Innovation von Anfang an
Seit der Gründung 1969 prägt AMD eine Tradition wegweisender Innovationen, indem das Unternehmen leistungsstarke, neue Technologien bereitstellt und dabei stets den Fokus auf Nachhaltigkeit legt.
Auch heute arbeiten die Teams von AMD mit vollem Einsatz daran, hochmoderne Innovationen zu bieten, die keine Kompromisse bei Performance oder Umweltauswirkungen eingehen. Dieses Jahr feiern wir 30 Jahre Berichterstattung zur Unternehmensverantwortung – was unsere Erfolgsbilanz bei Innovationen im Dienste nachhaltiger Praktiken untermauert. Lesen Sie weiter, um mehr über unseren Nachhaltigkeitsfokus in den letzten Jahren zu erfahren. Finden Sie heraus, wie Partner wie Sie dabei helfen, den Weg für eine bessere Zukunft zu ebnen.
Die revolutionäre Verlagerung der Nachfrage im Bereich Computing
Der Aufstieg von Rechenzentren und die beispiellose Nachfrage nach KI-Computing bedeuten, dass Kunden mehr Strom und Hardware verbrauchen als jemals zuvor, um modernes Computing voranzutreiben. Dadurch steigt der Bedarf an effizienteren, nachhaltigeren Lösungen, die die Herausforderungen von heute – und morgen – in der digitalen Umgebung bewältigen können, ohne unsere eigene negativ zu beeinflussen. Durch energieeffiziente Innovation, transparente Praktiken und Engagement für Unternehmensverantwortung unterstützt AMD eine widerstandsfähigere Zukunft für Gesellschaft und Umwelt. Hier erfahren Sie wie.
So trägt AMD zum Umweltschutz bei
Seit langem konzentriert sich AMD darauf, seine Gesamtauswirkung auf die Umwelt zu verbessern. In den letzten Jahren hat das Unternehmen dabei große Meilensteine erreicht und mutige neue Ziele für 2030 gesetzt:
- AMD möchte seine betrieblichen Treibhausgasemissionen (Scope 1 und 2) von 2020 bis 2030 um 50 % reduzieren. Das Unternehmen konnte seine Treibhausgasemissionen bereits um 28 % reduzieren, obwohl der Stromverbrauch weltweit um 33 % gestiegen ist (2020–2024).1
- 2024 bezog AMD 118 GWh Strom aus erneuerbaren Energien, was der Hälfte seines weltweiten Stromverbrauchs entspricht. Beispielsweise wird am AMD Campus in San José eine lokale Solarstromerzeugung mit einer 1,4-MW-Solaranlage und einer weiteren 600-kW-Solaranlage auf dem Dach genutzt.
- AMD startete neue Initiativen, um den Recyclinganteil in seinen Produkten zu erhöhen und so die Kreislaufwirtschaft und seine Dekarbonisierungsstrategien voranzutreiben.
- 2024 hatten 87 % der AMD Fertigungszulieferer2 öffentliche Treibhausgasemissionsziele und 74 % bezogen Strom aus erneuerbaren Energien.3,4
- Die Gesamtmenge des verbrauchten Wassers zur Fertigung von AMD Wafern sank zwischen 2023 und 2024 um 12 %, eine Reduzierung von 1,5 Milliarden Litern Wasser.
Über Ressourcen hinaus bereitet AMD seine Produkte darauf vor, hohe Effizienzeinsparungen zu erzielen. Bis Mitte 2025 hat AMD sein 30 x 25-Ziel übertroffen5 und einen 38-fachen Anstieg gegenüber dem Basissystem erreicht, wobei eine aktuelle Konfiguration aus vier AMD Instinct™ MI355X GPUs und einer AMD EPYC™ CPU der 5. Generation verwendet wurde.6 Das entspricht einer Reduzierung des Energieverbrauchs um 97 % für die gleiche Performance.
Da immer mehr Kunden Virtualisierung nutzen möchten, um ihre Ressourcen optimal einzusetzen, ebnet AMD auch dort den Weg für noch mehr Effizienz: 11 Server mit AMD EPYC™ 9654 Dual-CPUs können bis zu 2.000 virtuelle Maschinen (VMs) unterstützen – die gleiche Last, die 17 Server der Konkurrenz erfordern würde. Das sind 35 % weniger Server, 29 % Energieeinsparungen über einen Zeitraum von drei Jahren und eine Kohlenstoffersparnis, die dem entspricht, was 38 Hektar Wald in den USA jährlich aufnehmen.7
Da KI weiter wächst und wir uns in Richtung eines echten End-to-End-Konzepts für vollständige KI-Systeme bewegen, ist es für uns wichtiger denn je, unsere Führungsposition bei energieeffizienten Designs fortzusetzen. Aus diesem Grund haben wir ein mutiges neues Ziel gesetzt: Eine 20-fache Verbesserung der Energieeffizienz auf Rack-Ebene für KI-Training und -Inferenz bis 2030, ausgehend von 2024 als Basisjahr.8 Unser neues Ziel für die Energieeffizienz auf Rack-Ebene bis 2030 hat erhebliche Auswirkungen auf die Konsolidierung des Equipments. Wenn wir das Training eines typischen KI-Modells aus 2025 als Benchmark verwenden, könnte mit den Zugewinnen Folgendes möglich sein:9
- Rack-Konsolidierung von mehr als 275 Racks auf <1 vollständig genutztes Rack
- Senkung des Betriebsstromverbrauchs um mehr als 95 %
- Reduzierung der Kohlenstoffemissionen von ca. 3.000 auf 100 metrische tCO2 für das Modelltraining
So hilft AMD den Menschen
Um die Welt zu verbessern, ist mehr nötig als nur Energieeinsparungen. Es geht darum, die Menschen von den AMD Mitarbeitern bis hin zu den Communitys weltweit zu befähigen und die Menschenrechte der Arbeiter, die AMD Produkte herstellen, zu respektieren.
So beeinflusst AMD die Menschen, mit denen das Unternehmen täglich zusammenarbeitet und die es unterstützt:
- Mit dem Ziel, 100 Millionen Menschen durch AMD und AMD Foundation Philanthropie und Partnerschaften zu helfen, die MINT-Bildung, wissenschaftliche Forschung und Belegschaften der Zukunft ermöglichen, haben zwischen 2021 und 2024 84,1 Millionen Menschen vom AMD Hochschulprogramm und MINT-Initiativen profitiert.10
- AMD hat 2024 mehr als 800 Universitäten, Forschungseinrichtungen und gemeinnützigen Organisationen Technologie gespendet.
- AMD vergab zusätzliche Fördermittel im Bereich MINT an fast 40 gemeinnützige Organisationen und Schulen in Jahr 2024.
- Der AMD KI- und HPC-Fonds ermöglicht hochwirksame Forschung und Bildung, indem Forschende und Pädagogen über Spenden von On-Premises-Geräten und Remote-Zugriff auf AMD Cluster Zugang zu AMD Computing-Technologie erhalten. Zwischen 2020 und 2024 hat AMD über 30 Petaflops Computing-Kapazität mit einem Gesamtmarktwert von mehr als 35,3 Millionen US$ gespendet.
- Mehr als 8.100 AMD Mitarbeiter leisteten im Jahr 2024 mehr als 33.000 Stunden Freiwilligenarbeit, eine Steigerung von 43 % gegenüber dem Vorjahr.
- AMD startete fünf neue Mitarbeiter-Mentoring-Programme, die professionelles Wachstum und Arbeitsplatzkultur unterstützen.
- 2024 nahmen 61 % der Mitarbeiter an AMD Mitarbeiterressourcengruppen und/oder anderen AMD Inklusionsinitiativen teil, ein Anstieg von 10 % im Vergleich zu 2023. Bis Ende 2025 sollen 70 % erreicht werden.
- AMD gehört zu den Top 15 % der ICT-Unternehmen in der KnowTheChain Benchmark – ein Tool, das die Bemühungen von Unternehmen zur Bekämpfung von Zwangsarbeit und Menschenhandel in Lieferketten bewertet.
Engagiert für eine bessere Zukunft
In einer Zeit, in der die Nachfrage nach Rechenleistung weiter steigt, hat AMD gezeigt, dass Fortschritt nicht zwangsweise zu Lasten der Umwelt gehen muss. Vom Übertreffen des ehrgeizigen 30 x 25-Energieeffizienzziels bis hin zum Setzen eines mutigen neuen Ziels, nämlich einer 20-fach höheren Energieeffizienz auf Rack-Ebene bis 2030, beweist AMD, dass Innovation und Nachhaltigkeit Hand in Hand gehen. AMD Technologie treibt bereits 60 % der 20 energieeffizientesten Supercomputer der Welt an, beschleunigt die Klima- und medizinische Forschung und hilft Kunden, eine höhere Performance bei gleichzeitiger Senkung ihres ökologischen Fußabdrucks zu erreichen. Aktuelle Benchmark-Daten bestätigen diese führende Position. Systeme mit AMD EPYC CPUs, wie Frontier und Adastra, liefern hierzu eine rekordverdächtige FLOPS-pro-Watt-Performance und steuern über 500 Weltrekord-Server-Benchmarks bei.
Wenn Sie mehr darüber erfahren möchten, wie AMD und Partner wie Sie helfen können, Menschen zu befähigen, die Umwelt zu schützen und Lösungen für globale Herausforderungen zu beschleunigen, finden Sie hier den AMD Bericht für Unternehmensverantwortung 2024–25.
AMD Arena
Erweitern Sie Ihr AMD Produktwissen durch Schulungen zu AMD Ryzen™ PRO, AMD EPYC™, AMD Instinct™ und weiteren.
Anmelden
Erhalten Sie monatliche Updates zu den neuesten Produkten, Schulungen und „Meet the Experts“-Online-Seminaren von AMD.

Verwandte Artikel
Fußnoten
- Zu den gemeldeten Daten gehören Scope 1- und 2-Treibhausgasemissionen (Basisjahr 2020). Basierend auf Berechnungen von AMD, die von Dritten verifiziert wurden (begrenzte Sicherheit).
- Fertigungszulieferer sind definiert als Zulieferer, bei denen AMD direkt einkauft und die direkte Materialien und/oder Fertigungsdienstleistungen für AMD bereitstellen.
- AMD definiert erneuerbare Energie als Energie aus einer Quelle, die bei der Nutzung nicht erschöpft wird, z. B. Wind- oder Solarenergie. AMD schreibt keine Mindestmenge an erneuerbarer Energie vor, die von Fertigungszulieferern bezogen werden muss, um in das Ziel aufgenommen zu werden. Die Daten werden von AMD Lieferanten bereitgestellt und werden von AMD nicht unabhängig überprüft.
- Die Berechnungen von AMD sind von Dritten verifiziert (begrenzte Sicherheit) und basieren auf Daten, die von unseren Fertigungszulieferern bereitgestellt und von AMD nicht unabhängig überprüft werden.
- Umfasst High-Performance-CPU- und GPU-Beschleuniger von AMD, die für KI-Training und High-Performance-Computing in einer CPU-gehosteten Konfiguration mit 4 Beschleunigern verwendet werden. Zielberechnungen basieren auf Performance-Werten gemessen auf Basis von Standard-Leistungsmetriken (HPC: Linpack DGEMM Kernel FLOPS mit 4k-Matrixgröße; KI-Training: GEMM-Kernel für Fließkomma-Mathematik mit geringerer Genauigkeit (z. B. FP16 oder BF16 FLOPS, die auf 4k-Matrizen arbeiten), geteilt durch den Nennstromverbrauch eines repräsentativen beschleunigten Rechenknotens mit CPU-Host + Speicher und 4 GPU-Beschleunigern.
- EPYC-030a: Die Berechnung umfasst 1) Basisfall-kWh-Nutzungsprognosen für 2025, die mit Koomey Analytics auf der Grundlage verfügbarer Forschungsergebnisse und Daten durchgeführt wurden (diese enthalten segmentspezifische prognostizierte Einsatzvolumina für 2025 und die Stromverbrauchseffektivität (PUE) von Rechenzentren, einschließlich GPU-HPC- und ML-Installationen), sowie 2) AMD CPU- und GPU-Knoten-Stromverbrauch unter Einbeziehung segmentspezifischer Nutzungsprozentsätze (aktiv gegenüber Leerlauf) und multipliziert mit PUE, um den tatsächlichen Gesamtenergieverbrauch für die Berechnung der Performance pro Watt zu ermitteln. 38-fach wird anhand der folgenden Formel berechnet: (Basisfall HPC-Knoten-kWh-Verbrauchsprognose 2025 x AMD 2025 Verbesserung Performance/Watt unter Verwendung von DGEMM und TEC + Basisfall ML-Knoten-kWh-Verbrauchsprognose 2025 * AMD 2025 Verbesserung Performance/Watt unter Verwendung von ML-Mathematik und TEC) / (Basisfall-kWh-Verbrauchsprognose 2025). Weitere Informationen unter: https://www.amd.com/de/corporate/corporate-responsibility/data-center-sustainability.html.
- SP5TCO-036A: Mit Stand 19.05.2023, basierend auf einer internen Analyse von AMD mit AMD EPYC™ Server Virtualization and Greenhouse Gas Emissions TCO Estimation Tools Version 12.15. Schätzung der Kosten und Anzahl von 2P AMD EPYC™ 9654 Servern mit 96 Kernen gegenüber der Serverlösung 2P Intel® Xeon® Platinum 8490H mit 60 Kernen, die für die Bereitstellung von insgesamt 2.000 virtuellen Maschinen (VM) erforderlich ist, die 1 Kern und 8 GB Speicher pro VM benötigen, über einen Zeitraum von drei Jahren. Dies umfasst VMware-Softwarelizenzkosten von 6.558,32 US-Dollar pro Sockel zuzüglich einer zusätzlichen Software pro 32-CPU-Kernstufen je Sockel. Dieses Szenario fußt auf vielen Annahmen und Schätzungen, und obwohl es auf internen Forschungen und bestmöglichen Näherungswerten von AMD basiert, dient es nur als Beispiel zur Veranschaulichung und sollte nicht als Grundlage für die Entscheidungsfindung anstelle tatsächlicher Tests dienen. Weitere Details unter https://www.amd.com/de/legal/claims/epyc.html#q=sp5tco-036&sortCriteria=%40title%20ascending
- Auf AMD basierende fortschrittliche Racks für KI-Training/Inferenz für jedes Jahr (2024 bis 2030) anhand von AMD Roadmaps. Untersucht wurden dabei auch historische Trends, um Entscheidungen zum Rack-Design und Technologieverbesserungen zu treffen, die die prognostizierten Ziele und historischen Trends in Einklang bringen. Das Rack 2024 basiert auf dem MI300X Knoten, der mit dem Nvidia H100 vergleichbar ist und die derzeitige gängige Praxis bei KI-Bereitstellungen im Zeitraum 2024/2025 widerspiegelt. Das Rack 2030 basiert auf einem AMD System und Chipdesign-Erwartungen für diesen Zeitraum. Bei beiden Fällen hat AMD Komponenten wie GPUs, CPUs, DRAM, Speicher, Kühlung und Kommunikation angegeben, die die Komponenten und definierten Rack-Eigenschaften hinsichtlich Stromverbrauch und Performance überwachen. Die Berechnungen beinhalten nicht den Stromverbrauch für die Kühlung der Luft- oder Wasserversorgung außerhalb der Racks, berücksichtigen jedoch den Stromverbrauch für Lüfter und Pumpen innerhalb der Racks. Performance-Verbesserungen werden auf der Grundlage des Fortschritts bei der Rechenleistung (geliefert, aufrechterhalten, nicht Spitzen-FLOPS), Speicherbandbreite (HBM) und der Netzwerkbandbreite (Scale-up) geschätzt, als Indizes ausgedrückt und nach den folgenden Faktoren für Training und Inferenz gewichtet.
Tabelle zur Aufschlüsselung der Performance
FLOPS
HBM-Bandbreite
Scale-up-Bandbreite
Schulungen
70,0 %
10,0 %
20,0 %
Inferenz
45,0 %
32,5 %
22,5 %
Performance und Stromverbrauch pro Rack zusammen deuten auf Trends in der Performance pro Watt im Laufe der Zeit für Training und Inferenz hin. Indizes für den Fortschritt bei Training und Inferenz werden anschließend 50:50 gewichtet, um die endgültige Schätzung des voraussichtlichen Fortschritts von AMD bis 2030 zu erhalten (20-fach). Bei der Performance-Zahl wird von einem fortlaufenden KI-Modell-Fortschritt bei der Nutzung von mathematischen Formaten mit geringerer Genauigkeit sowohl für Training als auch für Inferenz ausgegangen, was sowohl zu einer Steigerung der effektiven FLOPS als auch zu einer Senkung der erforderlichen Bandbreite pro FLOP führt. https://www.amd.com/de/newsroom/press-releases/2020-6-25-amd-exceeds-six-year-goal-to-deliver-unprecedented.html
- AMD schätzte die Zahl der Racks für das Training eines typischen bedeutenden KI-Modells auf der Grundlage von EPOCH AI-Daten (https://epoch.ai). Für die Berechnung gehen wir auf Basis dieser Daten davon aus, dass ein typisches Modell 1.025 Gleitkommaoperationen für das Training benötigt (auf Grundlage des Mittelwerts der Daten aus 2025) und dass dieses Training über einen Zeitraum von einem Monat stattfindet. Benötigte FLOPs = 10^25 FLOPs/(Sekunden/Monat)/Modell FLOPs Nutzung (MFU) = 10^25/(2,6298*10^6)/0,6. Racks = Benötigte FLOPs /(FLOPS/Rack in 2024 und 2030). Die Schätzungen der Rechnerleistung aus der AMD Roadmap deuten darauf hin, dass im Jahr 2025 276 Racks erforderlich wären, um ein typisches Modell über einen Zeitraum von einem Monat unter Verwendung des MI300X Produkts 2024 (unter Annahme von 22,656 PFLOPS/Rack mit 60 % MFU) zu trainieren, und sich die Anzahl der Racks zum Trainieren des gleichen Modells über einen Zeitraum von sechs Jahren um das 276-Fache reduzieren würde. Der Stromverbrauch für ein MI300X System für ein vollständiges Training eines typischen KI-Modells 2025 unter Verwendung eines Racks 2024 wird mit ~7 GWh berechnet, wobei das zukünftige AMD System 2030 das gleiche Modell mit ~350 MWh trainieren könnte, was einer Senkung von 95 % entspricht. AMD wandte dann die Kohlenstoffintensitäten pro kWh aus International Energy Agency World Energy Outlook 2024 an [https://www.iea.org/reports/world-energy-outlook-2024]. Der von IEA angegebene Richtlinienfall gibt Kohlenstoffintensitäten für 2023 und 2030 an. Wir ermittelten die durchschnittliche jährliche Veränderung der Intensität von 2023 bis 2030 und wandten diesen Wert auf die Intensität von 2023 an, um die Intensität für 2024 (434 CO2 g/kWh) im Vergleich zur Intensität für 2030 (312 CO2 g/kWh) zu erhalten. Emissionen für das Baseline-Szenario 2024 von 7 GWh x 434 CO2 g/kWh ~= 3.000 Tonnen CO2, im Vergleich zum zukünftigen Szenario 2030 von 350 MWh x 312 CO2 g/kWh ~= 109 Tonnen CO2.
- Der Zeitraum für das Digital Impact Ziel umfasst Spenden, die nach dem 1. Januar 2020 getätigt und bis zum 31. Dezember 2025 veranlasst werden. „Veranlasst“ bedeutet, dass AMD und die Empfängerorganisation eine Vereinbarung zu einer Spende von AMD treffen, die bis zum 30. Juli 2026 bereitgestellt werden muss. Zu den gemeldeten Daten gehören direkt Begünstigte, definiert als Schüler, Studierende, Lehrkräfte oder Forscher mit direktem Zugang zu von AMD gespendeter Technologie, Fördergeldern oder ehrenamtlichen Mitarbeitern, und indirekt Begünstigte, definiert als Personen mit einer hinreichenden Wahrscheinlichkeit, Forschungsdaten zu erhalten, die mit von AMD gespendeter Technologie erhoben wurden und möglicherweise zu nützlichen Erkenntnissen oder Wissen führen. AMD führt jährliche Umfragen mit den Empfängerorganisationen durch, um direkt Begünstigte und, im Fall von KI- und HPC-Fonds, auch indirekt Begünstigte zu schätzen. Basierend auf den Antworten aus 3 Jahren (2021–2023) erstellte AMD eine ökonomisch begründete Wirkungsannahme, um die Gesamtzahl der indirekt Begünstigten zu schätzen (gilt nicht für direkt Begünstigte). Dabei wurde der Gesamtmarktwert der Spenden in einem bestimmten Jahr durch die Summe der gemeldeten Werte der indirekt Begünstigten aus den Umfragen der Begünstigten für dasselbe Jahr geteilt. Die Daten ergeben ein Verhältnis von durchschnittlich 1,08 für die im Modell verwendeten Daten der 3 Jahre. Somit geht AMD davon aus, dass für jeweils 1 Mio. US$ des gespendeten Marktwerts ungefähr 1,08 Millionen Menschen indirekt begünstigt werden. AMD nimmt außerdem an, dass die geschätzten jährlichen indirekt Begünstigten in Jahr 1 auch in Jahr 2 und Jahr 3 zusätzliche Personen erreichen werden, allerdings in geringerem Umfang. Der Wirkungsabschreibungssatz geht davon aus, dass die Begünstigten in Jahr 2 50 % der Schätzungen in Jahr 1 betragen und die Begünstigten in Jahr 3 25 % der Schätzungen in Jahr 1 ausmachen. Die Berechnungen von AMD sind von Dritten verifiziert (begrenzte Sicherheit) und basieren auf Daten, die von unseren direkten Empfängerorganisationen bereitgestellt und von AMD nicht unabhängig überprüft werden. Sie beinhalten auch ökonomisch basierte Wirkungsmodelle von AMD basierend auf Daten, die von den Empfängerorganisationen zur Verfügung gestellt wurden. Das oben erwähnte Modell wurde um Daten des AMD Hochschulprogramms (das jetzt KI- und HPC-Fonds umfasst) für die Jahre 2023–2024 erweitert.
© 2025 Advanced Micro Devices, Inc. Alle Rechte vorbehalten. AMD, das AMD Pfeillogo, EPYC, Instinct und deren Kombinationen sind Marken von Advanced Micro Devices, Inc.
- Zu den gemeldeten Daten gehören Scope 1- und 2-Treibhausgasemissionen (Basisjahr 2020). Basierend auf Berechnungen von AMD, die von Dritten verifiziert wurden (begrenzte Sicherheit).
- Fertigungszulieferer sind definiert als Zulieferer, bei denen AMD direkt einkauft und die direkte Materialien und/oder Fertigungsdienstleistungen für AMD bereitstellen.
- AMD definiert erneuerbare Energie als Energie aus einer Quelle, die bei der Nutzung nicht erschöpft wird, z. B. Wind- oder Solarenergie. AMD schreibt keine Mindestmenge an erneuerbarer Energie vor, die von Fertigungszulieferern bezogen werden muss, um in das Ziel aufgenommen zu werden. Die Daten werden von AMD Lieferanten bereitgestellt und werden von AMD nicht unabhängig überprüft.
- Die Berechnungen von AMD sind von Dritten verifiziert (begrenzte Sicherheit) und basieren auf Daten, die von unseren Fertigungszulieferern bereitgestellt und von AMD nicht unabhängig überprüft werden.
- Umfasst High-Performance-CPU- und GPU-Beschleuniger von AMD, die für KI-Training und High-Performance-Computing in einer CPU-gehosteten Konfiguration mit 4 Beschleunigern verwendet werden. Zielberechnungen basieren auf Performance-Werten gemessen auf Basis von Standard-Leistungsmetriken (HPC: Linpack DGEMM Kernel FLOPS mit 4k-Matrixgröße; KI-Training: GEMM-Kernel für Fließkomma-Mathematik mit geringerer Genauigkeit (z. B. FP16 oder BF16 FLOPS, die auf 4k-Matrizen arbeiten), geteilt durch den Nennstromverbrauch eines repräsentativen beschleunigten Rechenknotens mit CPU-Host + Speicher und 4 GPU-Beschleunigern.
- EPYC-030a: Die Berechnung umfasst 1) Basisfall-kWh-Nutzungsprognosen für 2025, die mit Koomey Analytics auf der Grundlage verfügbarer Forschungsergebnisse und Daten durchgeführt wurden (diese enthalten segmentspezifische prognostizierte Einsatzvolumina für 2025 und die Stromverbrauchseffektivität (PUE) von Rechenzentren, einschließlich GPU-HPC- und ML-Installationen), sowie 2) AMD CPU- und GPU-Knoten-Stromverbrauch unter Einbeziehung segmentspezifischer Nutzungsprozentsätze (aktiv gegenüber Leerlauf) und multipliziert mit PUE, um den tatsächlichen Gesamtenergieverbrauch für die Berechnung der Performance pro Watt zu ermitteln. 38-fach wird anhand der folgenden Formel berechnet: (Basisfall HPC-Knoten-kWh-Verbrauchsprognose 2025 x AMD 2025 Verbesserung Performance/Watt unter Verwendung von DGEMM und TEC + Basisfall ML-Knoten-kWh-Verbrauchsprognose 2025 * AMD 2025 Verbesserung Performance/Watt unter Verwendung von ML-Mathematik und TEC) / (Basisfall-kWh-Verbrauchsprognose 2025). Weitere Informationen unter: https://www.amd.com/de/corporate/corporate-responsibility/data-center-sustainability.html.
- SP5TCO-036A: Mit Stand 19.05.2023, basierend auf einer internen Analyse von AMD mit AMD EPYC™ Server Virtualization and Greenhouse Gas Emissions TCO Estimation Tools Version 12.15. Schätzung der Kosten und Anzahl von 2P AMD EPYC™ 9654 Servern mit 96 Kernen gegenüber der Serverlösung 2P Intel® Xeon® Platinum 8490H mit 60 Kernen, die für die Bereitstellung von insgesamt 2.000 virtuellen Maschinen (VM) erforderlich ist, die 1 Kern und 8 GB Speicher pro VM benötigen, über einen Zeitraum von drei Jahren. Dies umfasst VMware-Softwarelizenzkosten von 6.558,32 US-Dollar pro Sockel zuzüglich einer zusätzlichen Software pro 32-CPU-Kernstufen je Sockel. Dieses Szenario fußt auf vielen Annahmen und Schätzungen, und obwohl es auf internen Forschungen und bestmöglichen Näherungswerten von AMD basiert, dient es nur als Beispiel zur Veranschaulichung und sollte nicht als Grundlage für die Entscheidungsfindung anstelle tatsächlicher Tests dienen. Weitere Details unter https://www.amd.com/de/legal/claims/epyc.html#q=sp5tco-036&sortCriteria=%40title%20ascending
- Auf AMD basierende fortschrittliche Racks für KI-Training/Inferenz für jedes Jahr (2024 bis 2030) anhand von AMD Roadmaps. Untersucht wurden dabei auch historische Trends, um Entscheidungen zum Rack-Design und Technologieverbesserungen zu treffen, die die prognostizierten Ziele und historischen Trends in Einklang bringen. Das Rack 2024 basiert auf dem MI300X Knoten, der mit dem Nvidia H100 vergleichbar ist und die derzeitige gängige Praxis bei KI-Bereitstellungen im Zeitraum 2024/2025 widerspiegelt. Das Rack 2030 basiert auf einem AMD System und Chipdesign-Erwartungen für diesen Zeitraum. Bei beiden Fällen hat AMD Komponenten wie GPUs, CPUs, DRAM, Speicher, Kühlung und Kommunikation angegeben, die die Komponenten und definierten Rack-Eigenschaften hinsichtlich Stromverbrauch und Performance überwachen. Die Berechnungen beinhalten nicht den Stromverbrauch für die Kühlung der Luft- oder Wasserversorgung außerhalb der Racks, berücksichtigen jedoch den Stromverbrauch für Lüfter und Pumpen innerhalb der Racks. Performance-Verbesserungen werden auf der Grundlage des Fortschritts bei der Rechenleistung (geliefert, aufrechterhalten, nicht Spitzen-FLOPS), Speicherbandbreite (HBM) und der Netzwerkbandbreite (Scale-up) geschätzt, als Indizes ausgedrückt und nach den folgenden Faktoren für Training und Inferenz gewichtet.
Tabelle zur Aufschlüsselung der Performance FLOPS HBM-Bandbreite Scale-up-Bandbreite Schulungen 70,0 % 10,0 % 20,0 % Inferenz 45,0 % 32,5 % 22,5 % - AMD schätzte die Zahl der Racks für das Training eines typischen bedeutenden KI-Modells auf der Grundlage von EPOCH AI-Daten (https://epoch.ai). Für die Berechnung gehen wir auf Basis dieser Daten davon aus, dass ein typisches Modell 1.025 Gleitkommaoperationen für das Training benötigt (auf Grundlage des Mittelwerts der Daten aus 2025) und dass dieses Training über einen Zeitraum von einem Monat stattfindet. Benötigte FLOPs = 10^25 FLOPs/(Sekunden/Monat)/Modell FLOPs Nutzung (MFU) = 10^25/(2,6298*10^6)/0,6. Racks = Benötigte FLOPs /(FLOPS/Rack in 2024 und 2030). Die Schätzungen der Rechnerleistung aus der AMD Roadmap deuten darauf hin, dass im Jahr 2025 276 Racks erforderlich wären, um ein typisches Modell über einen Zeitraum von einem Monat unter Verwendung des MI300X Produkts 2024 (unter Annahme von 22,656 PFLOPS/Rack mit 60 % MFU) zu trainieren, und sich die Anzahl der Racks zum Trainieren des gleichen Modells über einen Zeitraum von sechs Jahren um das 276-Fache reduzieren würde. Der Stromverbrauch für ein MI300X System für ein vollständiges Training eines typischen KI-Modells 2025 unter Verwendung eines Racks 2024 wird mit ~7 GWh berechnet, wobei das zukünftige AMD System 2030 das gleiche Modell mit ~350 MWh trainieren könnte, was einer Senkung von 95 % entspricht. AMD wandte dann die Kohlenstoffintensitäten pro kWh aus International Energy Agency World Energy Outlook 2024 an [https://www.iea.org/reports/world-energy-outlook-2024]. Der von IEA angegebene Richtlinienfall gibt Kohlenstoffintensitäten für 2023 und 2030 an. Wir ermittelten die durchschnittliche jährliche Veränderung der Intensität von 2023 bis 2030 und wandten diesen Wert auf die Intensität von 2023 an, um die Intensität für 2024 (434 CO2 g/kWh) im Vergleich zur Intensität für 2030 (312 CO2 g/kWh) zu erhalten. Emissionen für das Baseline-Szenario 2024 von 7 GWh x 434 CO2 g/kWh ~= 3.000 Tonnen CO2, im Vergleich zum zukünftigen Szenario 2030 von 350 MWh x 312 CO2 g/kWh ~= 109 Tonnen CO2.
- Der Zeitraum für das Digital Impact Ziel umfasst Spenden, die nach dem 1. Januar 2020 getätigt und bis zum 31. Dezember 2025 veranlasst werden. „Veranlasst“ bedeutet, dass AMD und die Empfängerorganisation eine Vereinbarung zu einer Spende von AMD treffen, die bis zum 30. Juli 2026 bereitgestellt werden muss. Zu den gemeldeten Daten gehören direkt Begünstigte, definiert als Schüler, Studierende, Lehrkräfte oder Forscher mit direktem Zugang zu von AMD gespendeter Technologie, Fördergeldern oder ehrenamtlichen Mitarbeitern, und indirekt Begünstigte, definiert als Personen mit einer hinreichenden Wahrscheinlichkeit, Forschungsdaten zu erhalten, die mit von AMD gespendeter Technologie erhoben wurden und möglicherweise zu nützlichen Erkenntnissen oder Wissen führen. AMD führt jährliche Umfragen mit den Empfängerorganisationen durch, um direkt Begünstigte und, im Fall von KI- und HPC-Fonds, auch indirekt Begünstigte zu schätzen. Basierend auf den Antworten aus 3 Jahren (2021–2023) erstellte AMD eine ökonomisch begründete Wirkungsannahme, um die Gesamtzahl der indirekt Begünstigten zu schätzen (gilt nicht für direkt Begünstigte). Dabei wurde der Gesamtmarktwert der Spenden in einem bestimmten Jahr durch die Summe der gemeldeten Werte der indirekt Begünstigten aus den Umfragen der Begünstigten für dasselbe Jahr geteilt. Die Daten ergeben ein Verhältnis von durchschnittlich 1,08 für die im Modell verwendeten Daten der 3 Jahre. Somit geht AMD davon aus, dass für jeweils 1 Mio. US$ des gespendeten Marktwerts ungefähr 1,08 Millionen Menschen indirekt begünstigt werden. AMD nimmt außerdem an, dass die geschätzten jährlichen indirekt Begünstigten in Jahr 1 auch in Jahr 2 und Jahr 3 zusätzliche Personen erreichen werden, allerdings in geringerem Umfang. Der Wirkungsabschreibungssatz geht davon aus, dass die Begünstigten in Jahr 2 50 % der Schätzungen in Jahr 1 betragen und die Begünstigten in Jahr 3 25 % der Schätzungen in Jahr 1 ausmachen. Die Berechnungen von AMD sind von Dritten verifiziert (begrenzte Sicherheit) und basieren auf Daten, die von unseren direkten Empfängerorganisationen bereitgestellt und von AMD nicht unabhängig überprüft werden. Sie beinhalten auch ökonomisch basierte Wirkungsmodelle von AMD basierend auf Daten, die von den Empfängerorganisationen zur Verfügung gestellt wurden. Das oben erwähnte Modell wurde um Daten des AMD Hochschulprogramms (das jetzt KI- und HPC-Fonds umfasst) für die Jahre 2023–2024 erweitert.
© 2025 Advanced Micro Devices, Inc. Alle Rechte vorbehalten. AMD, das AMD Pfeillogo, EPYC, Instinct und deren Kombinationen sind Marken von Advanced Micro Devices, Inc.