Initiative du programme d'efficacité énergétique 25x20

À mi-chemin de l'objectif 25x20

La conception de processeurs écoénergétiques a longtemps constitué une priorité pour AMD. En fait, AMD a même multiplié par 10 l'efficacité énergétique en utilisation normale de nos processeurs mobiles entre 2009 et 2014.1,2 En effet, en 2014, AMD s'est fixé le but de faire bien mieux encore, en multipliant par 25 l'efficacité énergétique des processeurs d'ici 2020, grâce à nos APU (Accelerated Processing Unit, unité de traitement accéléré).

Découvrez les prix récemment décernés à l'initiative du programme d'efficacité énergétique 25x20 d'AMD

 

L'APU de 7e génération donne à AMD une longueur d'avance pour l'objectif « 25x20 »

Notre processeur mobile le plus récent, l'APU série A de 7e génération (nom de code « Bristol Ridge »), offre à AMD l'avantage nécessaire qui nous permettra d'atteindre notre but en matière​ d'efficacité énergétique, appelé « 25x20 »3,4. En améliorant sans relâche le rapport de « performances par watt » de nos processeurs, nous aidons nos clients à réduire leur consommation énergétique et à réaliser des économies tout en augmentant leurs capacités de calcul.

AMD Energy 

Prix et reconnaissances décernés à l'initiative du programme d'efficacité énergétique 25x20

​​​​​

AMD est fier d'avoir reçu les distinctions suivantes en 2016 pour son initiative du programme d'efficacité énergétique 25x20 :


25x20 Awards

​​

        RESSOURCES

        Pourquoi l'efficacité énergétique est importante pour les entreprises



        ​​


        Informatique hétérogène

        L'APU AMD – qui combine un processeur central (en série) et un processeur graphique (en parallèle) sur une seule puce – est la principale innovation amenant vers cet objectif. Notre technologie d'APU est conçue pour augmenter les capacités de calcul des modèles hétérogènes afin de faire plus de calculs avec moins d'énergie en activant le basculement en douceur des charges de calcul vers le composant de traitement optimal – tout ceci contribuant à améliorer les performances et à utiliser moins d'énergie. Elle réussit ceci grâce à l'optimisation des connexions entre les puces séparées et réduit les cycles de calcul en traitant le CPU et le GPU en tant que pairs.

        Notes