27 september 2026
Het belangrijkste verschil tussen AMD EPYC Genoa en Bergamo voor AI-workloads ligt in de kernarchitectuur en het type taak dat ze het best aankunnen. Genoa biedt grotere kernen met meer cache en hogere IPC voor rekenintensieve AI-training, terwijl Bergamo met zijn Zen 4c-kernen is geoptimaliseerd voor hoge thread counts bij lichtere, parallelle inferentietaken. De keuze hangt af van je specifieke workload, budget en serverplatform.
AMD EPYC Genoa is het sterkst bij rekenintensieve workloads die profiteren van grote caches, hoge single-threadprestaties en brede geheugenbandbreedte. EPYC Bergamo is geoptimaliseerd voor workloads waarbij het aantal threads telt en de individuele kernen relatief lichte taken uitvoeren, zoals schaalbare cloudservices en lichtgewicht inferentie op CPU-niveau.
Concreet betekent dit dat Genoa uitblinkt bij:
Bergamo presteert het best bij:
Genoa gebruikt AMD’s Zen 4-kernen, elk met volledige cache-allocatie en hogere kloksnelheden. Bergamo gebruikt Zen 4c-kernen, een compactere variant van Zen 4 die minder silicium per kern inneemt maar meer kernen per socket mogelijk maakt. Bergamo biedt tot 128 kernen per socket, Genoa maximaal 96 kernen per socket.
Dit architectuurverschil heeft directe gevolgen voor de praktijk. Zen 4c-kernen in Bergamo zijn iets minder snel per kern maar passen met meer exemplaren op dezelfde chipletoppervlakte. De L3-cache per kern is bij Bergamo lager dan bij Genoa, wat betekent dat cachegevoelige workloads bij Genoa beter af zijn. Beide generaties ondersteunen DDR5-geheugen en PCIe 5.0, waardoor ze in principe op vergelijkbare serverplatformen kunnen draaien, al zijn specifieke moederborden soms exclusief voor een van de twee.
Voor AI-workloads is de geheugenbandbreedte een kritische factor. Beide processors ondersteunen 12 geheugenkanalen per socket, wat een aanzienlijke verbetering is ten opzichte van eerdere EPYC-generaties. Dit maakt beide geschikt voor data-intensieve taken, maar de hogere IPC van Genoa geeft het een voorsprong bij berekeningen waarbij elke klokcyclus telt.
Voor AI-training op CPU-niveau presteert Genoa beter dan Bergamo, dankzij hogere IPC, grotere L3-cache per kern en hogere kloksnelheden. Voor grootschalige AI-inferentie waarbij veel gelijktijdige verzoeken parallel worden afgehandeld, biedt Bergamo voordelen door zijn hogere core count en lagere kosten per thread.
In de praktijk wordt serieuze AI-training echter vrijwel altijd gedaan op GPU-accelerated servers, waarbij de CPU vooral dient als hostprocessor. In dat scenario is het verschil tussen Genoa en Bergamo minder doorslaggevend dan de keuze voor het juiste GPU-platform. Voor AI-serveroplossingen is de combinatie van processor en GPU-architectuur dan ook de bepalende factor.
Bij CPU-only inferentie, bijvoorbeeld voor kleinere taalmodellen of edge-deployments zonder GPU, heeft Bergamo een duidelijk voordeel: meer kernen betekent meer gelijktijdige inferentierequests per server, wat de kostprijs per request verlaagt. Genoa is dan eerder de keuze als nauwkeurigheid en lage latency per verzoek zwaarder wegen dan doorvoer.
Genoa en Bergamo gebruiken dezelfde SP5-socket, waardoor ze in principe compatibel zijn met dezelfde serverplatformen. In de praktijk zijn sommige Supermicro-moederborden geoptimaliseerd voor een van de twee, onder andere vanwege koeling, vermogensbeheer en BIOS-ondersteuning. De keuze van het serverplatform moet dan ook altijd worden afgestemd op de beoogde processor.
Supermicro biedt een breed scala aan platforms voor beide EPYC-generaties, van 1U rackmountservers voor dense deployments tot multi-GPU-systemen voor AI-acceleratie. Voor organisaties die maximale flexibiliteit willen, is het verstandig om van tevoren te bepalen of schaalbaarheid naar Bergamo in de toekomst gewenst is, zodat het gekozen moederbord dat ondersteunt.
Wij configureren bij NCS International elk systeem volledig op maat, inclusief de juiste combinatie van EPYC-processor, geheugen, opslag en eventuele GPU-accelerators. Zo voorkom je dat je een platform koopt dat je workload over een jaar niet meer aankan.
Intel Xeon is een betere keuze dan AMD EPYC wanneer de workload sterk afhankelijk is van Intel-specifieke software-optimalisaties, AVX-512-instructies in Intel-geoptimaliseerde bibliotheken, of wanneer bestaande infrastructuur en licenties zijn afgestemd op Intel-architectuur. Ook voor workloads die profiteren van Intel’s QuickAssist Technology (QAT) voor versleuteling en compressie is Xeon relevant.
In de meeste AI- en HPC-scenario’s van 2026 heeft AMD EPYC Genoa echter een sterke positie op het gebied van core count, geheugenbandbreedte en prijs-prestatieverhouding. Intel Scalable-processors bieden goede prestaties bij specifieke workloads, maar AMD heeft de afgelopen jaren een consistente voorsprong opgebouwd in de servermarkt voor veeleisende toepassingen.
De beslissing hangt ook af van softwarecompatibiliteit. Sommige gespecialiseerde applicaties in de medische sector, defensie of financiële sector zijn historisch geoptimaliseerd voor Intel. In die gevallen is het verstandig om de softwareleverancier te raadplegen voordat je een platformkeuze maakt.
Voordat je een AMD EPYC-serverplatform configureert voor AI-workloads, moet je minimaal weten of je primair traint of inferentie uitvoert, hoeveel GPU-accelerators je nodig hebt, wat de vereiste geheugenbandbreedte is, en of je workload schaalt over meerdere sockets of nodes. Deze vier factoren bepalen grotendeels welke EPYC-generatie en welk platform het best passen.
Daarnaast zijn de volgende overwegingen belangrijk:
Een goede configuratie begint bij een heldere definitie van de workload. Wij helpen organisaties bij NCS International dagelijks om van een technische vraag naar een concreet, schaalbaar serverplatform te komen, zonder onnodige complexiteit of overbodige componenten.
In theorie delen Genoa en Bergamo dezelfde SP5-socket, maar een upgrade is niet altijd plug-and-play. Sommige moederborden vereisen een BIOS-update of hebben beperkingen in vermogensbeheer en koeling die specifiek zijn voor één van de twee processors. Controleer altijd de compatibiliteitslijst van de moederbordfabrikant voordat je een upgrade plant, en raadpleeg je serverleverancier voor een risicoloze migratiecheck.
De meest voorkomende fout is het blindstaren op het aantal kernen zonder rekening te houden met de aard van de workload. Meer kernen (Bergamo) klinkt aantrekkelijk, maar als je workload cachegevoelig is of hoge single-threadprestaties vereist, zal Genoa in de praktijk beter presteren. Analyseer altijd eerst je workloadprofiel — trainings- versus inferentielast, thread-parallelisme en geheugengebruik per kern — voordat je een keuze maakt.
CPU-only inferentie op Bergamo is kosteneffectief voor kleinere modellen (typisch onder de 7 miljard parameters), edge-deployments of scenario’s met veel lichte, gelijktijdige verzoeken waarbij GPU-overhead niet opweegt tegen de winst. Zodra je werkt met grote taalmodellen, beeldherkenning op schaal of realtime inferentie met strikte latency-eisen, is GPU-acceleratie vrijwel altijd de betere keuze. Een benchmark van je specifieke model op beide configuraties geeft de meest betrouwbare uitkomst.
AMD biedt via zijn ROCm-platform en de AOCL-bibliotheek (AMD Optimizing CPU Libraries) geoptimaliseerde routines voor lineaire algebra, FFT en machine learning-operaties op EPYC-processors. Frameworks zoals PyTorch, TensorFlow en ONNX Runtime ondersteunen EPYC goed, en AMD’s eigen optimalisaties voor BLAS-operaties zorgen voor significante prestatiewinst bij numerieke AI-workloads. Zorg dat je bij deployment de juiste gecompileerde versies gebruikt die zijn afgestemd op Zen 4-architectuur.
Bergamo heeft met zijn 128-kern configuratie een hoger maximaal TDP (tot 400W per socket) dan veel Genoa-configuraties, maar levert ook meer rekenkracht per socket. Wanneer je de totale eigendomskosten (TCO) berekent over meerdere jaren, inclusief stroomverbruik, koeling en licentiekosten per kern, kan Bergamo voordeliger uitvallen voor hoog-parallelle workloads omdat je minder servers nodig hebt voor dezelfde doorvoer. Voor nauwkeurige TCO-berekeningen is het verstandig om een gespecialiseerde partner te betrekken die rekening houdt met jouw specifieke datacenteromgeving.
Voor AI-training die sterk afhankelijk is van snelle communicatie tussen nodes is verticaal schalen (meer GPU’s en geheugen per server) vaak efficiënter vanwege lagere netwerklatency. Voor inferentieworkloads met hoge parallelisatie is horizontaal schalen (meer servers toevoegen) doorgaans kosteneffectiever en biedt het betere redundantie. Zorg bij de initiële platformkeuze dat je serverarchitectuur beide opties openhoudt, bijvoorbeeld door te kiezen voor een platform met hoge-bandbreedte netwerkinterfaces zoals InfiniBand of 100GbE.
Voor productie-AI-omgevingen is het belangrijk te letten op platformvalidaties van AMD zelf (het AMD EPYC Ready-programma), maar ook op certificeringen van de serverfabrikant voor specifieke software-stacks zoals VMware, Red Hat OpenShift of Kubernetes-distributies. Als je in een gereguleerde sector opereert — zoals zorg, financiën of defensie — kunnen aanvullende certificeringen zoals ISO 27001-conforme hardware-configuraties of FIPS-gevalideerde encryptiemodules vereist zijn. Vraag je leverancier altijd om een volledige lijst van ondersteunde en gecertificeerde configuraties voor jouw use case.
Den Sliem 89
7141 JG Groenlo
The Netherlands
+31 544 470 000
info@ncs.nl
GPU-servers verwerken duizenden berekeningen parallel — ontdek wanneer ze onmisbaar zijn voor jouw organisatie.
Wat is een AI-server en wanneer heb je er een nodig? Ontdek de techniek, hardware en toepassingen.
