AI 워크로드를 위한 네트워크 재창조
포괄적으로 네트워크를 강화하고 향상하는 획기적이고, 성능이 뛰어나며, 프로그래밍이 가능한 개방형 제품군인 AMD Pensando™ 개방형 네트워킹 솔루션으로 AI 워크로드를 위해 특별히 설계된 데이터 센터의 미래를 맞이하세요.
AMD Pensando™ DPU는 프런트 엔드 네트워크를 지원합니다
데이터 이동 및 인프라 서비스를 유선 속도로 가속화하여 AI 워크로드를 위한 CPU 리소스를 확보하세요.
진화하는 AI 워크로드를 위한 스케일 업 네트워킹
최신 AI 모델은 단일 GPU를 능가하는 성능을 제공합니다. 스케일 업 네트워킹은 시스템 또는 랙 내의 여러 GPU를 연결하여 하나의 컴퓨팅 도메인을 구성하며, 이는 에이전틱 AI와 같은 대규모 워크로드에 필요한 초고대역폭과 낮은 지연율을 제공합니다.
AI NIC를 통한 스케일 아웃 및 스케일 어크로스
AI 워크로드가 서버, 랙, 데이터 센터에 걸쳐 있을 때는 GPU와 GPU 간의 원활한 연결이 매우 중요합니다. AMD AI NIC™ 기술은 고속 동기화 대규모 AI에 필요한 기능을 지원합니다.
AMD Helios: 하이퍼스케일 AI를 위한 선도적인 랙 성능1
AMD Helios 랙스케일 솔루션 디자인은 최신 AMD Instinct™ GPU, AMD EPYC™ 서버 CPU, AMD Pensando™ 네트워킹을 결합한 완전 통합 AI 인프라이며 대규모 추론, 프런티어 모델 학습 및 미세 조정을 지원하는 개방형 산업 표준을 사용하여 설계되었습니다.
AMD Pensando™ Vulcano 800 AI NIC
업계 유일의 AI NIC를 통해 GPU당 최대 2.4Tbps의 스케일 아웃 대역폭을 지원하여 AI 작업을 최대 13% 더 빠르게2 처리할 수 있습니다.
AI 워크로드를 위한 AI 기반 스케일 아웃 네트워킹 지원
스케일 아웃 네트워킹으로 GPU 활용성을 높이고 AI 작업을 가속화하고 AI 인프라 확장 비용을 절감하는 방법에 대해 알아보세요.
어댑터 및 CPU
AMD Solarflare™ 저지연율 네트워크 어댑터를 사용하는 전 세계 트레이딩
자본 시장을 위해 특별히 설계된 실리콘, 소프트웨어 및 어댑터
글로벌 증권 거래소 10곳 중 9곳이 트레이딩을 위해 Solarflare 솔루션 사용3
AMD x86 Embedded 프로세서
AMD x86 Embedded 프로세서는 방화벽, 라우터, 네트워크 기기와 같은 분야에 높은 처리량의 컴퓨팅, 강력한 I/O 및 확장성을 제공하여 에지 또는 데이터 센터의 성능, 효율성, 장기적인 안정성을 지원합니다.
리소스
AMD는 모든 규모의 성능을 위해 개방형 표준으로 네트워크를 엔지니어링하고 있습니다
각주
- 계산은 2025년 6월, AMD 퍼포먼스 랩에서 AMD Instinct™ MI455X 72xGPU “Helios” AI 랙의 예상 메모리 용량/대역폭, 스케일 업/아웃 대역폭 사양을 바탕으로 NVIDIA “Vera Rubin” 72xGPU “Oberon” 랙의 공개적으로 발표된 사양을 비교하여 수행했습니다. 서버 제조업체별 구성에 따라 다른 결과가 나올 수 있습니다. MI350-045A
계산은 2025년 9월, AMD 퍼포먼스 랩에서 AMD Instinct™ MI455X 72xGPU “Helios” AI 랙의 FP8/FP4 데이터 유형 및 예상 사양을 바탕으로 NVIDIA “Vera Rubin” 72xGPU “Oberon” AI 랙의 공개적으로 발표된 사양을 비교하여 수행했습니다. 프로덕션 실리콘에 따라 실제 결과는 다를 수 있습니다. 서버 제조업체별 구성에 따라 다른 결과가 나올 수 있습니다. MI350-046B
- AMD 엔지니어링 실리콘 모델링 및 AMD 합성 벤치마크 시뮬레이션을 기반으로, MOE_4p5T hi_sparsity_ea9 벤치마크 테스트를 사용하여 8000개의 AMD Instinct MI455X GPU 및 (3) vs (2) AMD Pensando Vulcano NIC로 모델링된 시뮬레이션된 LLM 시스템에서 FP8 학습 데이터 유형으로 해결 시간 향상(일)을 예상합니다.
결과는 순수 학습 컴퓨팅(디코딩 레이어만 해당)의 분석을 반영합니다. 구성은 SwiGLU 활성화를 사용하여 4096의 전역 배치 크기, 4K의 시퀀스 길이로 평가되었습니다. 평가 및 체크포인팅 오버헤드는 결과에서 제외됩니다. matmul–softmax 오버랩 포함 FlashAttention v3를 가정합니다. AllReduce 및 All2All 통신 비용이 완벽하게 반영되며, 타일형 연산-통신 오버랩을 통해 은닉되지 않습니다. 그레이디언트 동기화 및 FSDP 중량 프리페치는 스케일 아웃 감도를 평가하기 위해 다양한 오버랩 수준에서 평가됩니다. 결과는 이상적이고 완전히 최적화되지 않은 실제 동작을 가정하며, 실제 제품이 출시되면 달라질 수 있습니다. MI400-018
- https://focus.world-exchanges.org/issue/june-2025/market-statistics, AMD 내부 판매 데이터
각주
- 계산은 2025년 6월, AMD 퍼포먼스 랩에서 AMD Instinct™ MI455X 72xGPU “Helios” AI 랙의 예상 메모리 용량/대역폭, 스케일 업/아웃 대역폭 사양을 바탕으로 NVIDIA “Vera Rubin” 72xGPU “Oberon” 랙의 공개적으로 발표된 사양을 비교하여 수행했습니다. 서버 제조업체별 구성에 따라 다른 결과가 나올 수 있습니다. MI350-045A
계산은 2025년 9월, AMD 퍼포먼스 랩에서 AMD Instinct™ MI455X 72xGPU “Helios” AI 랙의 FP8/FP4 데이터 유형 및 예상 사양을 바탕으로 NVIDIA “Vera Rubin” 72xGPU “Oberon” AI 랙의 공개적으로 발표된 사양을 비교하여 수행했습니다. 프로덕션 실리콘에 따라 실제 결과는 다를 수 있습니다. 서버 제조업체별 구성에 따라 다른 결과가 나올 수 있습니다. MI350-046B - AMD 엔지니어링 실리콘 모델링 및 AMD 합성 벤치마크 시뮬레이션을 기반으로, MOE_4p5T hi_sparsity_ea9 벤치마크 테스트를 사용하여 8000개의 AMD Instinct MI455X GPU 및 (3) vs (2) AMD Pensando Vulcano NIC로 모델링된 시뮬레이션된 LLM 시스템에서 FP8 학습 데이터 유형으로 해결 시간 향상(일)을 예상합니다.
결과는 순수 학습 컴퓨팅(디코딩 레이어만 해당)의 분석을 반영합니다. 구성은 SwiGLU 활성화를 사용하여 4096의 전역 배치 크기, 4K의 시퀀스 길이로 평가되었습니다. 평가 및 체크포인팅 오버헤드는 결과에서 제외됩니다. matmul–softmax 오버랩 포함 FlashAttention v3를 가정합니다. AllReduce 및 All2All 통신 비용이 완벽하게 반영되며, 타일형 연산-통신 오버랩을 통해 은닉되지 않습니다. 그레이디언트 동기화 및 FSDP 중량 프리페치는 스케일 아웃 감도를 평가하기 위해 다양한 오버랩 수준에서 평가됩니다. 결과는 이상적이고 완전히 최적화되지 않은 실제 동작을 가정하며, 실제 제품이 출시되면 달라질 수 있습니다. MI400-018 - https://focus.world-exchanges.org/issue/june-2025/market-statistics, AMD 내부 판매 데이터