Az AMD a CES-en a processzorok, rendszerchipek és grafikus vezérlők mellett a professzionálisabb igényekre is figyelt, ezen belül pedig a gépi tanulás került előtérbe. A cég elsődlegesen az XDNA architektúrát emelte ki, ami valójában teljes egészében a korábban felvásárolt Xilinx fejlesztése, az új tulajdonos csak a nevet adta hozzá, illetve kibővül a használhatósága, mivel lejut a kliensekbe is.

A vállalat koncepciója az, hogy a kliensektől, a szervereken át, a felhőig egységes szoftverkörnyezet legyen, így akármelyik területre is készül el egy szoftver, az futtatható lesz mindenhol, ahol XDNA architektúrájú részegység van a hardverben.

[+]

Maga az XDNA rendkívül skálázható, az alapegységét helyi memóriával rendelkező úgynevezett AI motorok adják. Ezek közül rengetek elhelyezhető egy lapkában, attól függően, hogy a célzott területen mekkora teljesítményre van igény. Ami a rendszert nagyon hatékonnyá teszi, hogy teljesen igazodni tud a neuronhálókhoz, ezek ugyanis olyan rétegekből állnak, amelyek nem feltétlenül egységes méretűek. Utóbbit figyelembe veszi az XDNA, és a mérettől függően eltérő mennyiségű részegységet tud az egyes rétegekhez társítani. Ilyen formában a dizájn adaptívan igazodik a neuronhálóhoz.

[+]

A CES-en bemutatott Phoenix SoC APU Ryzen AI részegységének felépítését ugyan az AMD nem árulta még el, de teljesítményben limitáltnak számít, mivel elsődlegesen a gépi tanulás dedukció szakaszára van tervezve, leginkább az otthoni igények kiszolgálása szempontjából.

[+]

Egy szinttel komolyabb rendszer lesz a Alveo V70-es, PCI Express 5.0-s interfészbe helyezhető gyorsító, ami szintén XDNA dizájnt használ, és továbbra is a gépi tanulás dedukció szakaszát célozza, viszont jóval komolyabb teljesítménnyel rendelkezik, ami nem csoda, hiszen a szerverpiacon szeretne otthonra lelni. Az AMD szerint az eredetileg Xilinx által tervezett hardver 75 wattos fogyasztás mellett, passzív hűtést kínál, a teljesítménye pedig INT8 és BFloat16 adattípussal rendre 404 és 202 TOPS, továbbá dedikált részegységén keresztül maximum 96 csatornányi Full HD-s videót képes egyszerre dekódolni. Maga az Alveo V70 már előrendelhető a start pedig idén tavasszal esedékes.

A gépi tanulás tréning szakaszát az AMD már az Instinct sorozatta célozza meg, ezen belül is az Instinct MI300 érkezik még idén, az év második felében. Ez a rendszer az előddel ellentétben már nem klasszikus gyorsító, hanem egy CPU és GPGPU kombináció, hasonlóan az APU-k elvi működéséhez, csak nem egy lapkára építve, hanem chipletekből megoldva.

[+]

Magára a tokozásra 9 darab 5 nm-es és 4 darab 6 nm-es chiplet kerül komplex 3D-s összeköttetéssel, mellettük 128 GB-nyi HBM3 szabványú memóriával. Az AMD egyelőre annyit árult el az összesen 146 milliárd tranzisztorból álló fejlesztésről, hogy a GPGPU CDNA 3 architektúrát használ, míg a CPU Zen 4 magokból épül fel, utóbbiakból összesen 24 darab lesz benne.

A legfőbb kérdés az lehet, hogy miért kellett egy tokozásra költöztetni a CPU-t és a GPGPU-t? Erre az a válasz, hogy így sokkal hatékonyabban működhet a rendszer, amire jó példa, hogy az MI300 nyolcszor nagyobb AI teljesítményt kínál majd az MI250X-nél, és AI feladatok mellett ötször jobb lesz a teljesítmény/fogyasztás mutatója.

Végül megemlítendő a Magic Leap 2, amely a 2017-ben bemutatott Magic Leap utódjának számít, és az új rendszerbe az AMD szállítja az egyedi igények szerint tervezett rendszerchipet, amely Zen 2 magokat és RDNA 2 architektúrára épülő IGP-t használ.