På den totala marknaden för grafikprocessorer har Nvidia 70 procent och AMD 30 procent. Men det hetaste användningsområdet för grafikprocessorer är maskininlärning, en form av AI. Och vad gäller grafikprocessorer som används för maskininlärning har Nvidia närmare 100 procent av marknaden, skriver IDG News. Det beror inte minst på att Nvidias mjukvaruplattform Cuda för maskininlärning är mycket populär.

Det här förhållandet vill AMD naturligtvis ändra på. Med två olika satsningar: dels grafikprocessorn Radeon Vega, dels genom att skapa en leverantörsneutral mjukvaruplattform för maskininlärning.

Att man betonar att plattformen ska vara leverantörsneutral har sannolikt tre skäl. För det första att utvecklare inte behöver oroa sig för dåligt mjukvarustöd för AMDs processorer. För det andra att det blir enklare för dem att använda grafikprocessorer från AMD om de inte behöver vara rädda för inlåsning. Och för det tredje att det nog blir svårt att övertala utvecklare att byta från Nvidias plattform till en som är leverantörsspecifik.

Kort sagt, AMD har inget annat val än att göra en leverantörsneutral plattform.

Läs också: Specialbyggda ”TPU:er” för maskininlärning på Google I/O

Med processorn Vega satsar AMD inte bara på att konkurrera prismässigt med Nvidia, utan att även på bättre prestanda. Enligt tidiga prestandatester som publicerats av AMD, som man kanske ska ta med en nypa salt, erbjuder den avancerade varianten Radeon Vega Frontier Edition mellan 1,38 och 1,51 gånger bättre prestanda än Nvidias Tesla P100 på standardtesten Deepbench.

Nu återstår det att se vilket pris som kommer att gälla för Vega Frontier Edition. Det bör nog vara konkurrenskraftigt jämfört med Nvidias Tesla P100, om AMD ska ha en chans. Men det kanske är lockande för AMD att lägga sig på samma prisnivå som Nvidia och hoppas på att bättre prestanda ska ge en tillräcklig fördel.

Vad gäller mjukvarustöd har Nvidia en stor fördel med Cudabiblioteken, men de fungerar bara med Nvidias hårdvara. Det öppna alternativet OpenCL är leverantörsneutralt, men erbjuder inte lika bra prestanda som Cuda.

AMDs drag är att satsa på den egna, öppna plattformen ROCM (Radeon Open Compute Platform), eftersom man tycker det går för långsamt att utveckla det kommittédrivna OpenCL. ROCM är ett språk- och hårdvaruoberoende mellanlager, i dag främst för AMDs hårdvara, men potentiellt för vilken hårdvara som helst. ROCM kan kommunicera med hårdvara antingen direkt eller via OpenCL.

Läs också: Googles AlphaGo vann första prestigemötet mot världsettan

I tester har mjukvara som konverterats från OpenCL till ROCM fått en prestandaskjuts på ungefär 80 procent. Enligt AMD går det att automatisera sådana konverteringar i hög utsträckning. AMD planerar också stöd för andra plattformar, som Googles Tensorflow.

Drömscenariot för AMD är enkelt att beskriva: Att skapa en teknisk miljö i vilken deras grafikprocessorer kan ersätta Nvidias rakt av. Den största utmaningen blir att övertyga de stora aktörerna, som Amazon, Microsoft och Google, som samtliga använder Nvidias produkter i sina tjänster för maskininlärning. Om AMD får in en fot där är mycket vunnet.