AMD Instinct扩大生态系统 为HPC和AI应用程序提供Exascale级技术

简介: AMD Instinct扩大生态系统 为HPC和AI应用程序提供Exascale级技术

3月22日,AMD宣布正式发布AMD Instinct生态系统,其中包括ASUS、Dell Technologies、HPE、Lenovo以及Supermicro在内更广泛的系统支持合作伙伴、全新AMD Instinct MI210加速器以及具备强大功能的ROCm 5软件。结合以上新特性和产品,AMD Instinct以及ROCm生态系统正在为拥有广泛基础的HPC和AI客户提供Exascale级(百亿亿次级)技术,以满足计算加速的数据中心工作负载日益增长的需求,并缩短洞察和发现的时间。


AMD数据中心GPU与加速处理全球副总裁Brad Mccredie表示:“与前代加速器相比,其适用平台增加了一倍,客户在HPC和AI应用程序中的采用率也越来越高,随着商业ISV合作伙伴在关键工作负载中所提供的新支持,我们进一步推动了AMD Instinct MI200加速器以及ROCm 5软件生态系统的采用。现在,随着MI200系列中AMD Instinct MI210加速器的正式推出,无论是为大规模HPC和AI工作负载提供业界领先的加速处理,亦或是通过商业业态获得Exascale级技术支持,我们的客户均可以为他们的工作负载选择最适合的加速器。”


Lumi超级计算机基础设施主管Pekka Manninen说:“基于AMD EPYC处理器和AMD Instinct MI200加速器的Lumi超级计算机将为大规模模拟和建模以及AI和深度学习工作负载提供跨代际般的性能飞跃,以解决研究中的棘手难题。我们已经通过AMD Instinct MI210加速器切身体验到Instinct MI200系列的强大性能,以帮助我们的科学家在Lumi全面部署后,在应对运行中所面临的诸多挑战与复杂性项目时做好准备。”

为未来HPC和AI提供动力

AMD Instinct MI200系列加速器旨在为Exascale级系统的探索提供动力,以帮助研究人员、科学家和工程师解决那些从气候变化到疫苗研究中的紧迫挑战。AMD Instinct MI210加速器则专为需要PCIe规格下卓越HPC和AI性能的客户提供Exascale级技术。基于AMD CDNA 2架构,AMD Instinct MI210加速器扩大了AMD在PCIe 外形规格卡上双精度(FP64)计算的性能领导力。它们还拥有基于AMD Matrix Core技术的广泛混合精度能力,为加速深度学习训练提供一个强大的解决方案。

推动ROCm的采用

作为一个开放的软件平台,AMD ROCm平台基于众多应用程序和库之上,并可为顶级HPC和AI应用程序提供强大性能,以帮助研究人员、科学家和工程师可以借助AMD Instinct加速器的性能推动科学发现。

通过ROCm 5,AMD进一步扩大了其软件平台,新增了对AMD Instinct MI200系列加速器以及AMD Radeon PRO W6800专业显卡的硬件支持,再加上对Red Hat Enterprise Linux 8.5的支持,不仅提高了开发者对ROCm的可用性,还在各种关键负载中实现了更出色的性能。


此外,通过在AMD GPU上进行移植和优化的开源应用程序资源中心AMD Infinity Hub,终端用户得以轻而易举地找到、下载并安装容器化HPC应用程序和ML框架。AMD Infinity Hub应用容器旨在减少获取和安装软件时的传统难题和困难,同时让用户根据共享的经验和问题解决办法来获得帮助。

不断扩大的合作伙伴和客户生态系统

随着越来越多的专业应用程序通过ROCm和AMD Instinct加速器进行优化,AMD进一步扩大了其软件生态系统,新增了包括Ansys Cascade Technologies以及TempoQuest在内的商业ISV合作伙伴。这些ISV合作伙伴可为包括计算流体力学(CFD)、气象、计算机辅助工程(CAE)在内的加速工作负载提供应用程序。除了以上更新,ROCm现有的应用程序支持还包括HPC、AI和机器学习应用程序,以及AMBER、Chroma、CP2K、GRID、GROMACs、LAAMPS、MILC、Mini-HAAC、NAMD、NAMD 3.0、ONNX-RT、OpenMM、PyTorch、RELION、SPECFEM3D Cartesian、SPECFEM3D Globe和TensorFlow。

 

AMD还与诸如包括ASUS、Dell Technologies、HPE、Lenovo、Supermicro在内的合作伙伴以及Colfax、Exxact、KOI Computers、Nor-Tech、Penguin和Symmetric等系统集成商合作提供差异化解决方案以应对下一代计算挑战。众多超级计算机客户也已经开始充分利用这些新客户成功案例所带来的优势,例如橡树岭国家实验室、KTH/Dardel、CSC/LUMI以及Cines/Adastra。


为客户和合作伙伴提供优质服务

AMD Accelerator Cloud可为客户提供可远程访问并评估AMD Instinct加速器和AMD ROCm软件的环境。无论是移植遗留代码、对应用程序进行基准测试,还是测试多GPU或多节点扩展,AMD Accelerator Cloud都可以让潜在客户和合作伙伴快速、轻而易举地获取最新GPU和软件。AMD Accelerator Cloud还可被用于支持各种活动,例如为现有或潜在的客户提供黑客马拉松和ROCm培训课程,帮助开发者提升他们的技能并学习如何最大程度的利用AMD Instinct加速器。


MI200系列参数

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
相关文章
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
5天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
35 3
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
28 1
|
3天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
6天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
32 10
|
6天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。
|
5天前
|
存储 人工智能 固态存储
如何应对生成式AI和大模型应用带来的存储挑战
如何应对生成式AI和大模型应用带来的存储挑战
|
7天前
|
传感器 人工智能 算法
AI在农业中的应用:精准农业的发展
随着科技的发展,人工智能(AI)在农业领域的应用日益广泛,尤其在精准农业方面取得了显著成效。精准农业通过GPS、GIS、遥感技术和自动化技术,实现对农业生产过程的精确监测和控制,提高产量和品质,降低成本和环境影响。AI在作物生长监测、气候预测、智能农机、农产品品质检测和智能灌溉等方面发挥重要作用,推动农业向智能化、高效化和可持续化方向发展。尽管面临技术集成、数据共享等挑战,但未来前景广阔。
|
8天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
43 4
|
8天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用及其未来趋势
【10月更文挑战第34天】随着人工智能技术的飞速发展,其在医疗领域的应用也日益广泛。本文将探讨AI技术在医疗诊断中的具体应用案例,分析其对提升诊断效率和准确性的积极影响,并预测未来AI在医疗诊断中的发展趋势。通过实际代码示例,我们将深入了解AI如何帮助医生进行更精准的诊断。