Die Unternehmens-IT muss eine Vielzahl unterschiedlicher Workloads bewältigen – von Datenbanken und Applikationen über Cloud- und Edge-Szenarien bis hin zum Training und zur Anwendung von KI-Modellen. Dieser Portfolio-Guide zeigt Ihnen, welche Prozessorfamilie für welchen Anwendungszweck am besten geeignet ist.
Inhalt:
Nach einer Prognose des Marktforschungsunternehmens Gartner werden sich die weltweiten IT-Ausgaben in diesem Jahr auf über 5,6 Billionen US-Dollar (rund 4,4 Billionen Euro) belaufen – rund zehn Prozent mehr als im Vorjahr. Unternehmen investieren vor allem in KI-optimierte Server und andere Rechenzentrumskomponenten, aber auch in neue Clients, die mit dedizierten KI-Beschleunigern, den sogenannten Neural Processing Units (NPU), ausgestattet sind.
Prozessoren für Server und Clients sind aber nur ein kleiner des Spektrums. Hinzu kommen GPUs (Graphic Processor Unit) für das Training großer neuronaler Netze, SmartNICs (Network Interface Controller) und DPUs (Data Processing Unit) für die Optimierung von Datacenter-Netzwerken sowie FPGAs (Field Programmable Gate Array) und SoCs (System-on-a-Chip) für Embedded-Systeme und Edge-Anwendungen.
Welcher Prozessortyp für Ihre Zwecke das richtige ist, zeigt Ihnen dieser Portfolio-Guide.
Er beantwortet unter anderem folgende Fragen:
- Wie lässt sich das Training von generativen KI-Modellen optimieren?
- Welche Rolle spielen Sicherheitsaspekte bei der Auswahl von Server- und Clientprozessoren?
- Wie können die Kosten für den Einsatz von KI reduziert werden?
Originalauszug aus dem Dokument:
SERVER-PROZESSOREN
Die AMD EPYC™ Prozessorfamilie liefert fortschrittliche Sicherheitsfunktionen und führende Performance für Unternehmens-, HPC- und KI-Auslastungen. AMD EPYC Prozessoren nutzen die allgegenwärtige x86-Architektur und bieten Flexibilität und eine einfache Einführung für Unternehmen – von Edge-Servern über Rechenzentren bis hin zur öffentlichen Cloud.
KI- UND HPC-BESCHLEUNIGER
AMD Instinct™ Beschleuniger bieten unglaubliche Performance für das Training und die Inferenz von generativer KI und treiben anspruchsvolle KI- und HPC-Auslastungen mit außergewöhnlicher Rechnerleistung, großer Speicherdichte, High Bandwidth Memory und Unterstützung für spezielle Datenformate an.