赞助文章 尽管生成式 AI 和 GPU 加速 AI 训练与推理已经席卷全球，但全球数据中心仍然需要认真考虑 CPU 的问题。
首先，在大多数公司中，有数百到数千个后台工作负载在支撑业务运营，这些负载有时还需要关系型数据库的支持。毫无疑问，维护这些设备至关重要。
同时，对这些设备进行现代化改造也是一种方式，可以帮助支付未来几年在 AI 基础设施方面的巨额投资，无论公司是购买训练好的模型还是自行创建。无论如何，GenAI 都将是一项昂贵的投资，而通过降低通用服务器机群的成本，不仅可以减少这部分传统服务器机群的电力和冷却支出，还能同时提升其性能。
此外，配备大量核心、强大 I/O 和内存带宽的现代处理器，也是提高昂贵 AI 服务器机群投资回报的一种方式。根据 AMD 在配备八个 GPU 的服务器节点上进行的基准测试，像 "Turin" AMD Epyc 9575F 这样的高速 CPU 可以将 AI 推理性能提升高达 8%，AI 训练性能提升高达 20%。考虑到 GPU 的高昂成本，这种性能提升带来的收益远远超过了在 AI 主机上购买更快 CPU 所需的增量成本。
最后，在许多情况下，直接在 CPU 上运行 AI 算法是有意义的，因为现今的 CPU 完全有能力执行 AI 推理和轻量级 AI 训练所需的向量运算。因此，即使是在通用服务器机群中，拥有高性能 CPU 也很重要。
我们就这些问题与 AMD 服务器解决方案部门的公司副总裁 Madhu Rangarajan 进行了讨论，他负责产品管理、规划和营销工作。我们还探讨了一个观点：现在比以往任何时候都更需要考虑在数据中心部署单插槽服务器，摆脱传统的双插槽服务器思维。
如需了解更多关于 AMD 更新数据中心服务器机群的战略，请观看上方视频。
