数据中心的账本已然改变

Sep 02, 2026

以更少的服务器,承载更多的工作负载。在降低电力、空间和许可成本的同时,为未来需求释放容量。

对于负责管理数据中心基础设施的 IT 企业而言,服务器整合是一项至关重要的工程。其目标非常明确:将工作负载从数量更多、效率较低的老旧系统迁移到数量更少、能力更强的服务器上,同时不牺牲性能,也不中断关键应用。

如果整合实施得当,可改善服务器资产的经济效益,释放机架空间与电力容量,降低按核心计费的软件许可成本,并为未来增长留出余量。无论下一步重点是扩展业务应用、分析还是 AI,都是如此。

AMD EPYC 专为提升效率而打造

有效整合的关键,是在不牺牲性能、也不增加不必要迁移复杂性的前提下,将更多现有工作负载迁移到更少的服务器上。AMD EPYC 处理器基于企业已广泛采用的 x86 架构,兼具高核心密度、强劲的单核性能和出色的能效。这意味着 IT 团队可以推进更大规模的整合,而无需同时承担迁移到基于 Arm® 架构的服务器时可能涉及的应用验证与各种迁移考量。

第五代 AMD EPYC CPU 为目前能效领先的 x86 服务器提供动力。该产品组合展现了支持大规模整合所需的能力:

  • 高密度配置(最高 192 个核心),可运行尽可能多的工作负载。
  • 有高频产品备选(最高 5 GHz),可最大限度提升单核性能并降低许可成本。
  • 均衡配置,适用于同时需要高核心密度与高频性能的工作负载。

展望未来,AMD 预计第六代 AMD EPYC “Venice”处理器将进一步扩大这一密度优势,提供最高 256 个核心的配置。

丰富的配置方案有助于企业在整合更多工作负载的同时,让计算资源与工作负载需求相匹配。由此释放的容量还可用于支持下一阶段的部署,包括面向 AI 推理与训练的 AMD Instinct GPU,以及可实现可预测数据传输的 AMD Pensando 网络解决方案。

整合服务器,同时不牺牲性能

相关数据十分亮眼。企业可将 100 台使用 5 至 7 年的双路 CPU 服务器整合为 14 台基于 AMD EPYC™ 9965 CPU 的服务器,在保持相同总体性能的同时,将服务器数量减少 86% 并降低用电消耗。

换一种方式来看: 100 台老旧服务器 × 28 个核心 × 2 个插槽 = 5,600 个核心,而14 台基于 AMD EPYC 9965 CPU 的服务器 × 192 个核心 × 2 个插槽 = 5,376 个核心。总体而言,这可释放大量数据中心容量。这意味着,在无需增加更多物理基础设施的情况下,可在现有数据中心占地范围内腾出大量的机架空间和可观的电力容量,用于承载新的工作负载。

每个核心承载更多工作可直接转化为更低的软件成本。许多主流虚拟化和数据库软件包按插槽或核心授权,因此使用更少的系统和核心,有望节省数百万美元的许可与维护费用。当每个核心都需要付费时,让每个核心完成更多工作,就能改变成本曲线。(对于按用户、设备或其他非核心模式授权的软件,则不以相同方式计算成本优势。)

整合实践

越南快速发展的在线证券经纪商 DNSE Securities 需要云级的密度与性能,但受监管要求所限,必须将基础设施保留在本地。其现有服务器环境无法实现业务增长所需的整合水平。

在对 AMD 与英特尔系统进行基准测试后,DNSE 在整个数据中心部署了第三代和第四代 AMD EPYC CPU。其机架数量减少了一半,每个机架的功耗也从 16 至 17 千瓦降到 7 至 9 千瓦。

如今,DNSE 90% 的工作负载运行在 AMD EPYC CPU 上,其中,高频处理器用于延迟敏感型交易系统,高核心数处理器用于混合容器化工作负载。这种“为合适的任务选择合适 CPU”的灵活性,使 DNSE 能够在不进行过度配置的情况下扩展规模。

正如 DNSE 首席技术官 Binh Nguyen 所说:“基于 AMD EPYC CPU 的服务器将使我们能够继续沿用当前的方式构建基础设施并运行软件,但规模将大幅扩大。”

为 AI 释放容量余量

对各行各业而言,其即时价值都可量化:IT 可用更少的服务器和机架、更低的用电量以及更低的软件许可成本来支持业务。但优势远不止于此。更高效地运行现有业务应用,还可为新基础设施释放电力、空间和散热容量。

对于智能体 AI而言,这种容量余量对整个技术栈都至关重要:智能体的每一次操作都可能触发数据库查询、API 调用、token 生成和工具执行。将现有工作负载整合到数量更少、效率更高的服务器上,有助于释放容量,在支持核心业务应用的同时满足这些新增需求。

随着企业 AI 日益覆盖由前沿模型、云服务、本地基础设施和 AI 终端组成的分布式环境,这种灵活性变得更加重要。基于复杂度、数据敏感性、延迟和成本等因素,不同工作负载可能分别更适合不同的模型和部署位置。

对于正在引入 AI 的组织而言,这可能意味着能够在现有数据中心限制范围内部署加速器。更广泛地说,它使 IT 团队能够灵活地逐步扩展,并让处理器、加速器和模型各自匹配其最擅长的工作,而不是围绕单一模型或工作负载重建基础设施。

CIO 的当务之急

服务器整合或许并非 CIO 议程中最受瞩目的事项,但它是一项重要且可量化的工程。其成效可以通过服务器数量、机架空间、用电量、许可支出和总体拥有成本进行跟踪。

借助 AMD EPYC 服务器 CPU,IT 组织能够在不牺牲性能、也无需强制所有工作负载采用单一配置的情况下实现这些目标。最终,企业既能在当下拥有更高效的服务器资产,也能为未来的业务需求留出更多余量。

Share:

Article By


高级副总裁及计算与企业 AI 事业部总经理

Dan McNamara 是 AMD 公司高级副总裁及计算与企业 AI 总经理。他领导公司的高性能服务器和企业 AI 业务,涵盖云计算、企业级应用、高性能计算、自主 AI 以及合作伙伴生态系统等领域。Dan McNamara 拥有伍斯特理工学院电气工程学士和硕士学位。

Related Blogs