FirePro S9300 X2: Radeon Pro Duo ohne Video-Ausgänge für HPC-Systeme

Während sich AMD mit der Radeon Pro Duo vornehmlich an Entwickler von VR-Spielen richtet, ist die technisch verwandte FirePro S9300 X2 explizit für den Bereich High Performance Computing (HPC) bestimmt. Als reiner Rechenbeschleuniger verfügt die Karte über keine Videoausgänge. Die Leistung liegt unterhalb der Radeon Pro Duo.

Die grundlegenden technischen Daten der FirePro S9300 X2 entsprechen weitgehend jenen der Radeon Pro Duo. Zwei mit jeweils 4.096 MByte HBM kombinierte Fiji-GPUs sind auf einer Platine vereint. Durch einen geringeren GPU-Takt fällt die Rechenleistung mit 13,9 statt 16 TFLOPS (FP32) niedriger aus, ist damit aber immer noch vergleichsweise hoch. Die Frequenzsenkung macht sich im Gegenzug in einer niedrigeren Wärmeverlustleistung beziehungsweise TDP von 300 statt 350 Watt bemerkbar.

	FirePro S9300 X2	Radeon Pro Duo
GPU	2 × Fiji
Architektur	GCN 1.2
Shader-Einheiten	2 × 4.096
GPU-Takt (Boost)	850 MHz	1.000 MHz
Rechenleistung (FP32)	13,9 TFLOPS	16 TFLOPS
Rechenleistung (FP64)	0,8 TFLOPS	1 TFLOPS
Speicher	2 × 4.096 MByte HBM
Speicherinterface	2 × 4.096 Bit
TDP	300 W	350 W
Preis	5.999 USD	1.499 USD
via AnandTech

Spezialist für FP32-Berechnungen, bei FP64 schwach

Wie bei der Fiji-GPU üblich beträgt die Rechenleistung bei doppelter Genauigkeit (FP64) lediglich ein Sechzehntel der FP32-Leistung, womit die Beschleunigerkarte für bestimmte Berechnungen nur bedingt geeignet ist – AMDs FirePro S9170 mit einzelner Hawaii-GPU bietet in dieser Disziplin mehr als die dreifache Rechenleistung, bei FP32 kann sie jedoch mit nur 5,24 TFLOPS lange nicht mithalten. Bei der Speichermenge ist die S9170 mit 32 GByte wiederum der SX9300 X2 deutlich überlegen.

Die SX9300 X2 ist somit auf Gleitkommaberechnungen mit einfacher Präzision und Applikationen, die nicht Unmengen von Videospeicher benötigen, zugeschnitten. In anderen Bereichen bietet die ältere Generation deutlich mehr. Als Einsatzgebiete nennt AMD unter anderem Geoforschung, Datenanalyse und Machine Learning. Eine Marketing-Folie verdeutlicht den Leistungsvorsprung bei entsprechend geeigneten Anwendungsszenarien – in diesem Fall dienen Berechnungen im Bereich der Seismik als Beispiel, wo Konkurrenz wie die FirePro S9150 oder die Nvidia Tesla K80 deutlich geschlagen wird.