Az AMD-nél igen komoly változások zajlanak a háttérben, már ami az RDNA és a CDNA architektúrát illeti. Előbbi a konzumerpiaci videokártyák, illetve a processzorba integrált grafikus vezérlők alapját adja, míg utóbbi kizárólag az adatközpontokba szánt AI és HPC piaci gyorsítók fedélzetén kaphat helyet – mindkettő az adott piaci szegmens igényeire optimalizálva érkezik. A két architektúra 2019 óta fejlődik, amikor az AMD maga mögött hagyta a GCN architektúrát, és úgy döntöttek, két architektúrából álló modellre váltanak, ugyanis akkoriban még úgy gondolták, ez a jó irány, egyszerűbb lesz mindkét területet egy-egy specializált architektúrával kiszolgálni. Ezzel egy időben az Nvidia már régen az egységesített CUDA architektúrát használta minden célra, legyen szó gamer videokártyáról, általános célú gyorsítóról, vagy éppen AI gyorsítóról, és ez a stratégia be is vált, hiszen most ők uralják a legfontosabb piaci szegmenseket.

Az IFA 2024 alkalmával az AMD Computing and Graphics Business Group alelnökeként és igazgatójaként helytálló Jack Huynh meglepő és érdekes részleteket osztott meg azzal kapcsolatban, hogyan látja az AMD csapat a jövőt a gamer videokártyák és az AI gyorsítók piacán. Az RDNA és a CDNA architektúrák a jelek szerint nem váltották be a hozzájuk fűzött reményeket, ugyanis kétfelé eléggé nehéz fejleszteni, valamint a szoftverfejlesztők munkáját sem könnyítik meg. Éppen ezért úgy döntöttek, a nem is oly távoli jövőben egyetlen architektúrában egyesítik a CDNA és az RDNA architektúrát, ennek az egységes megoldásnak pedig egyszerűen az UDNA nevet adják. Onnantól kezdve, hogy ez elkészül, a konzumerpiaci és az adatközpontokba szánt termékek közös nevezőre kerülnek architektúra szempontjából, ami mindenképpen jó hír, hiszen így hatékonyabban fel tudják venni a versenyt az Nvidia CUDA architektúrájával szemben, ami 18 hosszú éve van jelen a piacon.

Elismerte azt is, a fejlesztőcsapat vétett néhány hibát RDNA-fronton: azokban az esetekben, amikor változtattak a memória-hierarchián, az optimalizációk egy része ment a kukába. Ezt többé nem szeretnék elkövetni, helyette egy olyan architektúrát akarnak, ami egységesen kiszolgálja a különböző szegmenseket, valamint az is szempont, hogy visszamenőlegesen és előrefelé is teljes kompatibilitást biztosítsanak az architektúrák között. Ez Xbox-fronton működik, igaz, fejlett tervezést igényel, de megoldható. RDNA és CDNA fronton ez eléggé sok munkát ad majd a fejlesztőcsapatoknak, de csak így teljesülhet a vízió.

Azt szeretnék elérni, hogy egyre több és több fejlesztő válassza az AMD új architektúráját: először ezrek, majd tízezrek, aztán százezrek, végül pedig milliók. Az Nvidia háza táján készülő CUDA architektúra köré nagyjából 4 millió fejlesztő sorakozik a piacon, ami elég impresszív adat, ezt szeretnék elérni idővel az AMD-nél is.

Anno, amikor az architektúrák szétválasztása mellett döntöttek, mikro-optimalizálni akarták mindkét részt rövidebb távon, ám most már ismét szükség van az egységesítésre annak érdekében, hogy hatékonyabban kiszolgálhassák az egyes piaci szegmenseket. Arról sajnos nem esett szó, hogy ez pontosan hány architektúra-generáció múlva lép életbe, a vezető csak stratégiát említett, ami szerintük ráadásul jó stratégia, de azt nem bontotta ki, pontosan mit takar. Az biztos, hogy szerintük a fejlesztők örülni fognak a váltásnak, ám a váltás megfelelő pontját meg kell találni – egy repülőgépben sem lehet motort cserélni, ha az éppen a levegőben repül.

A CDNA-RDNA váltás a jelek szerint nem váltotta be a hozzá fűzött reményeket, ráadásul az AI térnyerésével konzumerfronton elkezdett hiányozni az RDNA alapú videokártyákból az AI gyorsítás. Az RDNA 3 alapú termékeknél az FP16-os egységeket a WMMA utasításkészleten lehet elérni valamilyen szinten optimalizált keretek között, míg az RDNA 2 esetében az efféle feladatokat a GPU stream egységei végezhetik. Az Nvidia háza táján ehhez képest már az RTX sorozat 2018-as rajtja óta rendelkezésre állnak az AI gyorsításra használható Tensor magok, és ezek az elmúlt évek folyamán egyre ütőképesebbek lettek. A CDNA és az RDNA architektúrák egyesítésével a klienspiaci termékek is megkaphatják a CDNA architektúrából ismert AI gyorsító egységeket, ami az AI egyre fokozódó térnyerése miatt egyre fontosabb komponenssé válhat.

Az UDNA architektúra érkezésével kapcsolatban egyelőre nincs hír, csak annyi biztos, hogy mindig három architektúrával előre terveznek. Az RDNA 4-et még nem érinti a változás, az RDNA 5 és az RDNA 6 környékén azonban már érkezhet a váltás, de ezzel kapcsolatban később úgyis elárulnak még ezt-azt. Az egységesített architektúra mindenképpen helyes stratégiának tűnik, a kérdés csak az, milyen hamar sikerül elvégezni azt a temérdek munkát, ami ezzel jár, valamint az is rejtély, hogyan reagál minderre a piac, hiszen az Nvidia CUDA ökoszisztémája jelenleg egyeduralkodónak tekinthető, nem igazán lehet letaszítani a trónról, annyira bebetonozta magát az iparág szövetébe.