25x20-Energieeffizienzinitiative

​​​​​​​​​​Halbzeit auf dem Weg zu „25x20“

Wir von AMD verfolgen schon lange mit höchster Priorität die Entwicklung energieeffizienter Prozessoren. Darum konnten wir auch die durchschnittliche Energieeffizienz unserer mobilen Prozessoren zwischen 2009 und 2014 um das Zehnfache steigern.1,2 In 2014 starteten wir in eine neue, ambitionierte Ära mit dem Ziel, die Energieeffizienz unserer APUs bis 2020 um das 25-fache zu verbessern.

Weitere Infos zu aktuellen Auszeichnungen für die AMD 25x20-Initiative

 

Mit unseren APUs der 7. Generation bestätigen wir von AMD einmal mehr, „25x20“ erfüllen zu können​

Unser neuester mobiler Prozessor – die A-Serie APU der 7. Generation (Codename „Bristol Ridge“) – belegt, dass wir unser Ziel nicht zu hoch gesteckt haben, bis 2020 die Energieeffizienz unserer APUs um das 25-fache zu steigern.3, 4 Möglich wird dies, durch die permanente Verbesserung des „Leistung pro Watt“-Verhältnisses unserer Prozessoren. Hierdurch tragen wir nicht nur zur Senkung der Energiekosten unserer Kunden bei, sondern steigern gleichzeitig auch die Computing-Performance.​

AMD Energy 

Awards und Auszeichnungen für die 25x20-Initiative

AMD fühlt sich geehrt, 2016 die folgenden Awards und Auszeichnungen für unsere 25x20-Energieeffizienzinitiative erhalten zu haben:​​​​​​​


25x20 Awards

​​

RESSOURCEN

Warum Energieeffizienz für Unternehmen so wichtig ist


​​

​​


Heterogenes Computing

Die AMD APU – die die zentrale (serielle) und die grafische (parallele) Verarbeitung auf einem einzigen Chip vereint – ist die primäre Innovation hinter diesem Ziel. Unsere APU-Technologie ist so konzipiert, dass sie die Verarbeitungskapazitäten des heterogenen Designs nutzt, um mit weniger Energieaufwand mehr Rechenleistung zu erzielen. Dafür werden die Rechenlasten nahtlos auf die jeweils optimale Verarbeitungskomponente verschoben. Dadurch wird die Leistung gesteigert und weniger Energie verbraucht. Um dies zu erreichen, werden die Verbindungen zwischen diskreten Chips optimiert und Rechenzyklen reduziert, indem die CPU und GPU gleichrangig behandelt werden.​​​

Fußnoten