Aller au contenu principal
Zubnet AI › Apprendre › Wiki › AMD
Compagnies

AMD

Aussi appelé : Advanced Micro Devices, AMD Instinct, ROCm
Le fabricant de puces derrière les GPU Instinct et le logiciel ROCm, et le principal concurrent de NVIDIA dans les accélérateurs d'IA.

Pourquoi c'est important

Le calcul pour l'IA est dominé par NVIDIA, ce qui veut dire des prix élevés et une offre tendue. AMD est la seconde source la plus crédible. De grands acheteurs, dont Microsoft, Meta, Oracle et OpenAI, ont déployé des puces AMD, et en octobre 2025 OpenAI a signé un accord pour déployer des GPU AMD à l'échelle de plusieurs gigawatts à partir de 2026. Une vraie concurrence sur ce terrain joue sur le prix et la disponibilité de l'IA pour tout le monde.

AMD compte aussi pour l'IA locale. Ses GPU Radeon font tourner des modèles en local via ROCm et Vulkan, et ses puces Ryzen AI Max pour portables et mini-PC partagent jusqu'à 128 Go de mémoire entre CPU et GPU, à la manière de la mémoire unifiée d'Apple, ce qui en fait un moyen apprécié de faire tourner de grands modèles sur un PC.

En profondeur

AMD est une entreprise américaine de semi-conducteurs, surtout connue pour ses processeurs Ryzen et EPYC et ses cartes graphiques Radeon. Sous la direction de sa PDG Lisa Su, elle est devenue le principal challenger de NVIDIA dans l'IA pour centres de données avec sa gamme d'accélérateurs Instinct. Ses puces d'IA phares se distinguent surtout par leur grande quantité de mémoire : la MI300X (2023) embarquait 192 Go de HBM, et les modèles suivants sont passés à 256 Go puis à 288 Go, autant que le Blackwell Ultra de NVIDIA.

La pile logicielle d'AMD pour l'IA est ROCm, sa réponse open source à CUDA de NVIDIA.

L'avantage mémoire

L'inférence des LLM est souvent limitée par la capacité et la bande passante de la mémoire, pas par le calcul brut. Plus de HBM par puce, c'est un grand modèle qui tient sur moins de GPU, et un seul nœud qui peut héberger de plus gros caches KV pour les longs contextes. C'est pourquoi AMD a positionné ses puces en particulier sur l'inférence, où sa grande capacité mémoire peut se traduire directement par un coût par token plus bas.

L'écart logiciel

Le plus grand défi d'AMD a été le logiciel, pas le matériel. CUDA a près de 20 ans d'avance, et beaucoup d'outils, de noyaux sur mesure et de tutoriels supposent du NVIDIA. ROCm a nettement progressé : PyTorch, vLLM, SGLang et les grandes bibliothèques le prennent en charge, et AMD propose HIP, une interface de programmation conçue pour rendre le portage de code CUDA essentiellement mécanique. Mais les nouvelles techniques de recherche apparaissent souvent d'abord sur NVIDIA, et l'installation de ROCm peut encore être moins fluide. Combler cet écart est la priorité numéro un d'AMD.

Construire des systèmes complets

Entraîner et servir des modèles de pointe demande des baies entières de GPU reliées par un réseau rapide, pas seulement des puces isolées. AMD a racheté Xilinx (puces programmables et réseau) en 2022 et ZT Systems (conception de baies pour centres de données) en 2025 pour concourir à ce niveau, avec des systèmes à l'échelle de la baie construits autour de ses puces de la série MI400, livrés à partir de fin 2026.

Les gammes en un coup d'œil

  • Instinct (MI300X, MI325X, série MI350 et suivantes) : accélérateurs d'IA pour centres de données.
  • EPYC : processeurs pour serveurs, courants dans les grappes d'IA aux côtés des GPU.
  • Radeon : GPU grand public et pour stations de travail, utilisables pour l'IA locale.
  • Ryzen AI : puces pour portables et ordinateurs de bureau avec NPU intégré pour l'IA sur l'appareil.
← Tous les termes
ESC