Instinct MI250X 128GB

Specificaties uitgelegd

Gebruikt voor HPC en AI training

1. 01128 GB HBM2E-geheugen

   VRAM

   128 GB

   Geheugentype

   HBM2E

   Geheugenbandbreedte

   3.2 TB/s

   HBM (High Bandwidth Memory) is in lagen gestapeld en zit direct naast de processor in dezelfde behuizing. Dat korte, brede pad geeft accelerators met HBM hun geheugenbandbreedte, en daarom worden ze meestal gekozen voor werk dat wordt begrensd door hoe snel data de cores bereikt, zoals inferentie met grote modellen en HPC-simulaties.

   VRAM is de werkruimte op de kaart. Modelgewichten, activaties en datasets moeten erin passen of over meerdere GPU’s worden verdeeld. Vuistregel voor alleen de gewichten bij 16-bit precisie (ongeveer 2 GB per miljard parameters): tot ruwweg 64 miljard parameters, vóór activaties en cache. Dit is een rekensom op basis van het vastgelegde VRAM, geen benchmark.

2. 02CDNA 2-architectuur

   Architectuur

   CDNA 2

   Generatie

   Instinct MI200

   Lanceringsjaar

   2021

   Levenscyclusstatus

   Legacy

   CDNA is de op rekenkracht gerichte architectuur van AMD voor Instinct-accelerators, los van de grafische RDNA-lijn. (Algemene context over de architectuur, geen uitspraak over deze specifieke kaart.)

   Gelanceerd in 2021. De records van Kovara vermelden dit als een legacy-onderdeel.

3. 03Vormfactor en vermogen

   Vormfactor

   OAM Module

   TDP

   560 W

   Acceleratormodules worden op een baseboard gemonteerd in plaats van als kaarten in een slot gestoken, de opbouw die wordt gebruikt voor compacte servers met meerdere accelerators.

   TDP is het nominale thermische ontwerpvermogen: het planningscijfer voor stroomvoorziening en koeling in een server.

4. 04Waarvoor het wordt gebruikt

   Primair gebruik (vastgelegd)

   HPC / AI training

   Dit zijn de toepassingen die Kovara voor dit onderdeel heeft vastgelegd. De toelichtingen beschrijven de workload in algemene termen; het zijn geen prestatieclaims.

   • HPCWetenschappelijke en technische simulatie, waarbij numerieke precisie en geheugenbandbreedte ertoe doen.
   • AI trainingEen model leren op basis van data. Meestal de fase die de meeste rekenkracht en het meeste geheugen vraagt, vaak verdeeld over veel GPU’s.

De cijfers zijn stamgegevens van Kovara, laatst geverifieerd op 03 sep 2026. De toelichtingen beschrijven de technologie in het algemeen; het zijn geen benchmarks en ze zeggen niets over prijs of beschikbaarheid.