AMD جنگ تراشه‌های رباتیک را به سطح جدیدی برده و سری پردازنده‌های X100 را با معماری Strix Halo برای کاربردهای هوش مصنوعی فیزیکی معرفی کرد. این سری که برای عملکرد پایدار 24 ساعته و 7 روز در هفته طراحی شده، چرخه حیات 10 ساله در کاربردهای توکار (embedded) نظیر رباتیک را هدف قرار داده است.

معماری و مشخصات سری X100

سه مدل از این تراشه‌ها معرفی شده‌اند که با سه مدل اصلی Strix Halo مطابقت دارند:

  • X199 (پرچمدار): 16 هسته Zen 5 و 40 واحد محاسباتی RDNA 3.5
  • X188: 12 هسته و 32 واحد محاسباتی
  • X168: 8 هسته و 32 واحد محاسباتی
مشخصات فنی تراشه‌های X100 شرکت AMD

AMD مشخصات دقیق هر مدل را به طور کامل منتشر نکرده، اما به اطلاعات فنی کلیدی اشاره کرده است. این سری تا فرکانس بوست 5.1 گیگاهرتز و 128 گیگابایت حافظه یکپارچه (Unified Memory) پشتیبانی می‌کند. پردازنده‌های شتاب‌دهنده عصبی (NPU) با معماری XDNA 2 نیز توانایی پردازشی تا 50 TOPS ارائه می‌دهند. محدوده TDP قابل تنظیم بین 45 تا 120 وات و دمای عملیاتی از 40- تا 105 درجه سانتی‌گراد تعریف شده است.

پاسخ مستقیم به Panther Lake اینتل

این مجموعه پاسخی مستقیم به اینتل است که اوایل سال جاری مجموعه‌ای از SoCهای Panther Lake را برای هوش مصنوعی فیزیکی معرفی کرد. هر دو شرکت به یک استراتژی مشترک معتقد هستند: استفاده از SoC در رباتیک، تأخیر زمانی ناشی از پراکندگی CPU، شتاب‌دهنده هوش مصنوعی و حافظه در تراشه‌های مجزا را کاهش می‌دهد. مجموعه X100 از نظر فیزیکی بزرگ‌تر از Panther Lake است و سیلیکون بیشتری روی SoC برای استقرارهای قدرتمندتر جای داده است.

نتایج بنچمارک و مقایسه عملکرد

AMD طیفی از بنچمارک‌ها منتشر کرده که مدل پرچمدار X199 را با Core Ultra X7 358H اینتل مقایسه می‌کند. تراشه اینتل 16 هسته‌ای است و گرافیک یکپارچه Arc B390 با 12 هسته Xe3 دارد. ادعاهای AMD شامل موارد زیر است:

عملکرد پردازشی

  • پیشتازی 1.2 برابری در GeekBench 6.1
  • پیشتازی 1.3 برابری در PassMark
  • عملکرد 1.5 برابری در اجرای غیررسمی SPECrate 2017 برای بارهای کاری صحیح (integer)

عملکرد گرافیکی

  • سرعت 1.4 برابری در Vulkan (اندازه‌گیری با GFXBench 5 روی ابونتو)
  • سرعت 1.7 برابری در OpenGL
  • پیشتازی 1.6 برابری در Unigine Heaven Extreme
مقایسه بنچمارک تراشه X199 با رقبا

عملکرد هوش مصنوعی فیزیکی

در جبهه هوش مصنوعی، AMD ادعا می‌کند بهبود 1.4 برابری در زمان تا اولین توکن (TTFT) و سرعت 3.5 برابری در تولید توکن در ثانیه در Llama-bench با بک‌اند Vulkan در TDP 45 واتی داشته است.

محدودیت‌های نتایج بنچمارک

این نتایج با احتیاط فراوان باید بررسی شوند. AMD پردازنده Ryzen AI Max 395+ را به گونه‌ای پیکربندی کرده که «مشخصات Ryzen AI Embedded X199 را منعکس کند» و آن را روی بورد مرجع Maple با فرکانس CPU 5.1 گیگاهرتز، فرکانس GPU 2.9 گیگاهرتز و TDP پایدار 45 وات آزمایش کرده است. در سوی دیگر، X7 358H در لپ‌تاپ MSI Prestige 16 Flip AI+ با محدودیت اعمال‌شده TDP 30 وات آزمایش شد. سپس AMD عملکرد 45 واتی تراشه اینتل را با استفاده از ضرایب مقیاس‌بندی استخراج‌شده از داده‌های بنچمارک عمومی «پیش‌بینی» کرد.

این مقایسه به هیچ وجه یک ارزیابی کاملاً یکسان نیست. در تمام بنچمارک‌ها نوعی جانشینی یا استقراء داده‌ها وجود دارد و باید این موضوع را در تحلیل ادعاهای AMD در نظر داشت.

ماژول Kria X100 و پلتفرم توسعه رباتیک

ماژول سیستم روی بورد Kria X100

جدا از خود تراشه‌ها، AMD مدل‌های X100 را به عنوان بخشی از یک ماژول سیستم روی بورد (SOM) Kria یا یک پلتفرم توسعه رباتیک یکپارچه ارائه می‌دهد. بورد Kria X100 ابعاد 120 در 120 میلی‌متر دارد و از فاکتور فرم استاندارد COM-HPC پیروی می‌کند.

این جعبه کاملاً یکپارچه از SOM Kria X100 در کنار بورد پایه FPGA Spartan UltraScale+ شرکت AMD بهره می‌برد. AMD این راهکار را یک راهکار «آماده به کار» (turnkey) برای توسعه رباتیک معرفی می‌کند که شامل اتصال تخصصی برای دوربین‌ها، شبکه‌سازی صنعتی و سنسورهای رباتیک می‌شود. پلتفرم اکنون در دسترسی اولیه (early access) قرار دارد و AMD اعلام کرده که در سه ماهه چهارم امسال به تولید کامل خواهد رسید.

مقایسه با انویدیا Thor T5000

AMD همچنین بنچمارک‌هایی از X100 Kria منتشر کرده و آن را با انویدیا Thor T5000 مقایسه کرده است. این بنچمارک‌ها به صورت داخلی در AMD اجرا نشده‌اند و توسط اشخاص ثالث تهیه شده‌اند که نشان‌دهنده تلاش AMD برای ارائه تصویری بی‌طرفانه‌تر از عملکرد محصولاتش است.

رقابت سه‌گانه AMD، اینتل و انویدیا در بازار تراشه‌های رباتیک، فشار نوآوری را به شدت افزایش می‌دهد و می‌تواند هزینه تمام‌شده سیستم‌های رباتیک را برای توسعه‌دهندگان کاهش دهد. موفقیت سری X100 در میدان عمل و کاربردهای واقعی، در ماه‌های آینده مشخص خواهد شد.