Fiche technique SPEC CARD
AMD Radeon Instinct MI50
Une carte légendaire encore très active sur le marché de l'inférence grandie occasion : 16/32 Go de HBM2 + PCIe 4.0, parmi les tout premiers GPU datacenter en 7 nm au monde (Next Horizon, 06-11-2018), et le dernier fleuron de la lignée GCN 5.1/Vega 20 d'AMD. AMD a retiré la page produit et abandonné le support officiel ROCm (le gfx906 sort de la matrice de support officielle depuis ROCm 6.x), mais l'écosystème communautaire du gfx906 reste très vivant en 2025-2026 sur GitHub (Qwen3.8-27B mesuré de 19 à 48 tok/s, images optimisées ROCm 7.2, solutions open source de ventilateurs adaptés et de shrouds de flux). Les exemplaires 32 Go d'occasion sont descendus jusqu'à environ 150-200 dollars, devenant une porte d'entrée « HBM2 pour budgets serrés ». Angle de couverture : modèle de circulation à grande mémoire HBM2 pour l'inférence économique, aux côtés des P40/V100 dans le trio légendaire des anciennes cartes de la communauté d'inférence.
Vue d'ensemble
L'AMD Radeon Instinct MI50 est une carte d'accélération datacenter sortie par AMD en novembre 2018, basée sur le cœur Vega 20 (architecture GCN 5.1, gfx906 selon la nomenclature ROCm). Elle fait partie des premiers GPU datacenter au monde gravés en 7 nm par TSMC et constitue le dernier fleuron de la famille Vega 20. Elle intègre 60 unités de calcul et 3 840 processeurs de flux, avec 16 ou 32 Go de mémoire HBM2, une ECC sur toute la puce, un bus PCIe 4.0 x16 et deux liens Infinity Fabric pour l'interconnexion multi-GPU. Grâce à sa grande capacité de mémoire HBM2, elle est restée longtemps active dans la communauté d'inférence locale des grands modèles de langage, avec encore aujourd'hui de nombreux utilisateurs sur llama.cpp, Ollama ou vLLM.
Spécifications clés
| Architecture | GCN 5.1 (Vega 20, gfx906, TSMC 7nm FinFET) — pas CDNA ; CDNA démarre avec le MI100 |
| Mémoire vidéo | 16 Go ou 32 Go HBM2 (ECC sur toute la puce, deux versions) |
| Bande passante mémoire | 1 TB/s (1024 GB/s, 4096bit × 1GHz DDR) |
| Largeur du bus mémoire | 4096 bits (4 piles HBM2 × 1024 bits) |
| Puissance de calcul | FP64 6.6 / FP32 13.3 / FP16 26.5 / INT8 53 TOPs (horloge moteur crête 1725 MHz) |
| Unités de calcul | 60 CU / 3840 processeurs de flux |
| TDP | 300W TDP crête (alimentation externe 2x8-Pin) |
| Interconnexion | Infinity Fabric 2 liens (92 Go/s par lien, 184 Go/s au total) / PCIe 4.0 x16 (rétrocompatible 3.0 x16) |
| Année de lancement | 2018 (annoncée à la conférence Next Horizon du 06-11-2018, parmi les premiers GPU datacenter 7 nm au monde) |
| Format | Carte PCIe add-in, full-height double slot 10,5" (267 mm), refroidissement actif |
Spécifications vérifiées contre les sources officielles (
benchmarks officiels , mis à jour le 10/10/2026) · Le prix réel est soumis au devis du vendeur
Cas d'usage
- Inférence locale de grands modèles de langage : la grande mémoire HBM2 permet de charger des modèles de taille moyenne à grande, pour la génération de texte sous llama.cpp, Ollama, vLLM, etc. ; la communauté continue d'optimiser les performances via les variantes gfx906
- Calcul scientifique et charges intensives en virgule flottante : avec la double précision FP64, elle assure simulations numériques et calculs d'ingénierie dans les scénarios HPC traditionnels
- Extension multi-GPU : les deux liens Infinity Fabric permettent de constituer des systèmes multi-GPU et d'étendre le pool de mémoire pour exécuter des modèles plus grands
- Génération d'images et workflows créatifs : utilisée comme carte d'accélération d'inférence pour modèles de diffusion dans des chaînes comme ComfyUI, avec des images optimisées et des solutions de refroidissement maintenues par la communauté
Modèles de la même famille
Présentation vidéo VIDEO
Points d'achat et de vérification
- Encombrement et intégration en salle : la carte est une carte PCIe add-in full-height double slot, de 10,5 pouces (267 mm) de long, à refroidissement actif, nécessitant une alimentation externe 2x8-Pin, pour un TDP crête de 300 W. Avant l'achat, vérifiez que le châssis, le guidage d'air et l'alimentation supportent un format full-height double slot et une consommation élevée
- Versions et vérification d'authenticité : le marché est dominé par les versions 16 Go et 32 Go, la 32 Go étant le choix prioritaire pour l'inférence de grands modèles. Ces cartes étant pour l'essentiel des retraits de datacenter, contrôlez en environnement ROCm la détection du périphérique gfx906, la capacité mémoire et le bon état de l'ECC full-chip
- Gestion des attentes logicielles : la page produit officielle a été retirée et le gfx906 sort de la matrice de support officielle depuis ROCm 6.x ; l'acheteur doit accepter de dépendre de pilotes maintenus par la communauté. Il est conseillé de s'appuyer sur l'écosystème gfx906 actif sur GitHub (images ROCm optimisées, solutions open source de refroidissement adapté) pour évaluer la maintenabilité à long terme
FAQ
La MI50 32 Go vaut-elle encore l'achat pour l'inférence de grands modèles ?
Avec un budget limité et une tolérance à une pile logicielle maintenue par la communauté, elle reste un choix courant pour débuter en inférence avec grande mémoire HBM2. La capacité mémoire élevée accueille des modèles conséquents, et les communautés des variantes gfx906 de llama.cpp, Ollama, vLLM ou ComfyUI restent actives. Attention toutefois : le support ROCm officiel est terminé, l'environnement repose sur vos propres montages et les solutions communautaires.
ROCm ne supporte plus le gfx906 : la MI50 fonctionne-t-elle encore ?
Oui. Le gfx906 est sorti de la matrice de support officielle depuis ROCm 6.x, mais l'écosystème communautaire reste actif : images optimisées pour cette architecture, correctifs, et optimisations documentées au niveau des frameworks d'inférence. On recommande de se verrouiller sur des combinaisons de versions ROCm validées par la communauté.
MI50 16 Go ou 32 Go : comment choisir ?
Pour de l'inférence locale de grands modèles de langage, l'avantage de capacité de la version 32 Go est net : elle accueille des modèles à plus grand nombre de paramètres ou des contextes plus longs. La version 16 Go convient aux budgets plus serrés ou aux modèles plus petits. L'architecture et les spécifications de calcul sont identiques, la différence porte essentiellement sur la mémoire et le prix.