Comparaison des stations de travail compactes pour l'IA : Nvidia DGX Spark et AMD Ryzen AI Max+ 395
Nvidia a annoncé la plateforme DGX Spark en premier. AMD a répondu directement avec l'architecture Strix Halo et, fait intéressant, a commercialisé les puces correspondantes plus tôt que son concurrent. En tant qu'adversaire direct du Nvidia GB10, l'AMD Ryzen AI Max+ 395 est généralement associé à 128 Go de mémoire, ce qui permet l'exécution de modèles locaux de grande taille. Dans divers benchmarks d'IA et dans la vitesse d'inférence pure, les puces sont presque à égalité, en particulier dans les tâches FP16 et FP64. La bande passante de la mémoire et de nombreuses autres performances sont également identiques sur le papier. Il vaut donc la peine de considérer des systèmes comme le HP ZGX Nano G1n AI Station ainsi que des systèmes comme le Bosgame M5.
Les architectures de processeurs sous-jacentes des deux systèmes sont fondamentalement différentes l'une de l'autre. Alors que Nvidia utilise un module Grace basé sur ARM pour le GB10 Superchip, AMD s'appuie sur l'architecture x86 classique avec des cœurs Zen 5 pour le Ryzen AI Max+ 395. Cette différence a un impact significatif sur la compatibilité logicielle. La plateforme x86 d'AMD marque des points grâce à une prise en charge étendue des applications existantes et s'intègre parfaitement dans l'écosystème Windows. En revanche, la stratégie ARM de Nvidia n'est optimisée que pour le système d'exploitation DGX basé sur Linux et les charges de travail d'intelligence artificielle fortement parallélisées, ce qui limite son applicabilité aux tâches de bureau traditionnelles.
AMD emprunte une autre voie architecturale avec l'intégration d'un NPU dédié. Celle-ci fournit 50 TOPS INT8 et permet aux petits modèles ou aux tâches d'arrière-plan de s'exécuter en économisant de l'énergie. Des projets comme FastFlowLM bénéficient de cette architecture, car le système n'a pas besoin d'utiliser la puce principale, très gourmande en calcul, pour chaque tâche d'intelligence artificielle. Nvidia conserve toutefois un avantage considérable en termes de mémoire grâce à l'architecture Blackwell et à la prise en charge native du FP4, qui fait défaut à AMD sous cette forme.
Les différences décisives apparaissent lorsqu'on examine les écosystèmes logiciels. Pour maintenir sa position, Nvidia s'appuie sur l'écosystème CUDA bien établi. AMD lui oppose sa propre plateforme ROCm pour l'architecture RDNA. En termes de compatibilité dans de nombreuses applications spécialisées, cette plateforme ne correspond pas encore tout à fait à la pile logicielle de Nvidia.
En fin de compte, la décision se résume à mettre en balance le budget et l'écosystème. Nvidia facture des primes considérables pour les systèmes Systèmes DGX Sparknvidia demande des primes considérables pour les systèmes DGX Spark, mais offre en contrepartie le standard de l'industrie. La préparation du code pour les grands centres de données rend CUDA presque inévitable. Pour les tâches d'inférence pure qui nécessitent principalement beaucoup de mémoire locale et qui peuvent se passer des fonctions propriétaires de Nvidia, le Ryzen AI Max+ 395 représente une alternative puissante et souvent plus rentable.
