Najnowsze procesory, akceleratory i zintegrowane rozwiązania firmy AMD zostały zaprojektowane tak, by zwiększyć wydajność komputerów i usług w chmurze. Dla użytkowników oznacza to w końcu jedno: szybsze i płynniejsze działanie za rozsądną cenę.
Kiedy firma wystawia na scenie szafę pełną procesorów serwerowych, trudno sobie wyobrazić, co to ma wspólnego z twoim porannym budzikiem albo robotem odkurzającym w korytarzu. Właśnie dlatego prezentacje takie jak „AMD Advancing AI” zazwyczaj umykają uwadze ogółu społeczeństwa – to domena inżynierów z centrów danych, a nie zwykłych użytkowników elektroniki. A jednak tym razem warto przyjrzeć się temu bliżej. Bo za megawatami, terabajtami pamięci HBM4 i procentowym wzrostem wydajności kryje się prosta idea: sztuczna inteligencja nie jest już tylko czymś, z czym rozmawiasz – zaczyna stawać się czymś, co działa.
Przeczytaj też: Astra od OpenAI: Kiedy algorytm osiąga to, co matematykom zajęło dziesiątki lat
TREŚĆ ARTYKUŁU:
Trzy piętra tego samego budynku
Najłatwiej wyobrazić sobie to, co zaprezentowało AMD, jako trzypiętrowy budynek. Na najwyższym piętrze znajdują się „fabryki modeli” – ogromne centra obliczeniowe, w których trenuje się i obsługuje największe modele językowe. Środkowe piętro to infrastruktura korporacyjna: zaplecze obsługujące e-maile, dokumenty i firmowe chatboty. A na parterze, najbliżej ulicy, są urządzenia brzegowe: laptopy, samochody, roboty i sprzęt medyczny.
Wcześniej o sztucznej inteligencji mówiono głównie w kontekście najwyższego piętra: im potężniejszy model, tym lepszy chatbot. Teraz AMD wyraźnie skupia się na koncepcji „agentowej” sztucznej inteligencji – systemów, które nie tylko reagują na polecenia, ale potrafią samodzielnie planować sekwencje działań, współpracować z innymi usługami, pisać i wykonywać kod, a czasem nawet koordynować działania z innymi agentami. Różnica jest mniej więcej taka sama, jak między pracownikiem, który na każdym kroku czeka na instrukcje, a tym, który dostaje zadanie i sam decyduje, jak je wykonać.
Przeczytaj też: Wszystko, co musisz wiedzieć o Kimi K3 firmy Moonshot AI: jak chiński startup rzucił wyzwanie gigantom sztucznej inteligencji
Helios: szafa, która decyduje o tym, na ile będzie dostępny cenowo twój ulubiony chatbot
Najważniejszą nowością jest Helios – szafa serwerowa oparta na 72 akceleratorach Instinct MI455X i 18 nowych serwerach Epyc, połączonych za pomocą autorskiej sieci AMD i stosu oprogramowania ROCm. Sama ta konfiguracja pewnie niewiele mówi przeciętnemu użytkownikowi. Ale efekt końcowy – już tak. Według AMD Helios może wygenerować nawet o 30% więcej tokenów na każdego wydanego dolara w porównaniu z rozwiązaniem głównego konkurenta. A to wskaźnik, który zrozumie każdy, kto płaci za usługę AI.
Co ciekawe, AMD twierdzi, że niektórzy z największych graczy w branży planują uruchamiać swoje systemy frontendowe na tej infrastrukturze. Jeśli to się potwierdzi w praktyce, przyszłe wersje popularnych asystentów będą prawdopodobnie działać przynajmniej częściowo na sprzęcie AMD – nawet jeśli jedyne, co zobaczy użytkownik, to okno przeglądarki. A „więcej tokenów za dolara” ostatecznie oznacza jedną z dwóch rzeczy – albo potencjalnie obie: tańsze plany i wyższe limity użytkowania albo szybsze odpowiedzi za tę samą cenę.
Przeczytaj też: Anthropic zagląda do wnętrza AI: co naprawdę kryje się w J-Space Claude’a
Epyc 9006: ten nudny procesor, który decyduje, czy faktycznie dostaniesz pomoc
Najmniej efektowna część ogłoszenia – nowe procesory Epyc 9006 – jest w rzeczywistości tym, co ma największe znaczenie dla użytkowników. AMD dzieli centrum danych na trzy role: serwery do zadań agentowych (wykonywanie kodu, piaskownice i połączenia z usługami zewnętrznymi), serwery hostujące akceleratory oraz tradycyjną infrastrukturę aplikacji.
Wyobraź sobie prosty scenariusz: prosisz cyfrowego asystenta, żeby przejrzał twoje e-maile, dokumenty i rozmowy na komunikatorach z ostatnich kilku lat, a potem uruchomił kilka skryptów, żeby to wszystko przeanalizować. Jeśli za tym zleceniem stoi przestarzały sprzęt, zadanie po prostu „utknie w kolejce”.
Najwyższej klasy konfiguracja Epyc 9006 oferuje do 256 rdzeni obliczeniowych i 512 wątków w jednym procesorze, do 16 kanałów pamięci oraz obsługę najnowszej generacji PCIe. Innymi słowy, zapewnia to taki zapas mocy obliczeniowej, który pozwala agentowi stworzyć pełny obraz sytuacji w ciągu sekund, a nie minut.
Przeciętny użytkownik nigdy nie kupi procesora Epyc. Ale to, czy korporacyjny asystent AI stanie się naprawdę przydatnym narzędziem, czy pozostanie tylko kolejnym nieporęcznym przyciskiem na czacie służbowym, zależy w dużej mierze od tego, jak potężna jest ta „niewidzialna” infrastruktura po stronie serwera.
Przeczytaj też: Wszystko, co musisz wiedzieć o przeglądarkach AI: Głośny debiut, ciche zakończenie
MI400: Kiedy moc obliczeniowa staje się kwestią zaufania
Nowa rodzina akceleratorów Instinct MI400, w tym flagowy model MI455X oraz MI430X przeznaczony do zadań naukowych, na pierwszy rzut oka może wydawać się tematem czysto technicznym. Ale jeden aspekt wykracza daleko poza centra danych: nacisk na „suwerenną” sztuczną inteligencję – infrastrukturę, którą kraje i duże instytucje mogą kontrolować samodzielnie, bez polegania na cudzej chmurze.
W przypadku abstrakcyjnej aplikacji pogodowej nie ma to większego znaczenia. Ale gdy w grę wchodzą dane medyczne, informacje finansowe czy decyzje rządowe, różnica między „modelem działającym w obcej chmurze” a „modelem działającym na twoim własnym sprzęcie pod twoją jurysdykcją” nie jest już drobnym szczegółem. To właśnie tego rodzaju decyzje dotyczące infrastruktury decydują o tym, kto ostatecznie kontroluje twoje dane osobowe, gdy korzystasz z usług AI w służbie zdrowia, bankowości czy administracji publicznej.
Przeczytaj też: Planujesz kupić laptopa? Odpowiedz na te trzy pytania
ROCm.ai: Sztuczna inteligencja, która przyspiesza sztuczną inteligencję
Kolejnym ważnym elementem układanki jest platforma oprogramowania ROCm.ai, stworzona z myślą o rozwiązaniu jednej z długotrwałych słabości AMD w ekosystemie tworzenia sztucznej inteligencji: złożoności konfiguracji środowiska dla procesorów graficznych tej firmy. Firma wprowadza zaktualizowany interfejs wiersza poleceń do instalacji i zarządzania środowiskiem, wbudowane „umiejętności” dla asystentów programistycznych oraz dedykowany system agentowy, który potrafi automatycznie optymalizować obciążenia podczas wnioskowania.
Według AMD te automatyczne optymalizacje mogą zapewnić średnio 3,3-krotny wzrost wydajności wnioskowania i 2,4-krotną poprawę wydajności uczenia w porównaniu z poprzednią wersją platformy na tym samym sprzęcie. Nawet jeśli rzeczywiste korzyści okażą się skromniejsze niż sugerują dane marketingowe, sam kierunek zmian jest ważny. Jeśli ekosystem oprogramowania naprawdę stanie się łatwiejszy w użyciu, sprzęt AMD może przestać być „opcją rezerwową dla tych, którzy nie mogli dostać Nvidii” i stać się pełnoprawną alternatywą – także dla małych zespołów programistycznych i entuzjastów uruchamiających zadania AI w domu.
Przeczytaj też: Anthropic zagląda do wnętrza sztucznej inteligencji: co tak naprawdę kryje się w przestrzeni J Claude’a
Ryzen AI Embedded X100: Kiedy sztuczna inteligencja wstaje od biurka
Chyba najciekawsza część całej prezentacji, przynajmniej dla mnie, to coś, co AMD nazywa „fizyczną sztuczną inteligencją”. Nie mówimy już o agentach w chmurze ani nawet o modelach działających na laptopie, ale o maszynach, które potrafią samodzielnie postrzegać świat fizyczny i działać w nim. I tu właśnie pojawia się nowy układ Ryzen AI Embedded X100. Zawiera on na jednym chipie nawet 16 rdzeni Zen 5, zintegrowany procesor graficzny oraz potężny procesor neuronowy, a jest przeznaczony do zastosowań w robotyce, przemyśle, służbie zdrowia i systemach obronnych.
Ten sprzęt nie jest przeznaczony do zwykłego laptopa czy smartfona – przynajmniej na razie. Ma inny cel: przetwarzanie danych z czujników w czasie rzeczywistym i sterowanie siłownikami z minimalnym opóźnieniem w sytuacjach, gdzie opóźnienia mogą być kosztowne – od narzędzi chirurgicznych po roboty przemysłowe pracujące ramię w ramię z ludźmi. Według AMD, w porównaniu z konkurencyjnymi procesorami, ten układ zapewnia znacznie wyższą wydajność w obciążeniach wielowątkowych, lepszą wydajność graficzną oraz znacznie większą przepustowość generowania tokenów. Firma twierdzi też, że ma przewagę nad specjalistycznymi rozwiązaniami robotycznymi w takich zadaniach, jak przetwarzanie sygnałów w zaawansowanych ultrasonografach. Dodaj do tego przemysłowy zakres temperatur roboczych i deklarowaną żywotność sięgającą nawet dziesięciu lat ciągłej pracy 24/7 – to specyfikacje, które o wiele lepiej sprawdzają się na hali produkcyjnej czy w szpitalu niż w komputerze do gier.
Wniosek praktyczny jest prosty: „fizyczna” sztuczna inteligencja raczej nie pojawi się w postaci jednego spektakularnego gadżetu. Zamiast tego prawdopodobnie mamy do czynienia z całą generacją urządzeń opartych na pełnoprawnych, heterogenicznych systemach obliczeniowych – robotem sprzątającym, który naprawdę sprząta, robotem kelnerem, który potrafi poruszać się po zatłoczonej sali restauracyjnej, albo robotem barmanem, który nie rozlewa drinków.
Przeczytaj też: Passkeys zamiast haseł: czy świat jest gotowy na nowy system uwierzytelniania?
Kria AI i sieć partnerów: robotyka jako zestaw konstrukcyjny
AMD uzupełnia ten obraz rodziną modułów Kria AI opartych na tym samym układzie X100, a także „Robotics Developer Platform” – zbiorem otwartych narzędzi i bibliotek. Pomysł jest prosty: zamiast poświęcać miesiące na projektowanie własnej płytki, wybieranie osobnego procesora, akceleratora i czujników, a potem integrowanie tego wszystkiego w jeden system, producent robotów może zacząć od gotowego modułu obliczeniowego – w zasadzie „mózgu w pudełku”.
Jeśli to podejście się sprawdzi, może znacznie obniżyć barierę wejścia w świat robotyki – podobnie jak kiedyś niedrogie komputery jednopłytkowe otworzyły drzwi do robotyki hobbystycznej, tyle że teraz na skalę przemysłową. A im tańsze stanie się tworzenie prototypów, tym szybciej roboty prawdopodobnie wyjdą poza fabryki i trafią do biur, hoteli, a w końcu do naszych domów. Nieuchronnie pojawi się wtedy nowy zestaw pytań: o prywatność, bezpieczeństwo fizyczne i cyfrowe oraz o to, jak bardzo autonomiczny robot naprawdę różni się od zwykłego narzędzia.
Przeczytaj też: Jak urządzenia do noszenia i okulary z AI zmieniają logikę cywilizacji technologicznej
Co z tego wszystkiego warto zapamiętać
Cały ten obraz – od szaf Helios po wbudowane układy X100 – sprowadza się do jednej wizji: sztuczna inteligencja przestaje być wyłącznie usługą w chmurze i staje się infrastrukturą wplecioną w codzienne życie. Asystent biurowy, który naprawdę może przejąć część rutynowych obowiązków; usługa zdolna do załatwiania spraw urzędowych dzięki dostępowi do „suwerennego” modelu działającego pod jurysdykcją własnego kraju; roboty przemysłowe, które potrafią dostosować się do nowych zadań bez konieczności całkowitej przebudowy linii produkcyjnej – to właśnie tego typu scenariusze AMD stara się urzeczywistnić za pomocą sprzętu.
Oczywiście znaczna część prezentacji składa się ze starannie dobranych testów porównawczych, w których porównania z konkurencją naturalnie wypadają na korzyść prezentera, a wyniki wydajnościowe warto traktować z pewną dozą sceptycyzmu. Ale jeśli odrzucimy marketingową retorykę, zmiana kierunku jest jasna: AMD nie oferuje już tylko tańszej alternatywy dla lidera rynku. Firma próbuje zbudować kompleksowy ekosystem – od ogromnych farm obliczeniowych aż po robota pracującego na hali fabrycznej.
Zamiast więc skupiać się na specyfikacjach flagowego akceleratora, przeciętny użytkownik powinien zadać sobie inne, o wiele bardziej praktyczne pytanie: czy jesteś gotowy na świat, w którym sztuczna inteligencja nie tylko odpowiada, ale też działa? Helios przyspiesza działanie modelu, Epyc zapewnia podstawę po stronie serwera, ROCm.ai optymalizuje jego działanie, a Ryzen AI Embedded X100 przekształca obliczenia w fizyczny ruch. Wszystko inne – przepisy, standardy etyczne i zdrowy rozsądek – nie jest już problemem wyłącznie dla inżynierów. To zadanie dla całego społeczeństwa.
Przeczytaj też: Sztuczna inteligencja w medycynie: czy przyszłość już nadeszła?
