[{"data":1,"prerenderedAt":1101},["ShallowReactive",2],{"blog-post-nl-\u002Fblog\u002Fwhy-cuda-translation-wont-unlock-amds-real-potential":3,"blog-posts-sidebar-nl":681},{"id":4,"title":5,"body":6,"categories":657,"date":669,"description":670,"extension":671,"image":672,"meta":673,"navigation":674,"originalUrl":675,"path":676,"seo":677,"slug":678,"stem":679,"__hash__":680},"blogNl\u002Fblog\u002Fwhy-cuda-translation-wont-unlock-amds-real-potential.md","Waarom de “CUDA”-vertaling het echte potentieel van AMD niet zal ontsluiten",{"type":7,"value":8,"toc":644},"minimark",[9,17,20,47,50,53,60,74,77,84,91,96,99,102,105,126,129,132,138,141,146,153,156,162,165,171,178,202,209,216,219,238,241,247,252,266,286,293,296,304,307,315,341,344,350,355,388,399,405,411,414,443,450,457,463,468,471,486,489,500,507,513,518,521,550,553,559,577,584,590,595,598,605,608,628,631,638],[10,11,12],"p",{},[13,14],"img",{"alt":15,"src":16},"","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcudasection1.webp",[10,18,19],{},"Elke paar jaar verschijnt er een nieuwe oplossing die dezelfde droom belooft:",[21,22,23,31,38,41,44],"ul",{},[24,25,26,27],"li",{},"behoud uw ",[28,29,30],"strong",{},"CUDA-codebase",[24,32,33,34,37],{},"richt u op ",[28,35,36],{},"AMD"," (en eventueel andere accelerators)",[24,39,40],{},"geen herschrijving van de bron",[24,42,43],{},"geen HIP-porting",[24,45,46],{},"“natieve prestatie”",[10,48,49],{},"Op papier klinkt dat perfect. Neem uw bestaande CUDA-applicaties, verwissel de toolchain en plotseling bent u ‘draagbaar’.",[10,51,52],{},"En eerlijk is eerlijk: als u onderzoekscode uitvoert of een interne tool op niet-NVIDIA-hardware wilt compileren, kan dat absoluut nuttig zijn.",[10,54,55,56,59],{},"Maar als u belang hecht aan ",[28,57,58],{},"echte prestaties op AMD",", het soort prestaties dat:",[21,61,62,65,68,71],{},[24,63,64],{},"latency verlaagt,",[24,66,67],{},"benchmarks wint,",[24,69,70],{},"elke TFLOP uit accelerators van de MI***-klasse haalt,",[24,72,73],{},"en mensen na één slecht experiment niet “terug naar NVIDIA” stuurt,",[10,75,76],{},"dan is een universele CUDA-compatibiliteitslaag de verkeerde langetermijnstrategie.",[10,78,79,80,83],{},"Niet omdat de ingenieurs achter deze toolchains niet slim zijn (dat zijn ze wel), maar omdat ",[28,81,82],{},"CUDA-first-compilatie altijd zal achterlopen op"," wat AMD native beschikbaar maakt via ROCm, HIP en door leveranciers afgestemde bibliotheken.",[85,86,88],"h3",{"id":87},"waarom-deze-aanpak-zo-aantrekkelijk-is",[28,89,90],{},"Waarom deze aanpak zo aantrekkelijk is",[10,92,93],{},[13,94],{"alt":15,"src":95},"\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcudasection2.webp",[10,97,98],{},"Deze pitches zijn buitengewoon overtuigend:",[10,100,101],{},"\"Ontwikkel uw applicatie één keer met CUDA en implementeer deze op verschillende GPU-platforms.\"",[10,103,104],{},"Concreet doen deze toolchains meestal zoiets als dit:",[21,106,107,114,117,120,123],{},[24,108,109,110,113],{},"Zorg voor een ",[28,111,112],{},"nvcc-compatibele compiler"," die bestaande CUDA-code accepteert, soms inclusief inline PTX.",[24,115,116],{},"Richt zich via LLVM-backends op AMD-GPU's in plaats van op de stuurprogramma's van NVIDIA.",[24,118,119],{},"Implementeer de CUDA-runtime-, driver- en wiskundige API's boven op AMD's ROCm-stack.",[24,121,122],{},"Lever wrapperbibliotheken die CUDA-X-API's (bijvoorbeeld cuBLAS\u002FcuSOLVER) koppelen aan rocBLAS\u002FrocSOLVER en vergelijkbare libraries.",[24,124,125],{},"Onderhoud validatiesets waarin bekende CUDA-projecten worden gecompileerd en uitgevoerd op AMD-hardware.",[10,127,128],{},"Vanuit het perspectief van een ontwikkelaar voelt het magisch:",[10,130,131],{},"# Op NVIDIA",[10,133,134],{},[135,136,137],"code",{},"nvcc my_app.cu -o my_app_nvidia",[10,139,140],{},"# Op “alles”",[10,142,143],{},[135,144,145],{},"nvcc my_app.cu -o my_app_other_gpu",[10,147,148,149,152],{},"Voor ",[28,150,151],{},"bestaande, sterk op CUDA gebaseerde HPC-code"," waarvoor een herschrijving naar HIP, SYCL of ROCm bijzonder ingrijpend zou zijn, is dit een goede optie.",[10,154,155],{},"Maar dat gebruiksvoorbeeld is heel anders dan:",[157,158,159],"blockquote",{},[10,160,161],{},"\"We willen state-of-the-art LLM-inferentie en trainingsprestaties op AMD, vergelijkbaar met of beter dan NVIDIA\"",[10,163,164],{},"Dat is een fundamenteel ander probleem.",[85,166,168],{"id":167},"cuda-semantiek-amd-semantiek",[28,169,170],{},"CUDA-semantiek ≠ AMD-semantiek",[10,172,173,174,177],{},"CUDA is ontworpen rond NVIDIA's hardwaremodel, met warps, een specifieke geheugenhiërarchie, intrinsics, PTX en CUDA-X-libraries. ",[28,175,176],{},"Een NVIDIA-warp telt 32 threads",".",[10,179,180,181,184,185,192,193,196,197],{},"De AMD-architectuur werkt anders: ",[28,182,183],{},"op CDNA\u002FGCN (Instinct-klasse) telt een wavefront 64 work-items",". ",[186,187,191],"a",{"href":188,"rel":189},"https:\u002F\u002Frocm.docs.amd.com\u002Fprojects\u002Frocprofiler-compute\u002Fen\u002Fdocs-6.3.0\u002Fconceptual\u002Fpipeline-metrics.html?utm_source=chatgpt.com",[190],"nofollow","AMD ROCm-documentatie"," RDNA voor consumenten introduceerde een native ",[28,194,195],{},"wave32","-modus, maar CDNA voor datacenters blijft wave64. ",[186,198,201],{"href":199,"rel":200},"https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FRDNA_%28microarchitecture%29?utm_source=chatgpt.com",[190],"Wikipedia",[10,203,204,205,208],{},"Als AMD vanaf dag één had besloten om ",[28,206,207],{},"CUDA-native hardware"," te bouwen, zou het leven er heel anders uitzien. Maar dat is niet de realiteit: AMD koos zijn eigen architectuur, softwarestack en optimalisatiepaden.",[10,210,211,212,215],{},"Moderne AMD-richtlijnen spreken expliciet over ",[28,213,214],{},"MI***-specifieke optimalisatie",": kernelvormen, geheugentegels, GEMM-afstemming en precisiekeuzes afgestemd op de sterke punten van CDNA.",[10,217,218],{},"Als u CUDA als ‘bron van de waarheid’ neemt, vraagt u een vertaallaag om:",[220,221,222,225,228,231],"ol",{},[24,223,224],{},"CUDA te parsen, vaak inclusief inline PTX.",[24,226,227],{},"De code om te zetten naar een IR zoals LLVM.",[24,229,230],{},"Die IR te vertalen naar AMD's ISA en ROCm-stack.",[24,232,233,234,237],{},"Code te genereren die kan concurreren met ",[28,235,236],{},"AMD-first"," kernels en libraries die specifiek voor ROCm zijn gebouwd.",[10,239,240],{},"Dat legt de lat bijzonder hoog.",[85,242,244],{"id":243},"concreet-voorbeeld-1-32-versus-64-threads-per-warp-of-wavefront",[28,245,246],{},"Concreet voorbeeld #1, 32 versus 64 threads per warp of wavefront",[10,248,249],{},[13,250],{"alt":15,"src":251},"\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcudaexample1.webp",[21,253,254,260],{},[24,255,256,259],{},[28,257,258],{},"NVIDIA:"," warp = 32 threads.",[24,261,262,265],{},[28,263,264],{},"AMD CDNA\u002FGCN:"," wavefront = 64 work-items.",[10,267,268,269,272,273,276,277,280,281],{},"Als de control flow, synchronisatie of geheugencoalescentie van een kernel impliciet op ",[28,270,271],{},"warp32"," is afgestemd, kan een ongewijzigde uitvoering op ",[28,274,275],{},"wave64"," rekenlanen onbenut laten. Ook kan de compiler of runtime extra masking en shuffles moeten toevoegen, wat de effectieve throughput vaak verlaagt. Met andere woorden: ",[28,278,279],{},"dezelfde kernel kan alleen al door een verschillende uitvoeringsbreedte tot ongeveer een factor twee onder de piek blijven",", nog voordat cachegedrag of matrixbewerkingen een rol spelen. AMD-ontwikkelmateriaal benadrukt dat wave64 andere eigenschappen heeft voor resourcegebruik en occupancy dan wave32. ",[186,282,285],{"href":283,"rel":284},"https:\u002F\u002Fgpuopen.com\u002Flearn\u002Foccupancy-explained\u002F?utm_source=chatgpt.com",[190],"gpuopen.com",[287,288,290],"h4",{"id":289},"compileren-alleen-garandeert-geen-prestaties",[28,291,292],{},"Compileren alleen garandeert geen prestaties",[10,294,295],{},"Op papier zeggen deze toolchains vaak:",[21,297,298,301],{},[24,299,300],{},"“Compilatie vooraf, geen emulatie.”",[24,302,303],{},"“Geen inherente overhead versus native paden.”",[10,305,306],{},"Voor sommige soorten toepassingen (klassieke, op CUDA afgestemde HPC zonder volwassen ROCm-poorten) kan dat redelijk waar zijn.",[10,308,309,310,314],{},"Maar bij moderne AI op AMD hangen prestaties af van ",[311,312,313],"em",{},"veel"," meer dan alleen CUDA-syntaxis die succesvol compileert:",[21,316,317,323,329,335],{},[24,318,319,322],{},[28,320,321],{},"Gefuseerde kernels"," ontworpen voor AMD's wavefront-, cache- en geheugensysteem.",[24,324,325,328],{},[28,326,327],{},"GEMM-afstemming"," over BF16\u002FFP16\u002FFP8 met AMD's bibliotheekpaden en MFMA-vormen.",[24,330,331,334],{},[28,332,333],{},"FP8-ondersteuning",": gewichten en activaties kwantiseren voor AMD's FP8-formaten (E4M3\u002FE5M2), plus FP8 KV-cache, schalingsbeleid en dataverpakking, geïntegreerd in frameworks zoals vLLM.",[24,336,337,340],{},[28,338,339],{},"Tensor-parallellisme en communicatie"," afgestemd op MI***-klasse topologie en ROCm-collectieven.",[10,342,343],{},"Dit zijn technische keuzes die vanuit AMD worden ontworpen. Een generieke vertaling van CUDA-front-end naar AMD-back-end levert die optimalisaties niet vanzelf op.",[85,345,347],{"id":346},"concreet-voorbeeld-2-fp8-is-niet-plug-and-play",[28,348,349],{},"Concreet voorbeeld #2, FP8 is niet plug-and-play",[10,351,352],{},[13,353],{"alt":15,"src":354},"\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcudaexample2.webp",[10,356,357,358,361,362,365,366,370,371,374,375,378,379,382,383],{},"Op AMD ",[28,359,360],{},"CDNA3"," (MI300-klasse) gebruikt FP8 de ",[28,363,364],{},"E4M3\u002FE5M2","-formaten met de bijbehorende schaling en dataverpakking. ",[186,367,191],{"href":368,"rel":369},"https:\u002F\u002Frocm.docs.amd.com\u002Fen\u002Flatest\u002Freference\u002Fprecision-support.html?utm_source=chatgpt.com",[190]," Om LLM's efficiënt in FP8 uit te voeren, volstaat het niet om CUDA-code te compileren. Doorgaans moet u ",[28,372,373],{},"gewichten voorbewerken of kwantiseren"," en FP8 KV-cache en activaties inschakelen via AMD-specifieke workflows. De ",[28,376,377],{},"Quark","-kwantisatietutorials en ",[28,380,381],{},"vLLM","-handleidingen voor FP8 tonen bijvoorbeeld de expliciete stappen en configuratie om de snelle uitvoeringspaden te gebruiken. ",[186,384,387],{"href":385,"rel":386},"https:\u002F\u002Frocm.docs.amd.com\u002Fprojects\u002Fai-developer-hub\u002Fen\u002Flatest\u002Fnotebooks\u002Fgpu_dev_optimize\u002Ffp8_quantization_quark_vllm.html?utm_source=chatgpt.com",[190],"VLLM Docs+3AMD ROCm Documentation+3rocm.blogs.amd.com+3",[10,389,390,391,394,395,398],{},"Als een vertaalstack ontbrekend FP8-gedrag moet ",[28,392,393],{},"emuleren"," of terugvalt op niet-optimale verpakking\u002Fschaling, wordt het \"draagbare\" pad snel ",[28,396,397],{},"meetbaar langzamer"," dan AMD-native FP8-inschakeling.",[85,400,402],{"id":401},"hoe-wij-het-aanpakken-paiton",[28,403,404],{},"Hoe wij het aanpakken (Paiton)",[10,406,407,408,177],{},"Dit is precies waarom we bij Eliovp de tegenovergestelde aanpak hebben gekozen met ",[28,409,410],{},"Paiton",[10,412,413],{},"Paiton werd en wordt in de eerste plaats voor AMD gebouwd, niet als bijproduct van een CUDA-vertaler. Wij:",[21,415,416,419,422,429,436],{},[24,417,418],{},"werken rechtstreeks op ROCm\u002FHIP,",[24,420,421],{},"integreren met vLLM\u002FSGLang in plaats van ze te vervangen,",[24,423,424,425,428],{},"schrijven en tunen ",[28,426,427],{},"aangepaste kernels"," voor hardware van de MI***-klasse,",[24,430,431,432,435],{},"combineren bewerkingen, tunen GEMM's en optimaliseren ",[28,433,434],{},"FP8-datapaden",",",[24,437,438,439,442],{},"optimaliseren ",[28,440,441],{},"tensorparallellisme"," en communicatie voor AMD-interconnects en -topologieën.",[10,444,445,446,449],{},"In ons openbare werk verslaat MI300X + Paiton de nieuwere NVIDIA-setups in echte LLM-inferentie terwijl u uw bestaande enginestack behoudt. Dat is het punt: een compatibiliteitslaag probeert AMD zich te laten gedragen als “CUDA-compatibele hardware”; ",[28,447,448],{},"Paiton onderzoekt wat AMD eigenlijk is"," en haalt er meer uit.",[10,451,452,453,456],{},"Kan een vertaalstack dat evenaren voor FP8, MoE, TP en echt verkeer? Alleen door diezelfde AMD-specifieke inspanning blijvend ",[311,454,455],{},"in"," de vertaler te implementeren.",[85,458,460],{"id":459},"het-ecosysteemrisico-slechte-eerste-indrukken",[28,461,462],{},"Het ecosysteemrisico: slechte eerste indrukken",[10,464,465],{},[13,466],{"alt":15,"src":467},"\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcudaecosystem.webp",[10,469,470],{},"Typisch patroon:",[220,472,473,476,483],{},[24,474,475],{},"Een team met een CUDA-codebase probeert een kant-en-klare compatibiliteitstool voor AMD.",[24,477,478,479,482],{},"Het team voert LLM- en visionworkloads uit en ziet ",[28,480,481],{},"suboptimale"," cijfers ten opzichte van de NVIDIA-basislijn.",[24,484,485],{},"Interne conclusie: \"We hebben AMD geprobeerd. Het is langzamer.\"",[10,487,488],{},"Ze controleren zelden of:",[21,490,491,494,497],{},[24,492,493],{},"de laag snelle AMD FP8-paden of de juiste kwantisering gebruikte,",[24,495,496],{},"ROCm-native kernels betere prestaties zouden hebben geleverd,",[24,498,499],{},"de frameworkdocumentatie andere AMD-specifieke flags aanbeveelt.",[10,501,502,503,506],{},"Ze zien alleen een dashboard. Het resultaat geldt dan als ",[28,504,505],{},"“bewijs” dat AMD langzamer is",", zelfs wanneer AMD-first-stacks het tegenovergestelde laten zien.",[85,508,510],{"id":509},"de-onderhoudsmolen",[28,511,512],{},"De onderhoudsmolen",[10,514,515],{},[13,516],{"alt":15,"src":517},"\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcudamaintenancethreadmill-2.webp",[10,519,520],{},"Om gelijke tred te houden met AMD-native tooling, moet een “CUDA-overal”-laag voortdurend:",[21,522,523,531,539,547],{},[24,524,525,526],{},"ROCm-releases volgen (nieuwe FP8-paden, GEMM-verbeteringen, bibliotheekupgrades), ",[186,527,530],{"href":528,"rel":529},"https:\u002F\u002Frocm.docs.amd.com\u002Fen\u002Fdocs-7.1.0\u002Fhow-to\u002Frocm-for-ai\u002Finference-optimization\u002Fvllm-optimization.html?utm_source=chatgpt.com",[190],"AMD ROCm-documentatie+1",[24,532,533,534],{},"nieuwe Instinct-GPU's en hun tuningopties volgen, ",[186,535,538],{"href":536,"rel":537},"https:\u002F\u002Frocm.docs.amd.com\u002Fen\u002Flatest\u002Fcompatibility\u002Fcompatibility-matrix.html?utm_source=chatgpt.com",[190],"AMD ROCm Documentatie+1",[24,540,541,542],{},"vergelijkbare technieken overnemen die in vLLM voor AMD verschijnen, zoals FP8 KV-cache en attentionbackends, ",[186,543,546],{"href":544,"rel":545},"https:\u002F\u002Fdocs.vllm.ai\u002Fen\u002Fstable\u002Ffeatures\u002Fquantization\u002Fquantized_kvcache.html?utm_source=chatgpt.com",[190],"VLLM Docs+1",[24,548,549],{},"en compatibel blijven met de evoluerende CUDA-semantiek.",[10,551,552],{},"Dat is een onderhoudsintensieve, reactieve positie, altijd één stap verwijderd van de plaats waar AMD en zijn partners optimalisaties als eerste uitbrengen.",[85,554,556],{"id":555},"waar-deze-tools-wel-zinvol-zijn-met-een-kanttekening-over-consumenten-gpus",[28,557,558],{},"Waar deze tools wel zinvol zijn, met een kanttekening over consumenten-GPU's",[21,560,561,564,567],{},[24,562,563],{},"Grote bestaande CUDA\u002FHPC-codebases die u snel werkend wilt krijgen.",[24,565,566],{},"Functionaliteitsvalidatie tijdens het plannen van een goed ROCm\u002FHIP-pad.",[24,568,569,572,573,576],{},[28,570,571],{},"Consumenten-\u002Fgaming-GPU's:"," RDNA introduceerde ",[28,574,575],{},"native wave32",", in lijn met de warpbreedte van CUDA. Voor desktopgebruikers, waar de ROCm-installatie lastiger kan zijn of officieel beperkt kan zijn, kunnen deze lagen een pragmatische brug vormen voor experimenten.",[10,578,579,580,583],{},"Dit is een redelijk instappunt. Het is alleen ",[28,581,582],{},"niet"," de manier om te tonen wat AMD Instinct-hardware werkelijk met LLM's kan.",[85,585,587],{"id":586},"waar-het-op-neerkomt",[28,588,589],{},"Waar het op neerkomt",[10,591,592],{},[13,593],{"alt":15,"src":594},"\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcudabottomline.webp",[10,596,597],{},"We zeggen niet: \"Gebruik nooit CUDA-op-AMD-compilers of CUDA-naar-HIP-vertalers\".",[10,599,600,601,604],{},"We zeggen ",[28,602,603],{},"beoordeel AMD niet"," op basis daarvan.",[10,606,607],{},"Als u wilt zien wat AMD-GPU's daadwerkelijk voor AI kunnen presteren:",[21,609,610,613,616,619,622,625],{},[24,611,612],{},"gebruik AMD-first kernels en bibliotheken,",[24,614,615],{},"voer ROCm-native tuning uit,",[24,617,618],{},"configureer frameworks voor AMD FP8 en attentionbackends,",[24,620,621],{},"kies parallellismestrategieën die passen bij de topologie van de MI***-klasse,",[24,623,624],{},"werk met teams die vanaf het ontwerp voor AMD optimaliseren, niet via vertaling,",[24,626,627],{},"of gebruik Paiton, waarin alle noodzakelijke optimalisaties zijn opgenomen.",[10,629,630],{},"Anders voegt u een compatibiliteitskost toe en geeft u de hardware de schuld van het resultaat. AMD heeft er niet voor gekozen een CUDA-kloon te zijn, en dat is prima.",[10,632,633,634,637],{},"Behandel AMD als een ",[28,635,636],{},"volwaardig platform"," met eigen sterke punten, en het resultaat zal u verrassen.",[10,639,640,641,643],{},"Dat is de stelling achter ",[28,642,410],{},", en waarom we de verwachtingen blijven overtreffen met AMD-first engineering.",{"title":15,"searchDepth":645,"depth":645,"links":646},2,[647,649,650,651,652,653,654,655,656],{"id":87,"depth":648,"text":90},3,{"id":167,"depth":648,"text":170},{"id":243,"depth":648,"text":246},{"id":346,"depth":648,"text":349},{"id":401,"depth":648,"text":404},{"id":459,"depth":648,"text":462},{"id":509,"depth":648,"text":512},{"id":555,"depth":648,"text":558},{"id":586,"depth":648,"text":589},[658,659,410,660,661,659,662,663,664,665,666,667,410,668],"Alle","Kunstmatige intelligentie","Niet gecategoriseerd","AMD MI300X","CUDA-vertaling","FP8","GPU-optimalisatie","Hoogwaardige computers","HIP","Kerneltuning","ROCm","2025-11-12T14:48:37","Om de paar jaar verschijnt een oplossing met dezelfde belofte: behoud uw CUDA-code, wissel van toolchain en draai plots op verschillende GPU-platforms. Dat kan nuttig zijn voor compatibiliteit, maar ontsluit niet automatisch AMD's echte prestatiepotentieel. Daarvoor zijn AMD-first kernels, libraries en tuning nodig.","md","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fchatgpt-image-nov-11-2025-09_16_10-pm-1.webp",{},true,"https:\u002F\u002Feliovp.com\u002Fwhy-cuda-translation-wont-unlock-amds-real-potential\u002F","\u002Fblog\u002Fwhy-cuda-translation-wont-unlock-amds-real-potential",{"title":5,"description":670},"why-cuda-translation-wont-unlock-amds-real-potential","blog\u002Fwhy-cuda-translation-wont-unlock-amds-real-potential","_aVqApONq-A33mYR1ZMzw6t_U6EfSawdx4gcmqGzGyo",[682,698,712,743,754,776,794,813,832,850,852,864,880,895,907,916,924,939,951,962,973,983,996,1006,1019,1030,1040,1051,1060,1072,1083,1092],{"path":683,"title":684,"description":685,"date":686,"slug":687,"image":688,"originalUrl":689,"categories":690},"\u002Fblog\u002Fpaiton-qwen38-radeon-ai-pro-r9700","Paiton: 21% meer Qwen3.8-doorvoer op Radeon AI PRO R9700","Paiton draait AMD's Qwen3.8 27B op één Radeon AI PRO R9700 met 39,77 outputtokens per seconde. Dat levert 21% meer throughput en 17,4% lagere gemodelleerde kosten op.","2026-09-04T09:00:00","paiton-qwen38-radeon-ai-pro-r9700","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-r9700\u002F00-featured-paiton-r9700.webp","https:\u002F\u002Feliovp.com\u002Fblog\u002Fpaiton-qwen38-radeon-ai-pro-r9700",[410,659,691,692,693,694,695,696,381,697],"AMD Radeon","AI-inferentie","GPU-prestaties","Inferentielatentie","Inferentie-optimalisatie","Grote taalmodellen","Kostenefficiëntie",{"path":699,"title":700,"description":701,"date":702,"slug":703,"image":704,"originalUrl":705,"categories":706},"\u002Fblog\u002Fai-data-center-power-requirements-gpu-per-megawatt","Stroomvereisten voor AI-datacenters: de GPU-per-MW-illusie","Waarom vermelden offertes voor AI-datacenters verschillende GPU-capaciteiten? Ontdek hoe PUE, piekbelasting, opslag, netwerken en koeling bepalen hoeveel compute werkelijk inzetbaar is.","2026-07-27T23:52:00","ai-data-center-power-requirements-gpu-per-megawatt","\u002Fasset\u002Fimages\u002Fblog\u002Fai-data-center-power-requirements-gpu-per-megawatt\u002Fgpu-per-megawatt-illusion.webp",null,[658,707,708,709,710,711],"AI-infrastructuur","Datacenters","ModFlex","HPC","AMD Helios",{"path":713,"title":714,"description":715,"date":716,"slug":717,"image":718,"originalUrl":719,"categories":720},"\u002Fblog\u002Fpaiton-returns-to-its-diffusion-roots-optimizing-wan2-2-t2v-a14b-on-amd-mi355x","Paiton keert terug naar zijn diffusiewortels: optimalisatie van Wan2.2-T2V-A14B op AMD MI355X","Toen we begonnen met het bouwen van Paiton, was een van onze eerste aandachtsgebieden het optimaliseren van diffusiemodellen. Stable Diffusion XL was een van de eerste grote modellen waarin we lieten zien dat gefuseerde operators, efficiënte uitvoering en hardwarebewuste kernels een echt verschil konden maken. Nu keren we terug naar die oorsprong. Met de groeiende belangstelling voor het genereren van tekst-naar-video, ...","2026-06-10T14:04:04","paiton-returns-to-its-diffusion-roots-optimizing-wan2-2-t2v-a14b-on-amd-mi355x","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaitonwan2.webp","https:\u002F\u002Feliovp.com\u002Fpaiton-returns-to-its-diffusion-roots-optimizing-wan2-2-t2v-a14b-on-amd-mi355x\u002F",[658,659,410,721,36,722,723,724,725,726,727,728,729,730,731,732,733,734,735,736,410,737,738,739,740,741,742],"14B","B200","Benchmarks","Blackwell","Compute","Diffusie","Eliovp","Generatieve AI","GPU","Hardware","Inferentie","Instinct","MI355x","NVidia","On-premises","Optimalisatie","Soevereine AI","T2V","Tekst-naar-video","Tuning","Video-generatie","Wan2.2",{"path":744,"title":745,"description":746,"date":747,"slug":748,"image":749,"originalUrl":750,"categories":751},"\u002Fblog\u002Ffrom-the-attic-to-the-front-page-eliovp-recognized-as-a-pioneer-in-chip-optimization-data-center-infrastructure","Van zolder tot voorpagina: ElioVP erkend als pionier op het gebied van chipoptimalisatie en datacenterinfrastructuur","Het waren bijzondere weken voor het team van Eliovp. Ons bedrijf haalde de voorpagina van De Tijd, de toonaangevende zakenkrant van België. Ons verhaal begon bij een oprichter die op zolder aan hardware sleutelde en groeide uit tot een onderneming met 215 miljoen euro omzet.","2026-02-10T20:48:12","from-the-attic-to-the-front-page-eliovp-recognized-as-a-pioneer-in-chip-optimization-data-center-infrastructure","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fphysicalnewspaper.webp","https:\u002F\u002Feliovp.com\u002Ffrom-the-attic-to-the-front-page-eliovp-recognized-as-a-pioneer-in-chip-optimization-data-center-infrastructure\u002F",[658,659,752,660,36,753,752,734],"Modulaire DC","De Tijd",{"path":755,"title":756,"description":757,"date":758,"slug":759,"image":760,"originalUrl":761,"categories":762},"\u002Fblog\u002Fprivacy-is-geen-it-probleem-meer-het-is-een-strategische-prioriteit","Privacy is geen IT-probleem meer, het is een strategische prioriteit","Privacyrisico's, psychologische valkuilen en de operationele realiteit van generatieve AI in de Benelux. Waarom bedrijven gevoelige gegevens, governance en lokale AI strategisch moeten benaderen.","2026-01-29T13:51:11","privacy-is-geen-it-probleem-meer-het-is-een-strategische-prioriteit","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fheaderimage.webp","https:\u002F\u002Feliovp.com\u002Fprivacy-is-geen-it-probleem-meer-het-is-een-strategische-prioriteit\u002F",[658,659,763,660,764,765,766,767,768,769,770,771,727,772,728,773,774,775],"Trending","AI Act","Antropomorfisme","AVG","Benelux","ChatGPT","Cyberbeveiliging","Databeheer","Gegevensbeveiliging","GDPR","Microsoft Copilot","Privacy","Shadow AI",{"path":777,"title":778,"description":779,"date":780,"slug":781,"image":782,"originalUrl":783,"categories":784},"\u002Fblog\u002Fitsme-bij-ons-is-het-its-not-me-en-dit-is-waarom","Itsme? Bij ons is het “it's not me”, en dit is waarom.","Waarom Eliovp itsme niet gebruikt voor medewerkers en interne processen: een analyse van datasoevereiniteit, cloudjurisdictie, metadata, eigendomsstructuur en technische risico's.","2025-11-27T09:32:14","itsme-bij-ons-is-het-its-not-me-en-dit-is-waarom","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ffrontimage.webp","https:\u002F\u002Feliovp.com\u002Fitsme-bij-ons-is-het-its-not-me-en-dit-is-waarom\u002F",[658,785,786,787,769,788,789,790,772,791,792,793,774],"AWS","Belgian Mobile ID","CLOUD Act","Datasoevereiniteit","Digitale identiteit","eIDAS","itsme","Liberty Global","MyGov.be",{"path":795,"title":796,"description":797,"date":798,"slug":799,"image":800,"originalUrl":801,"categories":802},"\u002Fblog\u002Ffield-report-the-reality-of-building-agentic-ai-in-2025","Praktijkrapport: de realiteit van Agentic AI bouwen in 2025","De verwachtingen rond Agentic AI staan vaak ver af van de technische realiteit. Dit praktijkrapport beschrijft wat er nodig is om betrouwbare, lokale AI-agents voor bedrijfsworkflows te bouwen, van modulaire architectuur en observability tot modeltraining, VRAM en soevereine infrastructuur.","2025-11-25T14:03:39","field-report-the-reality-of-building-agentic-ai-in-2025","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ffieldreport.webp","https:\u002F\u002Feliovp.com\u002Ffield-report-the-reality-of-building-agentic-ai-in-2025\u002F",[658,659,803,763,804,805,806,807,808,809,810,811,737,812],"Oplossingen","Agentic AI","AI-techniek","AI-strategie","Autonome agenten","Bedrijfs-AI","Lokale LLM","Modelverfijning","AI op locatie","VRAM-optimalisatie",{"path":814,"title":815,"description":816,"date":817,"slug":818,"image":819,"originalUrl":820,"categories":821},"\u002Fblog\u002Fthe-synthetic-unicorn-bubble","De synthetische unicornzeepbel","Hoe AI-neocloudinfrastructuur circulaire kasstromen omzet in schijngroei. Tussen 2023 en 2025 stroomden miljarden aan durfkapitaal naar het neocloudecosysteem. Onze analyse onderzoekt hoe circulaire financiering, vaporware-infrastructuur en roofzuchtige contracten onderliggende activawaarden kunstmatig kunnen opbouwen.","2025-11-24T19:22:28","the-synthetic-unicorn-bubble","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fsyntheticunicorn.webp","https:\u002F\u002Feliovp.com\u002Fthe-synthetic-unicorn-bubble\u002F",[658,659,763,822,823,824,825,826,827,828,829,830,831],"AI Infrastructure","AI Neocloud","Circulaire financiering","GPU Cloud","Beleggingsrisico's","Opstartwaardering","Synthetische bubbel","Technische analyse","Vaporware","Durfkapitaal",{"path":833,"title":834,"description":835,"date":836,"slug":837,"image":838,"originalUrl":839,"categories":840},"\u002Fblog\u002Fbuilding-the-engine-for-the-ai-race-the-4-month-path-to-nvidia-gb300-nvl72-power","De motor voor de AI-race bouwen: in vier maanden klaar voor NVIDIA GB300 NVL72","Bij AI-infrastructuur is snelheid een concurrentieel voordeel. Traditionele datacenterprojecten duren vaak 18 tot 24 maanden. Onze modulaire aanpak levert in vier maanden een operationele faciliteit die specifiek is ontworpen voor de NVIDIA GB300 NVL72.","2025-11-20T14:10:19","building-the-engine-for-the-ai-race-the-4-month-path-to-nvidia-gb300-nvl72-power","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fsuperpodmodflexfrontimage.webp","https:\u002F\u002Feliovp.com\u002Fbuilding-the-engine-for-the-ai-race-the-4-month-path-to-nvidia-gb300-nvl72-power\u002F",[658,752,660,841,707,842,843,844,845,846,847,848,849],"150 kW rek","DLC","Hoge dichtheid","Vloeistofkoeling","Modulair datacenter","NVIDIA Blackwell Ultra","NVIDIA GB300","NVL72","Snelle implementatie",{"path":676,"title":5,"description":670,"date":669,"slug":678,"image":672,"originalUrl":675,"categories":851},[658,659,410,660,661,659,662,663,664,665,666,667,410,668],{"path":853,"title":854,"description":855,"date":856,"slug":857,"image":858,"originalUrl":859,"categories":860},"\u002Fblog\u002Fpaiton-the-simplest-way-to-supercharge-ai-inference","Paiton: de eenvoudigste manier om AI-inferentie een boost te geven","Laten we eerlijk zijn: marketing is niet onze sterkste kant. We namen nooit extern kapitaal aan, verbrandden geen budget aan advertentiecampagnes en bouwden geen verkoopleger. We bouwen gewoon technologie die werkt. Paiton versnelt uw bestaande inferentiestack zonder migratie, nieuwe API's of modelconversie.","2025-11-11T10:31:22","paiton-the-simplest-way-to-supercharge-ai-inference","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaiton-powaaah.webp","https:\u002F\u002Feliovp.com\u002Fpaiton-the-simplest-way-to-supercharge-ai-inference\u002F",[658,659,410,692,861,661,697,862,695,667,410,863,381],"AMD Instinct","Hoge throughput","SGLang",{"path":865,"title":866,"description":867,"date":868,"slug":869,"image":870,"originalUrl":871,"categories":872},"\u002Fblog\u002Fstop-overpaying-paiton-mi300x-moe-beats-h200-b200-on-1m-tokens","Stop met te veel betalen: Paiton MI300X MoE verslaat H200\u002FB200 in kosten per 1 miljoen tokens","We benchmarkten Paiton's nieuwe MoE-ondersteuning met Qwen\u002FQwen3-30B-A3B-Instruct-2507 en vergeleken de inferentieprestaties van verschillende opstellingen. Elke configuratie draaide vijf keer per batchgrootte. We rapporteren het gemiddelde van die runs op basis van realistische conversationele workloads.","2025-09-26T13:36:18","stop-overpaying-paiton-mi300x-moe-beats-h200-b200-on-1m-tokens","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fhulkvshulkpaitonwins.webp","https:\u002F\u002Feliovp.com\u002Fstop-overpaying-paiton-mi300x-moe-beats-h200-b200-on-1m-tokens\u002F",[658,659,410,873,661,874,695,875,876,877,878,410,879],"AI-benchmarks","Kosten per token","Mixture of Experts","MoE","NVIDIA B200","NVIDIA H200","Qwen3",{"path":881,"title":882,"description":883,"date":884,"slug":885,"image":886,"originalUrl":887,"categories":888},"\u002Fblog\u002Fagentic-ai-but-make-it-local-from-inbox-to-insight-to-action-en","Agentic AI, maar dan lokaal: van inbox naar inzicht en actie","We bouwen productieklare, local-first AI-agents die aansluiten op uw bestaande e-mailomgeving. Ze maken tickets aan, classificeren berichten, lezen documenten, herkennen facturen en offertes, analyseren beelden en sturen gestructureerde rapporten naar uw systemen, zonder verplichte afhankelijkheid van externe AI-API's.","2025-09-16T13:09:00","agentic-ai-but-make-it-local-from-inbox-to-insight-to-action-en","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ffrontfotoblog.webp","https:\u002F\u002Feliovp.com\u002Fagentic-ai-but-make-it-local-from-inbox-to-insight-to-action-en\u002F",[658,659,803,660,804,889,890,891,892,809,811,737,893,894],"Schadedetectie","Documentverwerking","E-mailautomatisering","Factuurextractie","Ticketautomatisering","Workflowautomatisering",{"path":896,"title":897,"description":898,"date":899,"slug":900,"image":901,"originalUrl":902,"categories":903},"\u002Fblog\u002Fmi300x-fp8-data-parallel-benchmarks-8-64-gpus-h200-left-behind-b200-within-reach","MI300X FP8 data-parallelle benchmarks (8 tot 64 GPU's): H200 achter zich, B200 binnen bereik","We schalen Llama-3.1-8B-Instruct-FP8-KV met Paiton op een gepartitioneerde AMD MI300X-server van 8 fysieke GPU's naar 64 virtuele GPU's. De resultaten tonen sterke multi-tenant throughput, veel lagere latency en een bijna gelijkspel met NVIDIA's B200.","2025-07-31T13:32:57","mi300x-fp8-data-parallel-benchmarks-8-64-gpus-h200-left-behind-b200-within-reach","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fimage-2-1.webp","https:\u002F\u002Feliovp.com\u002Fmi300x-fp8-data%e2%80%91parallel-benchmarks-8-64-gpus-h200-left-behind-b200-within-reach\u002F",[658,659,410,660,904,36,722,905,906,733,734,410,381],"AI","H200","MI300X",{"path":908,"title":909,"description":910,"date":911,"slug":912,"image":913,"originalUrl":914,"categories":915},"\u002Fblog\u002Fapplicable-ai-for-businesses","Toepasbare AI voor bedrijven","Bij Eliovp blijven we innoveren om praktische oplossingen te bouwen. Een van onze grootste sterktes is het vermogen om buiten de gebaande paden te denken. Daarom ontwikkelen we toepasbare AI-oplossingen die dagelijks bruikbaar zijn en precies aansluiten op de behoeften van onze klanten.","2025-07-09T21:35:30","applicable-ai-for-businesses","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fscherm_afbeelding-2025-07-09-om-23.30.17.webp","https:\u002F\u002Feliovp.com\u002Fapplicable-ai-for-businesses\u002F",[658,659,803,804,889,890,891,892,809,811,737,893,894],{"path":917,"title":918,"description":919,"date":920,"slug":921,"image":15,"originalUrl":922,"categories":923},"\u002Fblog\u002Fintroducing-paitons-free-evaluation-models","Maak kennis met de gratis evaluatiemodellen van Paiton","AI verandert elke sector in hoog tempo, maar grote modellen efficiënt uitvoeren blijft een aanzienlijke technische en financiële uitdaging. ElioVP specialiseert zich in optimalisatie voor AMD-accelerators en helpt organisaties het volledige potentieel van hun hardware te benutten. Met onze gratis evaluatiemodellen kunt u de optimalisaties van Paiton vooraf op uw eigen workloads testen.","2025-07-07T11:26:13","introducing-paitons-free-evaluation-models","https:\u002F\u002Feliovp.com\u002Fintroducing-paitons-free-evaluation-models\u002F",[658,659,410],{"path":925,"title":926,"description":927,"date":928,"slug":929,"image":930,"originalUrl":931,"categories":932},"\u002Fblog\u002Fpaiton-dramatically-faster-startup-and-performance-for-llama-3-1-405b","Paiton: veel sneller opstarten en betere prestaties voor Llama-3.1-405B","Met Paiton streven we niet alleen naar maximale inferentiesnelheden. We verbeteren de volledige levenscyclus van de deployment van grote taalmodellen. Onze nieuwste test combineert AMD MI300X-GPU's met het omvangrijke Llama-3.1-405B-Instruct-FP8-KV-model en levert baanbrekende resultaten op voor zowel opstartsnelheid als runtimeprestaties.","2025-06-12T20:15:23","paiton-dramatically-faster-startup-and-performance-for-llama-3-1-405b","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fservingscreenshot.webp","https:\u002F\u002Feliovp.com\u002Fpaiton-dramatically-faster-startup-and-performance-for-llama-3-1-405b\u002F",[658,659,410,660,692,661,933,663,934,935,936,410,937,938],"Koude start","Grafiekcompilatie","Llama 3.1 405B","LLM-optimalisatie","Opstartlatentie","Tensor-parallellisme",{"path":940,"title":941,"description":942,"date":943,"slug":944,"image":945,"originalUrl":946,"categories":947},"\u002Fblog\u002Fpaiton-fp8-beats-nvidias-h200-on-amds-mi300x","Paiton FP8 verslaat NVIDIA's H200 op AMD's MI300X","AI evolueert razendsnel en efficiënte inferentie is essentieel om krachtige modellen in praktijksituaties in te zetten. Paiton levert nu sterkere FP8-inferentieprestaties op AMD MI300X-GPU's dan NVIDIA's H200, dankzij zorgvuldig geoptimaliseerde kernels.","2025-06-08T19:12:40","paiton-fp8-beats-nvidias-h200-on-amds-mi300x","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fblognewfp8.webp","https:\u002F\u002Feliovp.com\u002Fpaiton-fp8-beats-nvidias-h200-on-amds-mi300x\u002F",[658,659,410,660,661,948,808,728,693,694,696,935,949,950],"Koude startoptimalisatie","Model serving","vLLM-optimalisatie",{"path":952,"title":953,"description":954,"date":955,"slug":956,"image":957,"originalUrl":958,"categories":959},"\u002Fblog\u002Fmi300x-vs-h200-vs-rx-7900-xtx-vs-tenstorrent-n300s-with-vllm","MI300X versus H200 versus RX 7900 XTX versus Tenstorrent n300s met vLLM","Nu grote taalmodellen een fundamenteel onderdeel worden van moderne toepassingen, is de juiste server voor deployment belangrijker dan ooit. We vergelijken AMD MI300X, NVIDIA H200, AMD RX 7900 XTX en Tenstorrent n300s met vLLM op throughput en kosten.","2025-05-09T14:03:58","mi300x-vs-h200-vs-rx-7900-xtx-vs-tenstorrent-n300s-with-vllm","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcomparisontenstor.webp","https:\u002F\u002Feliovp.com\u002Fmi300x-vs-h200-vs-rx-7900-xtx-vs-tenstorrent-n300s-with-vllm\u002F",[658,659,410,803,660,36,906,734,960,961],"RX7900XTX","tenstorrent",{"path":963,"title":964,"description":965,"date":966,"slug":967,"image":968,"originalUrl":969,"categories":970},"\u002Fblog\u002Fclusterpl-empowering-gpu-cluster-investors-with-real-world-financial-insights","ClusterP&L: financiële inzichten voor investeerders in GPU-clusters","Eliovp ontwerpt, bouwt en optimaliseert al jaren GPU-clusters in heel Europa. Omdat klanten ons telkens opnieuw vroegen om een P&L-model voor hun investering, bundelden we onze praktijkkennis in ClusterP&L: een toegankelijke, voortdurend bijgewerkte tool voor financiële prognoses van GPU-infrastructuur.","2025-05-03T10:52:22","clusterpl-empowering-gpu-cluster-investors-with-real-world-financial-insights","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcomparisonscenarios.webp","https:\u002F\u002Feliovp.com\u002Fclusterpl-empowering-gpu-cluster-investors-with-real-world-financial-insights\u002F",[658,659,752,803,722,905,971,734,972],"MI325x","pnl-rekenmachine",{"path":974,"title":975,"description":976,"date":977,"slug":978,"image":979,"originalUrl":980,"categories":981},"\u002Fblog\u002Fcranking-out-faster-tokens-for-fewer-dollars-amd-mi300x-vs-nvidia-h200","Snellere tokens voor minder geld: AMD MI300X tegenover NVIDIA H200","We vergelijken Qwen3-32B op een AMD MI300X, geoptimaliseerd met Paiton, met de NVIDIA H200. De resultaten tonen hoe Paiton vergelijkbare of betere prestaties kan leveren tegen lagere hardwarekosten en met aantrekkelijke kosten per miljoen tokens.","2025-05-02T21:10:30","cranking-out-faster-tokens-for-fewer-dollars-amd-mi300x-vs-nvidia-h200","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002F3ac59a73-2466-4422-b7e5-ef2e4a8ca58e.webp","https:\u002F\u002Feliovp.com\u002Fcranking-out-faster-tokens-for-fewer-dollars-amd-mi300x-vs-nvidia-h200\u002F",[658,659,410,904,36,905,982,734,410,381],"MI300",{"path":984,"title":985,"description":986,"date":987,"slug":988,"image":989,"originalUrl":990,"categories":991},"\u002Fblog\u002Fpower-meets-precision-high-density-modular-data-center-for-nvidia-nvl-deployments-1-2-mw","Waar vermogen en precisie samenkomen: modulair high-density datacenter voor NVIDIA NVL-deployments (1 tot 2 MW)","Eliovp ontwikkelt modulaire high-density infrastructuur voor AI-workloads van Blackwell-klasse. Het platform ondersteunt NVIDIA NVL-configuraties van NVL4 tot NVL72, van gedistribueerde edge-inferentie tot modeltraining op hyperscale, met 1 tot 2 MW IT-vermogen per module.","2025-05-02T14:09:59","power-meets-precision-high-density-modular-data-center-for-nvidia-nvl-deployments-1-2-mw","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Feliovp_critical-1mw-pod_rev-2_transparent.webp","https:\u002F\u002Feliovp.com\u002Fpower-meets-precision-high-density-modular-data-center-for-nvidia-nvl-deployments-1-2-mw\u002F",[658,752,992,822,843,710,844,845,993,994,848,995],"1-2MW datacenter","NVIDIA Blackwell","NVIDIA NVL","Precisiekoeling",{"path":997,"title":998,"description":999,"date":1000,"slug":1001,"image":1002,"originalUrl":1003,"categories":1004},"\u002Fblog\u002Fexamining-ai-agents-in-the-medical-field-ai-that-speaks-dicom","AI-agents in de medische wereld: AI die DICOM spreekt","Eliovp ontwikkelde een medische AI-agent die rechtstreeks met DICOM-servers in ziekenhuizen communiceert. De assistent kan patiënten en onderzoeken opzoeken, relevante beelden ophalen en medische beeldanalyse ondersteunen binnen de lokale ziekenhuisinfrastructuur.","2025-04-11T14:45:48","examining-ai-agents-in-the-medical-field-ai-that-speaks-dicom","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fhealthcareblog-1.webp","https:\u002F\u002Feliovp.com\u002Fexamining-ai-agents-in-the-medical-field-ai-that-speaks-dicom\u002F",[658,659,803,660,904,36,1005],"Zorg",{"path":1007,"title":1008,"description":1009,"date":1010,"slug":1011,"image":1012,"originalUrl":1013,"categories":1014},"\u002Fblog\u002Feliovp-bv-your-trusted-partner-for-supply-chain-resilience-amidst-new-u-s-tariffs","Eliovp BV: uw partner voor een veerkrachtige supply chain bij nieuwe Amerikaanse invoerheffingen","Het internationale handelslandschap verandert snel. Nieuwe Amerikaanse invoerheffingen zorgen voor onzekerheid, vooral bij bedrijven die afhankelijk zijn van high-performance computing en AI-infrastructuur. Eliovp helpt klanten hun supply chain veerkrachtig, betrouwbaar en kostenefficiënt te houden.","2025-04-04T10:01:27","eliovp-bv-your-trusted-partner-for-supply-chain-resilience-amidst-new-u-s-tariffs","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ftariffsshipping.webp","https:\u002F\u002Feliovp.com\u002Feliovp-bv-your-trusted-partner-for-supply-chain-resilience-amidst-new-u-s-tariffs\u002F",[658,763,904,36,1015,1016,1017,1018],"importeren","Taiwan","Tarieven","Trump",{"path":1020,"title":1021,"description":1022,"date":1023,"slug":1024,"image":1025,"originalUrl":1026,"categories":1027},"\u002Fblog\u002Fwhy-ai-agents-are-the-future","Waarom AI-agenten de toekomst zijn","AI-agenten integreren met uw bestaande ERP-, CRM- en marketingplatforms. Ze vullen uw huidige systemen aan, nemen intelligentere beslissingen en schalen mee met uw organisatie. Zo verlaagt u kosten, beperkt u fouten en maakt u medewerkers vrij voor werk met meer toegevoegde waarde.","2025-03-23T22:06:59","why-ai-agents-are-the-future","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ferp2.jpeg","https:\u002F\u002Feliovp.com\u002Fwhy-ai-agents-are-the-future\u002F",[658,659,803,904,1028,1029],"AI-agenten","ERP",{"path":1031,"title":1032,"description":1033,"date":1034,"slug":1035,"image":1036,"originalUrl":1037,"categories":1038},"\u002Fblog\u002Fthe-rise-of-open-source-ai-model-optimization","De opkomst van open-source AI-modeloptimalisatie","In het snel evoluerende AI-landschap zijn opensourceoplossingen belangrijke aanjagers van innovatie en betere prestaties. Deze door de gemeenschap gedragen platforms maken geavanceerde technologie breder toegankelijk, stimuleren samenwerking en versnellen de optimalisatie van AI-modellen.","2025-03-22T20:59:23","the-rise-of-open-source-ai-model-optimization","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Friseofopensource.jpeg","https:\u002F\u002Feliovp.com\u002Fthe-rise-of-open-source-ai-model-optimization\u002F",[658,659,763,1039,36,729,734],"AI-nieuws",{"path":1041,"title":1042,"description":1043,"date":1044,"slug":1045,"image":1046,"originalUrl":1047,"categories":1048},"\u002Fblog\u002Fintroducing-our-benchmarking-tool-powered-by-dstack","Maak kennis met onze benchmarktool, gebouwd op dstack","Betrouwbare benchmarks zijn essentieel om AI-modellen en software te optimaliseren. Onze nieuwe tool integreert met dstack en maakt geautomatiseerde, reproduceerbare en schaalbare benchmarkworkflows mogelijk, zowel op lokale GPU's als in de cloud.","2025-03-20T14:21:59","introducing-our-benchmarking-tool-powered-by-dstack","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fbenchmarktool.jpeg","https:\u002F\u002Feliovp.com\u002Fintroducing-our-benchmarking-tool-powered-by-dstack\u002F",[658,659,410,904,36,1049,1050,906,410],"benchmark","LLM",{"path":1052,"title":1053,"description":1054,"date":1055,"slug":1056,"image":1057,"originalUrl":1058,"categories":1059},"\u002Fblog\u002Foptimizing-qwq-32b-by-qwen-amd-mi300x-vs-nvidia-h200","QwQ-32B optimaliseren (door Qwen): AMD MI300X versus NVIDIA H200","De meeste LLM-benchmarks richten zich op afgeleiden van Llama of DeepSeek. Met QwQ-32B verbreden we die vergelijking en testen we hoe Paiton de AMD MI300X optimaliseert tegenover NVIDIA's H200, van throughput en concurrency tot TTFT en end-to-end-latency.","2025-03-19T21:41:44","optimizing-qwq-32b-by-qwen-amd-mi300x-vs-nvidia-h200","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaiton4.jpeg","https:\u002F\u002Feliovp.com\u002Foptimizing-qwq-32b-by-qwen-amd-mi300x-vs-nvidia-h200\u002F",[658,659,410],{"path":1061,"title":1062,"description":1063,"date":1064,"slug":1065,"image":1066,"originalUrl":1067,"categories":1068},"\u002Fblog\u002Feliovp-featured-on-amd-tech-talk-podcast","Eliovp te gast in de AMD Tech Talk-podcast","Eliovp was onlangs te gast in de AMD Tech Talk-podcast. Onze CEO Elio Van Puyvelde sprak met Jim Greene over het ontstaan van Eliovp, de passie en expertise achter het bedrijf en de geïntegreerde oplossingen die we vandaag aanbieden.","2025-03-19T07:53:39","eliovp-featured-on-amd-tech-talk-podcast","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ftechtalkjimgreene.jpeg","https:\u002F\u002Feliovp.com\u002Feliovp-featured-on-amd-tech-talk-podcast\u002F",[658,36,1069,1070,1071],"Jim Greene","Podcast","Tech Talk",{"path":1073,"title":1074,"description":1075,"date":1076,"slug":1077,"image":1078,"originalUrl":1079,"categories":1080},"\u002Fblog\u002Ffurther-optimizing-amd-powered-inference-with-paiton","AMD-inferentie verder optimaliseren met Paiton","Paiton richt zich volledig op inferentieoptimalisatie voor AMD. Ons recentste werk levert voor DeepSeek R1 Distill Llama 8B een 10 tot 15% hogere throughput, een betere time-to-first-token en stabielere prestaties bij kleinere batchgroottes.","2025-03-13T06:18:30","further-optimizing-amd-powered-inference-with-paiton","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaitonpost3.webp","https:\u002F\u002Feliovp.com\u002Ffurther-optimizing-amd-powered-inference-with-paiton\u002F",[658,659,410,36,1081,1082,905,906,971,410,381],"Deepseek","H100",{"path":1084,"title":1085,"description":1086,"date":1087,"slug":1088,"image":1089,"originalUrl":1090,"categories":1091},"\u002Fblog\u002Fa-first-look-at-paiton-in-action-deepseek-r1-distill-llama-3-1-8b","Een eerste blik op Paiton in actie: Deepseek R1 Distill Llama 3.1 8B","Een eerste blik op hoe Paiton Deepseek R1 Distill Llama 3.1 8B optimaliseert voor de AMD MI300X. We vergelijken een met Paiton geoptimaliseerd model met de standaardversie en meten throughput, latency en end-to-end prestaties bij uiteenlopende batchgroottes.","2025-01-31T09:11:02","a-first-look-at-paiton-in-action-deepseek-r1-distill-llama-3-1-8b","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaitonpost2.webp","https:\u002F\u002Feliovp.com\u002Fa-first-look-at-paiton-in-action-deepseek-r1-distill-llama-3-1-8b\u002F",[658,659,410,36,1081,1082,905,906,971,410,381],{"path":1093,"title":1094,"description":1095,"date":1096,"slug":1097,"image":1098,"originalUrl":1099,"categories":1100},"\u002Fblog\u002Fai-model-optimization-with-paiton","AI-modeloptimalisatie met Paiton","In de snel evoluerende wereld van artificiële intelligentie zijn efficiënte modellen en sterke prestaties cruciaal. Met Paiton biedt ElioVP doorgedreven optimalisatie voor AI-modellen. Door de modelarchitectuur te compileren en onze eigen kernels te gebruiken, maakt Paiton snellere inferentie en een lager resourcegebruik op AMD GPU's mogelijk.","2025-01-30T19:53:25","ai-model-optimization-with-paiton","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaitonpost1.webp","https:\u002F\u002Feliovp.com\u002Fai-model-optimization-with-paiton\u002F",[658,659,410,36,1082,905,906,971,410,381],1788530430268]