2020年12月3日,加州圣克拉拉讯——AMD公司(纳斯达克股票代码:AMD)宣布Amazon Web Services,Inc.(AWS)扩展了其基于AMD产品的云实例,在Amazon Elastic Compute Cloud(Amazon EC2)系列中增加了一款全新的、面向图形优化工作负载的Amazon EC2 G4ad实例。 由此,AMD已为AWS覆盖全球20个区域的8个Amazon EC2系列实例提供了支持。 AMD还宣布全托管专用游戏服务器解决方案Amazon GameLift,现已向其电子游戏托管客户开放了基于AMD EPYC(霄龙)处理器的Amazon EC2 C5a,M5a和R5a实例接入。
AMD 高级副总裁兼数据中心与嵌入式解决方案事业部总经理Forrest Norrod表示:“ 自2017年至今,AMD与AWS建立了强大的协作关系。这次双方合作的进一步扩展印证了AMD持续为其客户提供高性能和丰富功能的承诺。Amazon EC2 C5a是首款由第二代AMD EPYC 处理器和 AMD Radeon Pro图形处理器同时支持的实例,加上现有的由EPYC处理器驱动的实例,完美展现了AMD处理器和图形处理器为AWS客户带来的出色性能及性价比。”
AWS Amazon EC2业务副总裁David Brown表示:“高性能的AMD EPYC处理器和Radeon Pro 图形处理器使AWS能够创建一个以图形为重点的新实例,以帮助我们带来客户期待的具备领先性价比的产品。我们很高兴能继续与AMD加强合作,使Amazon EC2 G4ad实例能够为图形密集型应用程序提供业界绝佳的价性比。 ”
全新的Amazon EC2 G4ad 实例
基于AMD 第二代EPYC(霄龙)处理器和AMD Radeon Pro V520图形处理器的全新G4ad 实例,将于本月晚些时候上市,这将是第一个同时由7nm处理器和图形处理器共同驱动的AWS实例。
· 与现有的基于GPU的Amazon EC2 G4dn实例相比,G4ad专为支持图形密集型工作负载而构建,可为关键工作站级应用程序和实时游戏引擎的客户提供高达45%的价格优势和40%的图形性能提升。
· 基于AMD RDNA架构,AMD Radeon Pro V520 图形处理器可为最苛刻的工作负载提供高响应度、基于云的工作站级体验,并具有企业级的可靠性。
· 这些实例与企业级AMD Radeon Pro Software一起提供而无需额外成本,可为专业人员提供工作站应用程序和最新图形API的支持,如DirectX®、OpenGL®和Vulkan®,为虚拟工作站提供专业级的图形渲染。
您可以在AMD总裁兼首席执行官苏姿丰博士(Dr. Lisa Su)和AWS Amazon EC2业务副总裁David Brown的视频访谈中了解有关AMD和AWS合作的更多信息,该视频将于12月2日12:30 pm(太平洋时间)作为AWS Virtual re:Invent大会的一个环节发布。
Amazon GameLift
Amazon GameLift 现已为其电子游戏托管客户开放基于AMD EPYC处理器的Amazon EC2 C5a,M5a和R5a实例的接入,从而为其电子游戏服务器托管客户提供卓越的性价比。
借助AMD EPYC(霄龙)处理器,开发人员可使用Amazon GameLift部署、操作和扩展用于多人游戏的专用高性能服务器,其成本比同类实例节省高达10%。 您可点击此处阅读有关基于AMD EPYC处理器的Amazon GameLift实例的更多信息。
更多资源
· 了解关于AMD第二代EPYC(霄龙)处理器的更多信息
· 了解关于 AMD Radeon Pro V520图形处理器的更多信息
· 了解关于 Amazon EC2 G4ad 实例的更多信息
· 了解关于 AMD支持的AWS 工作负载解决方案 的更多信息
关于AMD(超威)
在超过五十年的历史中,AMD(超威)引领了高性能运算、图形,以及可视化技术方面的创新,这些都是游戏、临境感平台以及数据中心的基础。每时每刻,全球数百万的消费者、500强公司,以及尖端科学研究所都依靠AMD技术来改善他们的生活、工作以及娱乐。AMD全球员工致力于打造伟大的产品,努力拓宽技术的极限。成就今日,启迪未来。更多信息,敬请访问AMD公司(NASDAQ:AMD)官网www.amd.com.cn 关注AMD官方微信: AMDChina,关注AMD官方微博@AMD中国。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。