AMD 近日更新其機架級 AI 能源效率進度，重申 2030 年目標：相較 2024 年以 MI300X 為基準的機架，約兩台 2030 年 AMD AI 機架即可提供同等計算能力，同時將使用階段電力消耗降低 20 倍，碳強度降低 28 倍。
截至 2026 年中，AMD 估計已實現約 4 倍 AI 能源效率提升，超越原先設定的 3 倍階段目標，並高於歷史趨勢線兩倍以上。
一、核心數據比較
- 計算等效：約 2 台 2030 年機架 ≈ 570 台 2024 年 MI300X 機架
- 電力消耗：使用階段電力降低約 20 倍
- 碳強度：降低約 28 倍
- 中期進度：2026 年中已達約 4 倍效率提升（相對 2024 基準）
以代表性 AI 訓練工作負載計算，AMD 預期未來系統在相同計算量下，所需機架數量與電力將大幅下降。
二、技術路徑
AMD 指出，達成目標需依賴多層優化：
- 先進製程將更多電晶體整合至下一代 AI 處理器
- 將 HBM 記憶體更靠近處理核心，提升頻寬並降低功耗
- 採用高速內部網絡（如 UALink）實現即時工作負載共享
- 軟體優化，減少背景任務造成的電力浪費
- 機架級系統設計（例如已推出的 Helios 機架，搭載 MI455X 等）
Helios 是 AMD 首款完整堆疊 AI 工作負載機架方案，結合 Instinct GPU、EPYC CPU、Pensando 網絡與 ROCm 軟體。
三、專業觀察
AI 訓練與推理對電力與散熱的需求持續攀升，機架級效率已成為數據中心營運的關鍵指標。AMD 以 2024 年 MI300X 為基準設定 20 倍目標，並在 2026 年中宣布超前進度，顯示其在矽晶、記憶體、互連與系統層面的協同優化策略正見成效。
對於雲端服務商與大型 AI 實驗室而言，若目標實現，意味著相同計算能力可用更少機架與更低電力達成，有助控制總擁有成本（TCO）與碳足跡。然而，實際效能仍需等待真實工作負載基準測試（如 MLPerf）驗證，且單機架功耗密度上升也對散熱與電力基礎設施提出更高要求。
結語
AMD 的 2030 機架級效率目標，凸顯行業從「單卡性能」轉向「系統級能源效率」的趨勢。兩台 2030 年機架相當於 570 台 MI300X 的說法，若能兌現，將對 AI 基礎設施的部署密度與可持續性帶來顯著影響。後續可關注 Helios 及後續世代的實際部署數據與第三方基準。