Como o suporte a FP8 do RX 9070 XT aprimora as tarefas de IA em comparação com os modelos anteriores

Comparado ao RDNA 3, a arquitetura RDNA 4 no RX 9070 XT dobra a taxa de transferência da linha de base FP16 e a dobra novamente para operações esparsas. Para cargas de trabalho do FP8, a taxa de transferência é aumentada em até 8 vezes em comparação com as operações FP16 no RDNA 3. Esse aumento substancial na taxa de transferência é particularmente benéfico para tarefas que dependem fortemente das multiplicações da matriz, como as encontradas nos modelos de aprendizado de máquina.

A matriz de onda aprimorada multiplicar as instruções de multiplicação (WMMA) no RDNA 4 otimizam ainda mais o desempenho para tarefas de IA. Essas melhorias permitem que o RX 9070 XT ofereça um desempenho significativamente melhor em aplicativos como Adobe Lightroom e Davinci Resolve, com até 34% de desempenho em comparação com o RX 7900 GRE. Para tarefas generativas de IA, como geração estável de imagem de difusão, o RX 9070 XT é até 70% mais rápido que seu antecessor.

No entanto, enquanto o RX 9070 XT se destaca em tarefas de IA ligadas a computação, ele pode enfrentar limitações nas cargas de trabalho ligadas à memória devido ao seu barramento de memória de 256 bits, que fornece até 640 GB/s de largura de banda. Isso é menor que os 800 GB/se do 7900 XT e o 960 GB/s do XTX, afetando potencialmente o desempenho em tarefas que requerem alta largura de banda de memória, como modelos de linguagem grandes (LLMs).

No geral, o suporte FP8 do RX 9070 XT e os aceleradores de IA aprimorados o posicionam como uma opção competitiva para tarefas de IA, especialmente aquelas que se beneficiam do desempenho aprimorado da computação e dos tipos de dados de baixa precisão. No entanto, sua eficiência e desempenho em aplicativos de IA intensivos em memória podem variar em comparação com outras GPUs de ponta.