Kuinka RX 9070 XT: n FP8 -tuki parantaa AI -tehtäviä aikaisempiin malleihin verrattuna

RDNA 3: een verrattuna RDNA 4 -arkkitehtuuri RX 9070 XT: ssä kaksinkertaistaa perustason FP16 -läpimenon ja kaksinkertaistaa sen jälleen harvojen toimintojen varalta. FP8 -työmäärien läpimenoaika lisääntyy jopa 8 kertaa verrattuna RDNA 3: n FP16 -operaatioihin. Tämä läpimenon huomattava lisäys on erityisen hyödyllinen tehtäville, jotka luottavat voimakkaasti matriisinkertomuksiin, kuten koneoppimismalleissa.

Parannettu aaltomatriisi kertyy (WMMA) ohjeet RDNA 4: ssä optimoi edelleen suorituskyky AI -tehtäviin. Nämä parannukset antavat RX 9070 XT: lle mahdollisuuden tuottaa merkittävästi parempaa suorituskykyä sovelluksissa, kuten Adobe Lightroom ja Davinci Resolve, jopa 34% paremman suorituskyvyn verrattuna RX 7900 GRE: hen. Generatiivisissa AI -tehtävissä, kuten vakaassa diffuusiokuvan muodostumisessa, RX 9070 XT on jopa 70% nopeampi kuin edeltäjänsä.

Vaikka RX 9070 XT: n nousevat laskennallisissa AI-tehtävissä, se voi kohdata rajoituksia muistiin sitoutuneissa työmäärissä 256-bittisen muistiväylän vuoksi, joka tarjoaa jopa 640 Gt/s kaistanleveyttä. Tämä on vähemmän kuin 7900 XT: n 800 GB/s ja XTX: n 960 Gt/s, mikä vaikuttaa mahdollisesti suorituskykyyn tehtävissä, jotka vaativat korkeaa muistin kaistanleveyttä, kuten suuret kielimallit (LLMS).

Kaiken kaikkiaan RX 9070 XT: n FP8 -tuki ja parannettu AI -kiihdyttimet asettavat sen kilpailuvaihtoehtona AI -tehtäville, etenkin niille, jotka hyötyvät parannetusta laskenta suorituskyvystä ja pienemmistä tarkkuustietotyypeistä. Sen tehokkuus ja suorituskyky muistiintensiivisissä AI-sovelluksissa voivat kuitenkin vaihdella verrattuna muihin huippuluokan GPU: iin.