştıklarını duyurdular.
Ancak yapay zekanın büyümesi ve sistemlerin daha karmaşık hale gelmesiyle birlikte, yalnızca düğüm (node) seviyesindeki verimlilik artışları yeterli olmaktan çıkıyor. Bu nedenle AMD, çıtayı daha da yükselterek yeni ve iddialı bir hedef belirledi: 2030 yılına kadar, 2024 temel yılına kıyasla raf (rack) seviyesinde yapay zeka eğitimi ve çıkarım (inference) sistemlerinin enerji verimliliğini 20 kat artırmak.
Yapay Zeka Çağı İçin Yeni Bir Hedef
Bu 20 katlık verimlilik artışı, sadece işlemcileri veya grafik kartlarını değil, tüm raf sistemini kapsayan bir iyileştirmeyi içeriyor. AMD'nin tahminlerine göre bu hedef; işlemciler (CPU), grafik işlemciler (GPU), bellek, ağ bileşenleri, depolama ve donanım-yazılım ortak tasarımı gibi tüm unsurlardaki performans/watt oranının iyileştirilmesiyle mümkün olacak.
Şirket, bu hedefin sektördeki mevcut iyileşme trendinin neredeyse 3 katı daha hızlı olduğunu öngörüyor. Düğüm bazlı yaklaşımdan raf bazlı yaklaşıma geçiş, AMD'nin gelişen uçtan uca yapay zeka stratejisinin bir parçası ve veri merkezlerindeki yapay zeka altyapılarının daha sürdürülebilir bir şekilde ölçeklenmesi için kritik öneme sahip.
Bu Ne Anlama Geliyor?
Raf seviyesinde 20 katlık bir verimlilik artışı, pratikte önemli sonuçlar doğuruyor. Tipik bir yapay zeka modeli eğitim senaryosu üzerinden örnek vermek gerekirse:
- 275'ten fazla raf gerektiren bir iş yükünün, tam kapasite kullanılan 1'den az rafa sığması mümkün olabilir.
- Operasyonel elektrik kullanımında %95'in üzerinde bir azalma sağlanabilir.
- Model eğitimi için karbon emisyonları yaklaşık 3.000 metrik tondan 100 metrik tona düşürülebilir.
AMD'nin bu yeni hedefleri, yapay zeka teknolojisinin çevresel etkilerini azaltma ve gelecekteki büyümesi için daha sürdürülebilir bir temel oluşturma yolunda atılmış önemli adımlar olarak değerlendiriliyor.
