Американская система искусственного интеллекта уровня стойки AMD завершила первую установку в Meta

Репортаж от Wedoany，27 октября американская компания AMD подтвердила, что первая партия стоечных вычислительных систем искусственного интеллекта Helios завершила установку в Meta и вступила в фазу тестирования; стороны продвигают последующее масштабное развёртывание. Данное сотрудничество охватывает серверные процессоры EPYC, ускорители искусственного интеллекта Instinct, сетевые технологии Pensando и программную платформу ROCm. Meta уже использует оборудование AMD для обучения моделей искусственного интеллекта, ранжирования контента, рекомендательных систем и работы персонального ИИ-агента Muse, а также параллельно ведёт работу по адаптации вычислительного оборудования и программного обеспечения нового поколения.

В части развёртывания серверных процессоров Meta суммарно установила миллионы процессоров AMD EPYC различных поколений, часть из которых используется в выделенной вычислительной среде для персонального ИИ-агента Muse. Meta также стала крупным заказчиком процессоров EPYC шестого поколения; стороны совместно разрабатывают последующий процессорный продукт под кодовым названием Verano.

Развёртывание GPU охватывает существующие производственные системы и разработку заказных чипов. Ускорители AMD Instinct уже выполняют в центрах обработки данных Meta задачи обучения искусственного интеллекта, ранжирования контента и рекомендаций. Meta ранее участвовала в раннем определении продукта архитектуры MI450 и планирует развернуть заказные GPU Instinct, оптимизированные под собственные вычислительные нагрузки. Сотрудничество сторон также распространяется на ускорители серии MI500 и стоечные системы следующего поколения.

Работы по адаптации программного обеспечения охватывают ROCm, PyTorch и Triton. AMD завершила первую адаптацию GPU Instinct для открытой модели Meta Muse Spark и обеспечила поддержку работы модели Muse Glimmer на платформах персональных компьютеров Ryzen AI и GPU Radeon. Стороны также провели оптимизацию обучения крупномасштабных рекомендательных моделей для ускорителя Instinct MI350X и внесли соответствующие улучшения программного обеспечения в проекты PyTorch, Triton и ROCm.