Instinct MI355X 288GB

Specifikationerna förklarade

Används för AI training, inference och HPC

1. 01288 GB HBM3E-minne

   VRAM

   288 GB

   Minnestyp

   HBM3E

   Minnesbandbredd

   8 TB/s

   HBM (High Bandwidth Memory) staplas i lager och sitter precis bredvid processorn i samma kapsel. Den korta, breda vägen är det som ger acceleratorer med HBM deras minnesbandbredd, så de väljs oftast för arbete som begränsas av hur snabbt data når kärnorna, till exempel inferens med stora modeller och HPC-simuleringar.

   VRAM är arbetsytan på kortet. Modellvikter, aktiveringar och datamängder måste rymmas i det eller delas upp över flera GPU:er. Tumregel för enbart vikterna vid 16-bitars precision (cirka 2 GB per miljard parametrar): upp till ungefär 144 miljarder parametrar, före aktiveringar och cache. Det här är aritmetik på det registrerade VRAM-värdet, inte en benchmark.

2. 02Arkitekturen CDNA 4

   Arkitektur

   CDNA 4

   Generation

   Instinct MI350

   Lanseringsår

   2025

   Livscykelstatus

   Current

   CDNA är AMD:s beräkningsinriktade arkitektur för Instinct-acceleratorer, skild från grafiklinjen RDNA. (Allmänt sammanhang om arkitekturen, inte ett påstående om just det här kortet.)

   Lanserad 2025. Enligt Kovaras poster är det en komponent av aktuell generation.

3. 03Formfaktor och effekt

   Formfaktor

   OAM Module

   TDP

   1400 W

   Acceleratormoduler monteras på ett basbord i stället för att sättas i som kort, den layout som används för täta servrar med flera acceleratorer.

   TDP är den angivna termiska designeffekten: planeringsvärdet för strömförsörjning och kylning i en server.

4. 04Vad den används till

   Primär användning (registrerad)

   AI training / inference / HPC

   Det här är de användningsområden som Kovara har registrerat för komponenten. Kommentarerna förklarar arbetslasten i allmänna termer; de är inga påståenden om prestanda.

   • AI trainingAtt lära upp en modell från data. Oftast den mest beräknings- och minneskrävande fasen, ofta fördelad över många GPU:er.
   • inferenceAtt köra en tränad modell för att besvara förfrågningar. Minneskapacitet, latens och kostnad per förfrågan är de vanliga frågorna.
   • HPCVetenskaplig och teknisk simulering, där numerisk precision och minnesbandbredd spelar roll.

Värdena är Kovaras masterdata, senast verifierade 03 sep. 2026. Förklaringarna beskriver tekniken i allmänhet; de är inga benchmarks och säger inget om pris eller tillgänglighet.