High-Performance-Frontend-Netzwerke

Die vollständig programmierbare AMD Pensando™ DPU wurde speziell für die intensive Übertragung hoher Datenmengen entwickelt, die für Trainings-, Inferenz- und agentische Workflows benötigt wird. Sie hat sich in einigen der größten Hyperscale-Rechenzentren bewährt und wird dort flächendeckend eingesetzt.

Anwendungsfälle

Abstract illustration with glowing blue lines

Multimandantenfähiges SDN und virtuelle Netzwerke

Verbesserte Performance für anspruchsvolle KI-Anwendungen durch die Bereitstellung essenzieller softwaredefinierter Netzwerke (SDN).

Abstract glowing 3D computer chip lines

Beschleunigung von Sicherheitsdiensten und umfassende Überwachbarkeit

Profitieren Sie von granularen Einblicken in Netzwerk-, Speicher- und Sicherheitsvorgänge für schnelle Fehlerbehebung, Compliance und Performance-Optimierung.

Server room center exchanging cyber datas 3D rendering

Speicherbeschleunigung und KV-Cache-Optimierung

Beschleunigter Zugriff auf KI-Speicher und KV-Cache zur Unterstützung größerer Kontextfenster, einer höheren Agent-Dichte und einer kontinuierlichen Inferenz für agentische KI-Workloads der nächsten Generation.

Abstract glowing 3D computer chip lines

Front-End-Netzwerke für KI-Cluster

Nutzen Sie Front-End-Netzwerke zur Beschleunigung und Verwaltung der Datenverschiebung zwischen Rechen-, Speicher- und externen Netzwerken, um einen hohen Durchsatz und eine geringe Latenz für anspruchsvolle KI-Workloads zu ermöglichen.

Performance-Benchmarks

~1,45 x
Performance im Vergleich zu NVIDIA Bluefield-3¹

Die AMD Pensando™ Salina DPU kann zu einem noch effizienteren Management des Netzwerktraffics beitragen.

~2 x
Performance im Vergleich zur vorherigen Generation²

Die AMD Pensando™ DPUs setzen neue Maßstäbe beim Durchsatz und der Skalierbarkeit von Rechenzentren.

Portfolio

AMD Pensando DPU

AMD Pensando™ Salina DPU

Die AMD Pensando™ Salina DPU ist vollständig P4-programmierbar und für minimale Latenz, Jitter und Leistungsaufnahme optimiert. Der für das Hyperscaling bereitgestellte generationsübergreifende Hardware- und Software-Stack bietet eine optimale Frontend-Performance.

AMD Helios Rack-Scale-Lösung

Führende Rack-Performance für Hyperscale AI3

Die AMD Helios Rack-Scale-Lösung ist eine vollständig integrierte KI-Infrastruktur, die die neuesten AMD Instinct™ GPUs, AMD EPYC™ Server-CPUs und die AMD Pensando™ Netzwerktechnologie zusammenführt. Sie wurde auf Basis offener Branchenstandards entwickelt und ermöglicht flächendeckende Inferenzberechnungen sowie das Training und die Feinkalibrierung von Frontier-Modellen.

AMD Helios Rackscale

Kundenerfahrungen mit AMD Pensando™ DPUs

Partner-Ökosystem

DXC Technology
IBM Cloud white logo
Microsoft Azure logo
Oracle Cloud logo
Zyphra logo
Dell Technologies logo
ddn logo
Vast logo
Weka logo
Cisco white logo
HPE aruba networking logo

Ressourcen

Kontakt

Die Zukunft von KI-Networking erschließen

Erfahren Sie, wie die AMD Pensando™ DPU-Technologie das Front-End-Netzwerk für moderne Rechenzentren transformieren kann.

Lösungen für Rechenzentren

Eine umfassende Suite an Netzwerklösungen für moderne High-Performance-Rechenzentren.

Fußnoten
  1. PEN-017: Tests durchgeführt vom AMD Leistungslabor am 15. April 2025 mit der AMD Pensando Salina DPU auf einem Testsystem bestehend aus 2 Dual-Socket-Xeon-Servern vom Typ Dell PowerEdge XE9680, einem Cisco 64x400G Switch, einem IXIA 2x400G Tester von Keysight als Traffic-Generator, 2 AMD Pensando™ Salina DPUs, einer Xeon 8568 CPU der 5. Generation mit 48 Kernen und PCIe Gen-5; Betriebssystemversion: Ubuntu® 22.04.5 LTS; Kernel-Version: 5.15.0-139-generic; BIOS-Version: 1.3.6 [Mitigation: Off (Standardeinstellung), Systemprofileinstellung: Performance (Standardeinstellung), SMT: aktiviert (Standardeinstellung)]. AMD Pensando erreicht bei den AMD Tests durchschnittlich 117 MPPS (Millionen Pakete pro Sekunde), während die von Nvidia Bluefield-3 veröffentlichte Performance bei 80 MPPS liegt. https://hc33.hotchips.org/assets/program/conference/day1/HC2021.NVIDIA.IdanBurstein.v08.norecording.pdf, Folie 6, ca. das 1,45-Fache an Performance mit der AMD Pensando Salina DPU.
    Die Ergebnisse können je nach Faktoren wie u. a. Systemkonfiguration und Softwareeinstellungen abweichen.
  2. PEN-012A: Messungen durchgeführt vom AMD Leistungslabor am 15. April 2025 anhand der aktuellen Spezifikationen für den AMD Pensando™ Salina DPU-Beschleuniger, der mit der AMD Pensando™ 5-nm-Prozesstechnologie entwickelt wurde. Die Performance-Daten basieren auf der SDN Cloud Gateway-Pipeline im BITW-Modus (Bump-in-the-Wire-Modus):
    Salina (DPU der 3. Generation)
    SDN PPS – 117 MPPS
    SDN BW – 782G
    SDN encryption PPS – 100 MPPS
    SDN encryption BW – 767G
    Elba (DPU der 2. Generation)
    SDN PPS – 52 MPPS
    SDN BW – 344G
    SDN encryption PPS – 42M
    SDN encryption BW – 288G
    Konfiguration des Salina-Testsystems:
    2P-Server für produktiven Einsatz mit Intel Xeon 8568, Ubuntu 22.04.5 LTS, Cisco 64x400G Switch der N96K-Serie, Kernel-Version: 5.15.0-139-generic, BIOS-Version 1.3.6, Mitigation: Off (Standardeinstellung), Systemprofileinstellung: Performance (Standardeinstellung),
    SMT: aktiviert (Standardeinstellung)
    Konfiguration des Elba-Testsystems:
    2P-Server für produktiven Einsatz mit EPYC 7302, Oracle Linux 9.7, Kernel-Version: 6.12.0-201.74.2.1 el9uek_x86_64, BIOS-Version 2.25, Mitigation: Off (Standardeinstellung), Systemprofileinstellung: Performance (Standardeinstellung), SMT: aktiviert (Standardeinstellung).
    Die Ergebnisse können je nach Systemkonfiguration und weiteren Faktoren variieren.
  3. Berechnungen durchgeführt vom AMD Leistungslabor im Juni 2025 basierend auf den prognostizierten Spezifikationen hinsichtlich der Speicherkapazität/Bandbreite sowie der Skalierungs-/Erweiterungsbandbreite des AMD Instinct™ MI455X 72xGPU „Helios“ KI-Racks im Vergleich zum offiziell angekündigten NVIDIA „Vera Rubin“ 72xGPU „Oberon“-KI-Rack. Serverhersteller wählen möglicherweise andere Konfigurationen, was zu anderen Ergebnissen führen kann. MI350-045A.
    Berechnungen durchgeführt vom AMD Leistungslabor im September 2025 basierend auf den Datentypen FP8/FP4 und den prognostizierten Spezifikationen für das AMD Instinct™ MI455X 72xGPU „Helios“-KI-Rack im Vergleich zu den offiziell bekannt gegebenen Spezifikationen für das NVIDIA „Vera Rubin“ 72xGPU „Oberon“-KI-Rack. Die tatsächlichen Ergebnisse auf Basis von Chips aus der Produktion können abweichen. Serverhersteller wählen möglicherweise andere Konfigurationen, was zu anderen Ergebnissen führen kann. MI350-046B.
  4. Jayant Tulsiani, DXC VP Cloud and Infrastructure Services: „Was früher Hunderte von virtuellen und physischen Firewalls erforderte, um unsere Segmentierungs- und Konformitätsanforderungen zu erfüllen, wird jetzt nativ inline auf der Plattform bereitgestellt, was eine Transformation für unser Unternehmensmodell für die Gesamtbetriebskosten darstellt und zu prognostizierten Einsparungen bei den Gesamtbetriebskosten von ~65 Mio. $ führt.“ – veröffentlicht auf AMD.com: https://www.amd.com/en/solutions/data-center/data-center-ai-premiere/industry-support.html
  5. Satinder Sethi, GM, IBM Cloud Infrastructure Services: „Aufgrund der Zusammenarbeit mit AMD und der Nutzung seiner programmierbaren DPU, schlüsselfertiger SDN- und Sicherheitsservices-Software konnte IBM Cloud die Vermarktung unseres preisgekrönten sicheren High-Performance-Angebots „Bare-Metal Servers for VPC“ für VMware-, Red Hat- und SAP-Workloads beschleunigen und so erhebliche Verbesserungen des Netzwerkdurchsatzes für die Kunden und Einsparungen von 30 % bei den Gesamtbetriebskosten durch höhere Workload-Dichte und eingesparte CPU-Kerne erzielen.“ – veröffentlicht auf AMD.com: https://www.amd.com/en/solutions/data-center/data-center-ai-premiere/industry-support.html
  6. Gerald De Grace, Lead, Microsoft Azure Accelerated Connections: „Unsere Zusammenarbeit mit AMD mithilfe der auf der AMD Pensando DPU basierenden Appliance und der vollständigen AMD Software in Produktion für ‚Accelerated Connections‘ hat zu einer 100-fachen Verbesserung der CPS-Performance gegenüber unserer bestehenden Lösung geführt und wird sich in Zukunft auf weitere Ebenen innerhalb des Azure Netzwerks ausweiten.“