Grande citation : Les demandes énergétiques élevées pour GenAI et d’autres LLM accélèrent le besoin de systèmes plus économes en énergie. Lisa Su, PDG d’AMD, est convaincue que l’entreprise est sur la bonne voie pour multiplier par 100 l’efficacité énergétique des centres de données au cours des trois prochaines années.
Partout où vous regardez, il existe un nouveau service d’IA pour améliorer votre vie personnelle ou professionnelle. La recherche Google intègre désormais son IA Gemini pour résumer les résultats de recherche, mais cela coûte dix fois plus d’énergie (avec des résultats médiocres) par rapport à la recherche sans IA. La popularité mondiale de l’IA générative a accéléré le besoin d’expansion rapide des centres de données et de la demande en énergie.
Goldman Sachs estime que les besoins en énergie des centres de données augmenteront de 160 % d’ici 2030. Il s’agit d’un problème majeur pour des pays comme les États-Unis et l’Europe, où l’âge moyen des réseaux électriques régionaux est respectivement de 50 et 40 ans. En 2022, les centres de données consommaient 3 % de l’énergie américaine, et les projections suggèrent que cette part augmentera jusqu’à 8 % d’ici 2030. « Il n’y a aucun moyen d’y parvenir sans une avancée décisive », déclare Sam Altman, cofondateur d’OpenAI.
Lisa Su, PDG d’AMD, a discuté des succès passés et des projets futurs visant à améliorer l’efficacité des nœuds de calcul lors de la conférence ITF World 2024. En 2014, AMD s’est engagé à rendre ses processeurs mobiles 25 % plus efficaces d’ici 2020 (25×20). Ils ont dépassé cet objectif en atteignant une efficacité de 31,7 %.
En 2021, AMD a vu l’écriture sur le mur concernant la croissance exponentielle des charges de travail d’IA et les besoins en énergie pour faire fonctionner ces systèmes complexes. Pour aider à atténuer la demande d’énergie, AMD a établi un objectif de 30×25 pour l’efficacité des nœuds de calcul en se concentrant sur plusieurs domaines clés.
Cela commence par des améliorations au niveau des nœuds de processus et du packaging, qui sont les éléments fondamentaux de la fabrication de CPU/GPU. En utilisant des transistors Gate-All-Around (GAA) de 3 nm, une évolution des transistors FinFET 3D, l’efficacité énergétique et les performances par watt seront améliorées. De plus, le perfectionnement continu des techniques de packaging (par exemple, chipsets, empilement 3D) donne à AMD la flexibilité d’échanger divers composants dans un seul package.
Le prochain domaine d’intérêt concerne les architectures matérielles accélérées optimisées pour l’IA. Celles-ci sont connues sous le nom d’unités de traitement neuronal (NPU) qui font partie des SoC mobiles comme la série Snapdragon 8 Gen depuis des années maintenant. Plus tôt cette année, AMD a lancé le Ryzen 8700G, le premier processeur de bureau doté d’un moteur d’IA intégré. Ce hardware dédié permet au processeur de décharger les tâches d’IA gourmandes en calcul vers le NPU, améliorant ainsi l’efficacité et réduisant la consommation d’énergie.
Les derniers piliers de cet objectif 30×25 sont le réglage au niveau du système et la co-conception logiciel/hardware. Le réglage au niveau du système est une autre branche de l’initiative de packaging avancé, axée sur la réduction de l’énergie nécessaire au déplacement physique des données au sein de ces clusters d’ordinateurs. La co-conception logiciel/hardware vise à améliorer les algorithmes d’IA pour qu’ils fonctionnent plus efficacement avec les NPU de nouvelle génération.
Lisa Su est convaincue qu’AMD est sur la bonne voie pour atteindre l’objectif 30×25, mais voit un moyen d’atteindre une amélioration de 100 fois d’ici 2027. AMD et d’autres leaders de l’industrie contribuent tous à répondre aux besoins en énergie de nos vies améliorées par l’IA dans cette nouvelle ère informatique. .
Détente, découvrez l’évolution du nombre de smartphones vendus par marque au fil du temps dans la vidéo ci-dessous :
