Wie verbessert der FP8 des RX 9070 XT die KI -Aufgaben im Vergleich zu früheren Modellen?

Im Vergleich zu rDNA 3 verdoppelt die rDNA 4 -Architektur im RX 9070 XT den Basis -FP16 -Durchsatz und verdoppelt ihn erneut für spärliche Operationen. Für FP8 -Arbeitsbelastungen wird der Durchsatz im Vergleich zu FP16 -Operationen auf rDNA 3 um bis zu 8 Mal erhöht. Dieser erhebliche Anstieg des Durchsatzes ist besonders vorteilhaft für Aufgaben, die stark auf Matrixmultiplikationen beruhen, wie z.

Die WMMA -Anweisungen (Enhanced Wave Matrix Multiply Acculy) in rDNA 4 optimieren die Leistung für AI -Aufgaben weiter. Diese Verbesserungen ermöglichen es dem RX 9070 XT, in Anwendungen wie Adobe Lightroom und Davinci Resolve eine deutlich bessere Leistung zu erzielen, wobei bis zu 34% eine bessere Leistung im Vergleich zum RX 7900 GRE ist. Bei generativen KI -Aufgaben wie stabiler Diffusionsbildgenerierung ist der RX 9070 XT bis zu 70% schneller als sein Vorgänger.

Während sich der RX 9070 XT in rechnen KI-Aufgaben übertrifft, kann er aufgrund seines 256-Bit-Speicherbusses, der bis zu 640 GB/s Bandbreite liefert, Einschränkungen bei der maßgeschneiderten Workloads ausgesetzt sein. Dies ist weniger als die 800 GB/s von 7900 XTs und die 960 GB/s des XTX, was möglicherweise die Leistung bei Aufgaben beeinflusst, die eine hohe Speicherbandbreite erfordern, wie z. B. Großsprachmodelle (LLMs).

Insgesamt positionieren der FP8 -Support des RX 9070 XT und die erweiterte KI -Beschleuniger ihn als Wettbewerbsoption für KI -Aufgaben, insbesondere für solche, die von einer verbesserten Berechnung und niedrigeren Präzisionsdatentypen profitieren. Die Effizienz und Leistung in speicherintensiver KI-Anwendungen kann jedoch im Vergleich zu anderen High-End-GPUs variieren.