Hoe verbetert de RX 9070 XT's FP8 -ondersteuning AI -taken in vergelijking met eerdere modellen

Vergeleken met rDNA 3 verdubbelt de rDNA 4 -architectuur in de RX 9070 XT de basislijn FP16 -doorvoer en verdubbelt deze opnieuw voor schaarse bewerkingen. Voor FP8 -workloads wordt de doorvoer met maximaal 8 keer verhoogd in vergelijking met FP16 -bewerkingen op RDNA 3. Deze substantiële toename van de doorvoer is bijzonder gunstig voor taken die sterk afhankelijk zijn van matrixvermenigvuldigingen, zoals die gevonden in machine learning -modellen.

De verbeterde golfmatrix vermenigvuldigt de instructies (WMMA) in RDNA 4 de prestaties voor AI -taken verder optimaliseren. Deze verbeteringen stellen de RX 9070 XT in staat om aanzienlijk betere prestaties te leveren in toepassingen zoals Adobe Lightroom en Davinci Resolve, met maximaal 34% betere prestaties in vergelijking met de RX 7900 GRE. Voor generatieve AI -taken, zoals het genereren van stabiele diffusie -beeld, is de RX 9070 XT tot 70% sneller dan zijn voorganger.

Hoewel de RX 9070 XT uitblinkt in rekengebonden AI-taken, kan deze worden geconfronteerd met beperkingen in geheugengebonden werklast vanwege de 256-bits geheugenbus, die tot 640 GB/s bandbreedte biedt. Dit is minder dan de 800 GB/s van 7900 XT en de 960 GB/s van de XTX, wat mogelijk de prestaties beïnvloedt in taken die een hoge geheugenbandbreedte vereisen, zoals grote taalmodellen (LLMS).

Over het algemeen ondersteuning en verbeterde AI Accelerators van de RX 9070 XT's de AI -versnellers als een concurrerende optie voor AI -taken, met name die die profiteren van verbeterde rekenprestaties en lagere precisiegegevenstypen. De efficiëntie en prestaties ervan in geheugenintensieve AI-toepassingen kunnen echter variëren in vergelijking met andere high-end GPU's.