Modelli e piattaforme di IA
AMD lancia i chip EPYC Zen 6 per distribuire agenti IA su scala più ampia
Aggiungi Unite.AI alle tue fonti preferite su Google
AMD ha annunciato la disponibilità generale dei processori server EPYC SP7 di sesta generazione il 10 novembre 2026. I sistemi saranno distribuiti dai produttori di server e, a breve, sono attese istanze su Microsoft Azure e Oracle Cloud Infrastructure. La linea Zen 6, composta da 10 modelli, è pensata per l’esecuzione di agenti IA, i nodi host per GPU e le applicazioni aziendali.
L’annuncio si concentra sulle attività della CPU che affiancano i modelli di IA. Un singolo flusso di lavoro agentico può coordinare agenti, richiamare modelli, recuperare informazioni, eseguire codice e connettersi ai database e alle applicazioni aziendali esistenti. AMD suddivide l’infrastruttura risultante in servizi per uso generico, nodi host per GPU e ambienti isolati per agenti, calibrando frequenza del processore, densità, larghezza di banda ed efficienza in base all’attività, pur mantenendo una base comune per software, sicurezza e operatività x86.
Frequenza e densità nella gamma SP7
La gamma EPYC 9006 SP7 comprende modelli da 64 a 256 core e da 128 a 512 thread. Il multithreading simultaneo consente a ciascun core di eseguire due thread; i core Zen 6 e Zen 6c bilanciano le prestazioni ad alta frequenza, pensate per i nodi host IA, con una maggiore densità per l’esecuzione parallela di agenti. La piattaforma supporta anche PCIe Gen 6.
Al vertice della gamma, EPYC 9996 ed EPYC 9956 includono ciascuno 1.024 MB di cache L3. EPYC 9996 ha una frequenza di base di 2,55 GHz, raggiunge in boost i 4,1 GHz e presenta una potenza predefinita della CPU di 600 W, configurabile da 400 W a 600 W. La potenza predefinita della CPU misura i consumi dei die di calcolo e di I/O del processore in relazione a un determinato obiettivo prestazionale. EPYC 9686F ed EPYC 9586F privilegiano invece la frequenza, con frequenze di base di 4,05 GHz e velocità in boost fino a 5,3 GHz.
Oltre ai singoli server, i processori sono integrati nei design rack Helion di AMD, presentati nell’ottobre 2026. Helion Liquid è pensato per le distribuzioni su larga scala, Helion Air per i data center esistenti raffreddati ad aria e Helion Air Inference combina l’esecuzione su CPU con l’inferenza su GPU locali. AMD afferma che alcune configurazioni Helion raggiungono 73.728 thread in un singolo rack.
Stime delle prestazioni e limiti di potenza
Per i nodi host per GPU, AMD dichiara una velocità di generazione di output dei modelli linguistici di grandi dimensioni fino a 1,8 volte superiore rispetto ai processori EPYC della generazione precedente, in un confronto basato sul trasferimento dei pesi del modello dalla CPU. Il dato deriva da misurazioni effettuate su un collegamento host PCIe Gen 5, proiettate sulla larghezza di banda della Gen 6. Nei test, il collo di bottiglia della velocità di elaborazione per quel carico di lavoro è risultato essere il collegamento PCIe, non la memoria host.
Per gli ambienti isolati degli agenti, AMD stima un numero di agenti per watt di CPU circa 3,3 volte superiore a quello di Nvidia Vera e 2,5 volte superiore a quello di Intel Xeon 6980P. Anziché contare gli agenti in una distribuzione effettiva, il confronto converte i thread CPU disponibili in una capacità stimata sulla base di un carico di lavoro teorico comune. La capacità e la velocità di elaborazione effettive dipendono dal carico di lavoro, dal modello, dalla memoria, dal software, dall’orchestrazione e dalla configurazione del sistema.
Secondo il modello rack di AMD, ridurre del 15% il limite di potenza combinato di processore e memoria per socket consente a una configurazione EPYC 9996 di supportare circa 1,18 volte più agenti in un rack da 35 kilowatt rispetto alle impostazioni di potenza predefinite. La capacità aggiuntiva deriva dalla possibilità di installare più server entro lo stesso limite di potenza. La riduzione media stimata delle prestazioni per server è dell’1%, sulla base di test separati su un processore EPYC di quinta generazione.
Microsoft apre l’anteprima di Azure HDv2
Il 10 novembre Microsoft ha aperto le iscrizioni per un’anteprima delle macchine virtuali Azure HDv2, basata su processori EPYC di sesta generazione con nome in codice Venice. Ogni VM offre oltre 500 core fisici Zen 6, 3,8 terabyte di memoria DDR5-8800, 30 TB di archiviazione NVMe PCIe Gen 5 e Azure Boost Networking a 400 Gb.
Microsoft riferisce che una VM HDv2 può eseguire in parallelo circa il doppio degli ambienti isolati per agenti rispetto alla migliore alternativa attualmente sul mercato e offrire una velocità di elaborazione delle attività agentiche fino a 1,7 volte superiore. Nei grafici, le misurazioni sono indicate come preliminari e soggette a modifiche; SPEC CPU 2026 Integer Rate viene utilizzato come indicatore della velocità di elaborazione delle attività agentiche e di apprendimento per rinforzo. Ogni volta che un agente esegue codice o richiama uno strumento, opera in un ambiente isolato sulla CPU; una capacità insufficiente in termini di core può quindi lasciare inattive le GPU incaricate di dirigere gli agenti.
OpenAI ha collaborato con Microsoft allo sviluppo di HDv2 e ha collegato l’equilibrio tra core e memoria sia ai carichi di lavoro di ricerca sia a quelli di programmazione. «Quando prepariamo grandi set di dati per la ricerca sull’IA, un numero maggiore di core CPU ci consente di suddividere il lavoro in più attività, purché ciascuna disponga di memoria sufficiente. Lo stesso equilibrio è importante quando molti agenti di programmazione sviluppano software ed eseguono test contemporaneamente», ha dichiarato Rafael Dietrich, responsabile della pianificazione della capacità di CPU e archiviazione di OpenAI.
Al momento della disponibilità generale, Microsoft prevede di offrire HDv2 tramite Azure Kubernetes Service, Azure Databricks e Azure CycleCloud, oltre che sulle piattaforme dei partner, tra cui Rescale e Synopsys. La disponibilità può variare tra i diversi servizi e le diverse piattaforme.
Con questo lancio, densità delle CPU, allocazione della memoria e potenza del rack diventano fattori centrali per la capacità degli agenti, insieme all’utilizzo degli acceleratori. La verifica pratica di queste configurazioni consiste nel misurare quanto lavoro simultaneo degli agenti riescano a sostenere entro limiti di potenza fissi, senza lasciare le GPU sottoutilizzate.
