12月13日，AMD宣布计划推出一系列人工智能产品，包括3款图形加速卡，4款OEM机箱和一系列开源软件。在这个新兴市场中，Nvidia已经发展了一段时间，英特尔和几个初创公司也都在开发替代产品。
AMD将在面向机器学习的GPU领域“引发以前从来没有过的竞争”，TiriasResearch高级分析师KevinKrewell这样表示。
“关键是没有那么多卡，但是有很多软件，”Krewell表示。“Nvidia提供Cuda软件来帮助人们立即开始进行编码。AMD支持OpenCL，但是现在他们有更有吸引力的解决方案。”
AMD公布了3款在RadeonInstinct新品牌下的图形卡，支持16位打包浮点运算操作，其中2款卡预计将在明年年初出货，采用现有的GPU，针对推断类的任务。
150WMI6采用PolarisGPU和16Bytes内存，通过224Gbit/s链路提供最高5.7TFlops的FP16峰值性能。175WMI8加速卡在2.5-D堆栈上采用FijiNanoGPU，有4GBHigh-BandwidthMemory运行在512Gbit/s链路上，性能最高可达到8.2TFlops。高端300WMI25卡针对培训任务，采用AMD的下一代VegaGPU，将在7月前出货。
这些卡将运行在4月新推出的MIOpen开源GPU加速库，支持像卷积、池化、激活功能、归一化和张量格式。
新的加速库是基于AMD现有的RandeonOpenCompute软件，其中包括域专有的编辑器，针对线性代数和张量以及语言运行时间。该软件支持7种机器学习框架，包括Caffe、Torch7以及Tensorflow，还有4种编程语言——Python、OIpenCL、高性能版C以及针对Nvidia的编译层。
超微宣布推出了支持AMD这三款新卡的机架式系统。Inventec也宣布两款系统支持一个机架节点最多有4个或者16个带有PCIe插槽、FPGA或者固态盘的M125Vega卡。Inventec还展示了一款将会包含120个Vega卡、GPU计算性能最高达到3Petaflops的机架系统。
在机器学习方面，AMD正在迎头赶上。4月，Nvidia开始出货针对高端GPU四路集群的设计，采用Nvidia独有的NV-Link技术，支持更高吞吐量、更低延迟的PCIe。并且Nvidia针对GPU计算的Cuda多年来已经被广泛采用。
上个月，英特尔详细阐述了采用至强和至强Phi处理器的计划，以及收购通过收购Nervana和Movidius以覆盖广泛的推断和培训类任务。此外像Cornami、Graphcore以及WaveComputing的初创公司已经公布了新芯片计划，据他们称，它在培训类任务方面的表现将击败GPU。
在过去两年中，机器学习已经成为Amazon、百度和Facebook等数据中心巨头的一种战略性工作负载。5月，Google宣布设计出了他们自己的AI推理加速器。
AMD计划公布一项基于采用更开放的组件的独特计划。除了新的开源加速库之外，AMD还将开放GPU指令集，针对那些希望做低等级优化的工程师们。
此外，AMD还计划支持像CCIX、GenZ连接到FPGA加速器以及存储存储这样的开放互连。与此同时，AMD也支持PCIe和单根虚拟化标准。
今年年底，AMD计划推出名为Naples的新服务器处理器，采用Zenx86核心。AMD表示，将把最低延迟的链路带入x86主机，能够在单一服务器节点中打包4-16个GPU。AMD目前已经支持GPU之间的直接内存访问（DMA），以及机架间的远程DMA。
AMD表示，与使用通用矩阵乘法（GEMM）的卷积相比，MIOpen代码将加速AI任务近3倍之多。此外AMD还分别展示了在NvidiaTitanX-Maxwell以及Pascal的DeepBenchDEMM之上MI8和MI25卡显著提升的性能。
AMD正在快速向前发展。它展示了两周时间内Vega采用Cuda和Caffe处理MIOpen软件中的培训任务。Vega芯片仍然供不应求，因为开发者正在致力于将传统图形软件和游戏放到Vega芯片上。
AMDRadeon部门首席架构师RajaKoduri表示，AMD的MxGPU虚拟化将提供给机器学习和游戏。
“我们的竞争对手是把游戏和人工智能分成两个部分，而我们希望把两者结合到一起，”他说。
此前，AMD公布了与数据中心巨头阿里巴巴以及Google在GPU方面的合作。
多伦多大学的研究人员称赞了MIOpen软件，他使用该软件做4位数据和汇编语言支持天文学应用程序。“我们发现人们还在谈论1位和2位数学，这说明我们在机器学习方面还处于很早起的阶段，”Xilinx副总裁LiamMadden这样表示。
本文出处：畅享网
本文来自云栖社区合作伙伴畅享网，了解相关信息可以关注vsharing.com网站。
