وسعت شركة AMD محفظتها المخصصة لمسرعات الذكاء الاصطناعي عبر الكشف رسمياً عن سلسلة Instinct MI400، التي تمثل الجيل الأحدث من المعالجات الرسومية المصممة لتدريب نماذج الذكاء الاصطناعي المتقدمة، وتشغيل تطبيقات الحوسبة الفائقة، وتعزيز مشروعات الذكاء الاصطناعي السيادي.

• سلسلة Instinct MI400 تقدم مسرعات رسومية جديدة للذكاء الاصطناعي والحوسبة الفائقة.
• تعتمد السلسلة على معمارية CDNA 5 وتقنية تصنيع بدقة 2 نانومتر.
• يوفر MI455X ذاكرة HBM4 بسعة 432 جيجابايت وأداءً مرتفعًا لتدريب النماذج.
• يستهدف MI430X تطبيقات الحوسبة العلمية والذكاء الاصطناعي السيادي.

معمارية CDNA 5 وأداء استثنائي

تعتمد السلسلة الجديدة على معمارية CDNA 5 الحديثة، مع الاعتماد على تقنية تصنيع بدقة 2 نانومتر، وهو ما يعزز من كفاءة استهلاك الطاقة ويرفع مستويات الأداء. وأوضح فامسي بوبانا، نائب الرئيس الأول لقطاع الذكاء الاصطناعي في AMD، أن السلسلة صممت لتلبية متطلبات ثلاثة مجالات حيوية: الذكاء الاصطناعي المتقدم، الذكاء الاصطناعي السيادي، والحوسبة العلمية، وذلك عبر منصة برمجية مفتوحة تمنح العملاء مرونة فائقة في التطوير.

المعالج MI455X: قوة تدريب النماذج الضخمة

صممت AMD معالج MI455X ليكون العمود الفقري لتطبيقات الذكاء الاصطناعي التي تتطلب قدرات حوسبية هائلة. يتميز المعالج بذاكرة HBM4 بسعة 432 جيجابايت، محققاً زيادة بنسبة 50% مقارنة بالجيل السابق، مع عرض نطاق ترددي للذاكرة يصل إلى 2.9 ضعف الجيل الماضي.

من الناحية التقنية، يضم المعالج ثماني شرائح (XCD) تعتمد على وحدات Work Group Processors (WGPs)، حيث يحتوي كل XCD على 32 وحدة WGP مقسمة على محركي تظليل. كما يتضمن المعالج ذاكرة تخزين مؤقت من المستوى الثاني (L2 Cache) بسعة 192 ميجابايت (96 ميجابايت لكل جهة)، ويحتوي على نحو 320 مليار ترانزستور، مما يتيح أداءً يصل إلى 40.26 بيتافلوب في عمليات MXP4.

المعالج MI430X: الحوسبة العلمية والسيادة الرقمية

على الجانب الآخر، وجهت AMD معالج MI430X لدعم قطاع الحوسبة عالية الأداء (HPC) والذكاء الاصطناعي السيادي، حيث يوفر أداءً يصل إلى 288 تيرافلوب في عمليات FP64 ذات الدقة المضاعفة، مما يجعله الخيار الأمثل للمحاكاة العلمية، والنمذجة الهندسية، والأبحاث الفيزيائية المعقدة.

تؤكد هذه الخطوة استراتيجية AMD في تقديم حلول متكاملة تغطي احتياجات مراكز البيانات والمؤسسات البحثية، مع تعزيز قدرات الربط بين المعالجات لتسريع العمليات الجماعية داخل الأنظمة العملاقة.