AMD Radeon Instinct MI25

AMD Radeon Instinct MI25 — это ускоритель вычислений (ускорительная карта) для центров обработки данных (ЦОД), разработанный компанией AMD на базе архитектуры Graphics Core Next (GCN) 5-го поколения (Vega 10). Выпущенный в 2017 году, он был ориентирован на задачи машинного обучения, глубокого обучения, высокопроизводительных вычислений (HPC) и обработки видео. MI25 входил в первое поколение линейки Radeon Instinct, нацеленной на конкуренцию с продуктами Nvidia (серия Tesla) и Intel (Xeon Phi).

История и контекст появления

К середине 2010-х годов рынок ускорителей для ИИ и HPC был практически монополизирован Nvidia с её архитектурами Pascal и Volta. AMD, имевшая сильные позиции в сегменте игровых видеокарт, стремилась закрепиться в корпоративном секторе. В 2016 году AMD представила архитектуру Vega, а в 2017 году — линейку Radeon Instinct, включавшую модели MI6 (на базе Polaris), MI8 (на базе Fiji) и флагманскую MI25 на Vega 10.

MI25 была анонсирована в мае 2017 года и поступила в продажу в третьем квартале того же года. Она стала первой картой AMD, ориентированной исключительно на вычисления, без поддержки видеовыходов (без графического вывода), что было стандартом для серверных ускорителей. В 2018 году вышла обновлённая версия MI25 с увеличенным объёмом памяти HBM2 до 16 ГБ (против 8 ГБ у оригинальной), но она не получила широкого распространения.

Архитектура и технические характеристики

Чип Vega 10

В основе MI25 лежит графический процессор Vega 10 (кодовое имя GFX9), изготовленный по 14-нм техпроцессу FinFET компании GlobalFoundries. Ключевые особенности архитектуры Vega:

• Вычислительные блоки (Compute Units, CU): 64 блока, каждый из которых содержит 64 потоковых процессора (SP), что даёт общее количество SP — 4096. Частота ядра: до 1500 МГц (Boost), базовая — 1000 МГц.
• Память HBM2: 8 ГБ (у оригинальной версии) с пропускной способностью 484 ГБ/с (шина 2048 бит). HBM2 обеспечивала значительно более высокую пропускную способность на ватт по сравнению с GDDR5, что критично для вычислительных задач.
• Кэш-память L2: 4 МБ.
• Поддержка инструкций: FP16 (половинная точность), FP32 (одинарная точность), FP64 (двойная точность). Для FP64 производительность была искусственно снижена (1/16 от FP32) из-за ограничений архитектуры, что делало MI25 менее привлекательной для задач, требующих высокой точности (например, научных расчётов).
• Дисплейный контроллер: отсутствует (ускоритель не имеет видеовыходов).

Производительность

• FP32 (одинарная точность): до 12,3 TFLOPS (теоретический пик).
• FP16 (половинная точность): до 24,6 TFLOPS (с использованием инструкций половинной точности, поддерживаемых в Vega).
• FP64 (двойная точность): до 0,77 TFLOPS (1/16 от FP32).
• INT8 (целочисленная точность): поддерживалась через программную эмуляцию, но аппаратного ускорения не было.

Энергопотребление и охлаждение

• TDP (Thermal Design Power): 225 Вт (для версии с 8 ГБ) и до 300 Вт (для версии с 16 ГБ).
• Охлаждение: пассивное (радиатор с тепловыми трубками) с обдувом от корпусных вентиляторов сервера. Карта рассчитана на установку в стандартные серверные корпуса 1U/2U.
• Питание: один 8-контактный разъём PCIe (для версии 225 Вт) или два 8-контактных (для версии 300 Вт).

Интерфейс

• PCI Express 3.0 x16 — стандартный слот для серверных платформ того времени.

Программное обеспечение и экосистема

ROCm (Radeon Open Compute Platform)

Основной программной платформой для MI25 является открытая экосистема ROCm (Radeon Open Compute platform). Она включает:

• HIP (Heterogeneous Interface for Portability): инструмент для переноса кода, написанного на CUDA (язык программирования Nvidia), на платформу AMD. HIP позволял разработчикам адаптировать существующие приложения.
• MIOpen: библиотека для глубокого обучения, оптимизированная для GPU AMD (свёртки, пулинг, нормализация).
• MIVisionX: библиотека для компьютерного зрения и обработки изображений.
• TensorFlow, PyTorch, Caffe: поддержка этих фреймворков была реализована через ROCm, но стабильность и производительность часто уступали версиям для Nvidia CUDA.

Проблемы экосистемы

На момент выхода MI25 экосистема ROCm находилась в зачаточном состоянии. Основные проблемы:

• Ограниченная поддержка фреймворков: многие популярные библиотеки (например, PyTorch) имели лишь экспериментальные версии под ROCm.
• Сложность установки: требовалась глубокая настройка ОС (Linux), что было неприемлемо для многих корпоративных пользователей.
• Производительность: из-за отсутствия аппаратных тензорных ядер (как у Nvidia Tesla V100) MI25 проигрывала в задачах глубокого обучения, особенно в обучении нейронных сетей с плавающей точкой FP16.

Применение

Машинное обучение и глубокое обучение

MI25 использовалась для обучения и инференса (вывода) нейронных сетей, но из-за отсутствия тензорных ядер и слабой экосистемы ROCm уступала аналогам Nvidia. В задачах инференса (особенно с INT8) производительность была приемлемой, но не выдающейся.

Высокопроизводительные вычисления (HPC)

В HPC-задачах, требующих FP32 (например, моделирование погоды, молекулярная динамика), MI25 могла конкурировать с Nvidia Tesla P100, но уступала в задачах с FP64. Использовалась в суперкомпьютерах, например, в кластере «Ломоносов-2» (Московский государственный университет имени М. В. Ломоносова) в 2018 году.

Обработка видео и транскодинг

Благодаря поддержке аппаратного декодирования (H.264/H.265) и кодирования (через VCE — Video Coding Engine) MI25 применялась для потокового транскодинга видео в реальном времени, что было востребовано в облачных сервисах.

Сравнение с конкурентами

MI25 проигрывала Tesla V100 по всем ключевым показателям, особенно в задачах глубокого обучения, где тензорные ядра V100 давали 3-4-кратный прирост производительности в FP16. По сравнению с Tesla P100 MI25 выигрывала в пиковой производительности FP32, но уступала в пропускной способности памяти и экосистеме.

Критика и недостатки

• Слабая поддержка двойной точности: FP64 была ограничена 1/16 от FP32, что делало MI25 малопригодной для научных расчётов, где требуется высокая точность.
• Отсутствие тензорных ядер: в эпоху, когда Nvidia активно продвигала тензорные ядра для ускорения ИИ, MI25 полагалась только на стандартные шейдерные блоки.
• Проблемы с драйверами и ПО: ROCm часто требовала ручной настройки, а многие популярные библиотеки (например, PyTorch) не имели стабильной поддержки.
• Энергоэффективность: при схожем TDP с конкурентами MI25 демонстрировала меньшую производительность на ватт в реальных задачах.
• Ограниченная память: 8 ГБ HBM2 было недостаточно для многих современных моделей ИИ (например, BERT, GPT-2).

Интересные факты

• MI25 была первой картой AMD, которая официально поддерживала технологию AMD MxGPU — аппаратную виртуализацию GPU для многопользовательских сред (VDI).
• В 2018 году AMD выпустила Radeon Instinct MI50 и MI60 на базе архитектуры Vega 20 (7 нм), которые исправили многие недостатки MI25 (включая поддержку FP64).
• MI25 использовалась в некоторых суперкомпьютерах, например, в кластере Frontier (США), но в основном в качестве вспомогательных ускорителей.
• Карта не имела официальной поддержки в Windows Server — все драйверы и ПО были ориентированы на Linux (Ubuntu, CentOS).

Заключение

AMD Radeon Instinct MI25 стала важным шагом AMD на рынок ускорителей для ЦОД, но не смогла составить серьёзную конкуренцию продуктам Nvidia из-за слабой экосистемы ROCm, отсутствия тензорных ядер и ограниченной поддержки двойной точности. Несмотря на это, она нашла применение в HPC-задачах, обработке видео и инференсе нейронных сетей, а также заложила основу для последующих поколений ускорителей AMD (MI50, MI100, MI200). В настоящее время MI25 считается устаревшей и редко используется в современных дата-центрах.

Источники

• AMD Radeon Instinct MI25 Product Brief (2017)
• AnandTech: AMD Announces Radeon Instinct MI25 (2017)
• Tom’s Hardware: AMD Radeon Instinct MI25 Review (2017)
• ROCm Documentation (AMD)
• Сравнение ускорителей для HPC (статьи на Habr, 2018)