AMD پردازنده‌های Strix Halo خود را وارد دنیای هوش مصنوعی فیزیکی می‌کند. سری جدید پردازنده‌های X100 با مشخصاتی مشابه مدل‌های مختلف Ryzen AI Max که در دستگاه‌های مشتریان وجود دارند، عرضه می‌شوند، اما برای عملکرد ۲۴/۷ و با چرخه عمر ۱۰ ساله در کاربردهای تعبیه‌شده مانند رباتیک بهینه‌سازی شده‌اند.

سه SKU وجود دارد که با سه مدل اصلی Strix Halo (نه نسخه‌های به‌روز شده با ۴۰ CU) مطابقت دارند. مدل رده‌بالای X199 با ۱۶ هسته Zen 5 و ۴۰ واحد CU از RDNA 3.5 عرضه می‌شود. مدل X188 به ۱۲ هسته و ۳۲ واحد CU کاهش می‌یابد، در حالی که X168 با هشت هسته و همان ۳۲ واحد CU ارائه می‌شود. AMD مشخصات دقیق هر مدل را به اشتراک نگذاشته است، اما این شرکت می‌گوید که این سری تا فرکانس بوست ۵.۱ گیگاهرتز و ۱۲۸ گیگابایت حافظه یکپارچه را پشتیبانی می‌کند. آن‌ها همچنین شامل یک NPU از نوع XDNA 2 با حداکثر ۵۰ TOPS، یک TDP قابل تنظیم بین ۴۵ وات و ۱۲۰ وات، و دمای عملیاتی بین -۴۰ درجه سانتی‌گراد تا ۱۰۵ درجه هستند.

سری محصولات AMD پاسخی به اینتل است که در ابتدای سال مجموعه‌ای از SoCهای Panther Lake را برای هوش مصنوعی فیزیکی عرضه کرد. هر دو شرکت برای استفاده از SoCها در رباتیک استدلال می‌کنند، زیرا این کار تأخیر را زمانی که CPU، شتاب‌دهنده هوش مصنوعی و حافظه در تراشه‌های جداگانه تقسیم شده‌اند، کاهش می‌دهد. سری X100 از نظر فیزیکی بزرگ‌تر از Panther Lake است و سیلیکون بسیار بیشتری را روی SoC برای استقرار قدرتمندتر جای می‌دهد.

این شرکت مجموعه‌ای از بنچمارک‌ها را به اشتراک گذاشت که مدل پرچمدار X199 را با Core Ultra X7 358H اینتل، یک تراشه ۱۶ هسته‌ای با iGPU Arc B390 اینتل که دارای ۱۲ هسته Xe3 است، مقایسه می‌کند. AMD ادعا می‌کند که به ترتیب ۱.۲ برابر و ۱.۳ برابر در GeekBench 6.1 و PassMark، و همچنین ۱.۵ برابر در یک اجرای غیررسمی SPECrate 2017 برای بارهای کاری عدد صحیح، برتری دارد. در بخش گرافیک، AMD به طور غیرمنتظره‌ای با ۱.۴ برابر عملکرد سریع‌تر Vulkan و ۱.۷ برابر عملکرد سریع‌تر OpenGL (هر دو با GFXBench 5 در اوبونتو اندازه‌گیری شده‌اند)، و همچنین ۱.۶ برابر برتری در Unigine Heaven Extreme، پیشتاز است.

در زمینه هوش مصنوعی فیزیکی، AMD ادعا می‌کند که ۱.۴ برابر بهبود در زمان تا اولین توکن (TTFT) و ۳.۵ برابر توکن سریع‌تر در ثانیه در Llama-bench، با یک بک‌اند Vulkan که با TDP 45 وات کار می‌کند، به دست آورده است. با این حال، این نتایج نیاز به بررسی دقیق دارند.

AMD مدل Ryzen AI Max 395+ را “پیکربندی شده برای بازتاب مشخصات Ryzen AI Embedded X199” آزمایش کرد. این آزمایش روی برد مرجع Maple با فرکانس CPU 5.1 گیگاهرتز، فرکانس GPU 2.9 گیگاهرتز و TDP پایدار ۴۵ وات انجام شد. در همین حال، X7 358H در یک MSI Prestige 16 Flip AI+ با محدودیت TDP اجباری ۳۰ وات آزمایش شد. سپس AMD عملکرد ۴۵ واتی را روی تراشه اینتل “با استفاده از فاکتورهای مقیاس‌بندی مشتق شده از داده‌های بنچمارک عمومی” “پیش‌بینی” کرد.

به عبارت دیگر، این مقایسه دقیقاً “سیب با سیب” نیست. نوعی جایگزین یا برون‌یابی داده‌ها در تمام بنچمارک‌ها وجود دارد، بنابراین این نکته را در نظر داشته باشید که ما بقیه اطلاعیه‌های X100 AMD را بررسی می‌کنیم.

پلتفرم توسعه‌دهنده رباتیک و ماژول سیستم Kria X100 AMD

فراتر از خود تراشه‌ها، AMD مدل‌های X100 را به عنوان بخشی از یک ماژول سیستم Kria (SOM) یا یک پلتفرم توسعه‌دهنده رباتیک یکپارچه ارائه می‌دهد. برد Kria X100 ابعادی معادل ۱۲۰ میلی‌متر در ۱۲۰ میلی‌متر دارد و با فرم فاکتور استاندارد COM-HPC مطابقت دارد. اگر شما یک توسعه‌دهنده هستید که می‌خواهید برای این برد توسعه دهید، AMD پلتفرم توسعه‌دهنده رباتیک Kria AI خود را ارائه می‌کند.

این یک جعبه کاملاً یکپارچه است که از Kria SOM X100 در کنار برد اصلی FPGA Spartan UltraScale+ AMD بهره می‌برد. AMD می‌گوید این یک راه‌حل “آماده به کار” برای توسعه رباتیک است، شامل اتصال تخصصی برای دوربین‌ها و شبکه‌های صنعتی، همراه با حسگرهای رباتیک. این پلتفرم اکنون در دسترسی اولیه قرار دارد و AMD می‌گوید که در سه‌ماهه چهارم سال جاری به تولید کامل خواهد رسید. .

AMD همچنین برخی بنچمارک‌ها را برای X100 Kria به اشتراک گذاشت و آن را با Thor T5000 انویدیا مقایسه کرد. این بنچمارک‌ها به صورت داخلی در AMD اجرا نشده‌اند. آن‌ها توسط AMD سفارش داده شده و توسط Open Navigation و Mimix اجرا شده‌اند. نکته مهم این است که این بنچمارک‌ها برد X100 Kria را آزمایش نکردند، یا حداقل، دقیقاً به شکلی که قرار است در داخل یک ربات یا جعبه توسعه‌دهنده AMD قرار گیرد، آزمایش نشدند.

در عوض، AMD کیت توسعه‌دهنده Jetson AGX Thor انویدیا را با یک مینی کامپیوتر GMKtech EVO-X2 AI با Ryzen AI Max+ 395 “پیکربندی شده برای بازتاب مشخصات Ryzen AI embedded x199” مقایسه می‌کند. طبیعتاً، محیط حرارتی و توان این تراشه‌ها به شدت بر عملکرد تأثیر می‌گذارد.

AMD همچنین تلاش خود را برای جذب توسعه‌دهندگان از پلتفرم CUDA انویدیا ادامه می‌دهد. ابزار HIPIFY آن کد CUDA را به کد قابل حمل HIP C++ AMD تبدیل می‌کند و این شرکت ادعا می‌کند که اکنون می‌تواند ۷۰ تا ۸۰ درصد “تلاش” پورت کردن را به تنهایی انجام دهد. AMD روی Ryzen AI Max+ 395، که دوباره برای مطابقت با X199 پیکربندی شده بود، آزمایش کرد و ۱۵ برنامه CUDA، شامل ۱۱۹۹ خط کد را پورت کرد تا به این محدوده ۷۰ تا ۸۰ درصدی برسد.

Kria X100 در “مغز” پلتفرم رباتیک قرار دارد، اما AMD یک راه‌حل جامع برای ربات‌های انسان‌نما را با FPGAها و SoCهای Spartan UltraScale+، Zynq UltraScale+ و Versal AI Edge Gen 2 خود متصور است.