No queriendo ser superado por Intel mostrando Stable Diffusion ejecutándose en su nueva CPU Meteor Lake, AMD se unió a la batalla de la IA con su propia demostración de Computex.
Nuestro sitio hermano, Tom’s Hardware, probó el nuevo motor de IA en la APU Pheonix de AMD haciendo su trabajo. Phoenix es la APU que forma la base no solo de los procesadores de computadora portátil de la serie Ryzen 7040 de AMD, sino también del chip Z1 en el Asus RoG Ally. Entonces, el silicio no es nuevo.
Pero esta es la primera vez que vemos que el nuevo núcleo de IA de Phoenix, conocido como XDNA AI, realmente hace algo. Curiosamente, AMD aparentemente no tiene planes firmes para poner el motor XDNA de Phoenix en sus CPU de escritorio. Por ahora, es una computadora portátil y una computadora de mano exclusiva.
De todos modos, la plataforma de demostración fue un Asus Strix Scar 17 con un chip Ryzen 9 7940HS. A diferencia del motor de inteligencia artificial de Intel en Meteor Lake, el motor XDNA no aparece como un componente discreto en el Administrador de tareas de Windows.
Lo que sea, la demostración implicó acelerar una tarea de reconocimiento facial pero no generó números comparativos. Por lo tanto, no hay una medida de cuán mejor fue Phoenix en la tarea en comparación con, por ejemplo, ejecutarlo en una CPU, GPU o alguna combinación de los dos.
Aún así, por lo que vale, AMD considera que su motor XDNA es más rápido que el motor Neural equivalente en el chip M2 de Apple, aunque no ha hecho ninguna afirmación en comparación con el mosaico AI de Intel en Meteor Lake, también conocido como VPU o «Unidad de procesamiento versátil». .
AMD ha anunciado un nuevo conjunto de herramientas para ayudar a los desarrolladores a codificar para el motor XDNA. Pero no tenemos muchos ejemplos de software o aplicaciones que realmente puedan usar XDNA por ahora.
La idea general es que el motor XDNA AI acelere las cargas de trabajo ligeras de inferencia de IA, incluido el procesamiento de audio, video e imágenes, y lo haga más rápido y de manera más eficiente que una CPU o GPU. El resultado neto debería ser una latencia más baja para tales tareas, por ejemplo, procesamiento de audio en tiempo real o desenfoque de fondo, y una mejor duración de la batería mientras lo hace.
Queda por ver qué tan útil será cualquiera de estos núcleos de IA. Pero al menos, hay una ensalada de palabras completamente nueva de motores XDNA, VPU y cargas de trabajo de inferencia a las que acostumbrarse. Diversión, diversión, y tres veces exclamamos sin reservas, diversión.