跳到主要内容
Zubnet AI › 学习 › Wiki › AMD
公司

AMD

别名:Advanced Micro Devices、超威半导体、AMD Instinct、ROCm
Instinct GPU 和 ROCm 软件背后的芯片厂商,也是 NVIDIA 在 AI 加速器领域的主要竞争对手。

为什么重要

AI 算力一直由 NVIDIA 主导,这意味着价格高、供应紧。AMD 是最可信的第二供应来源。包括 Microsoft、Meta、Oracle 和 OpenAI 在内的大买家都部署了 AMD 芯片,2025 年 10 月,OpenAI 签下协议,从 2026 年起以数吉瓦的规模部署 AMD GPU。这里有了真正的竞争,会影响到每个人使用 AI 的价格和可得性。

AMD 对本地 AI 也很重要。它的 Radeon GPU 通过 ROCm 和 Vulkan 运行本地模型,它的 Ryzen AI Max 笔记本和迷你主机芯片让 CPU 和 GPU 共享最多 128 GB 内存,类似 Apple 的统一内存,因此成了在 PC 上运行大模型的热门方式。

深度解析

AMD 是一家美国芯片公司,最为人熟知的是 Ryzen 和 EPYC 处理器以及 Radeon 显卡。在 CEO 苏姿丰(Lisa Su)的带领下,它凭借 Instinct 系列加速器成为 NVIDIA 在数据中心 AI 领域的主要挑战者。它的旗舰 AI 芯片尤其以内存大著称:MI300X(2023 年)有 192 GB 的 HBM,后续型号提高到 256 GB,再到 288 GB,与 NVIDIA 的 Blackwell Ultra 持平。

AMD 的 AI 软件栈是 ROCm,这是它对 NVIDIA CUDA 的开源回应。

内存优势

LLM 推理常常受限于内存容量和带宽,而不是原始算力。每颗芯片的 HBM 更多,意味着大模型可以放在更少的 GPU 上,单个节点也能为长上下文容纳更大的 KV 缓存。所以 AMD 特别主打推理场景,在那里,它的大容量内存可以直接转化为更低的每 token 成本。

软件差距

AMD 最大的挑战一直是软件,而不是硬件。CUDA 领先了将近 20 年,许多工具、自定义内核和教程都默认使用 NVIDIA。ROCm 已经有了长足进步:PyTorch、vLLM、SGLang 和各大主要库都支持它,AMD 还提供 HIP,这个编程接口的设计目标是让移植 CUDA 代码基本上成为机械性的工作。但新的研究技术往往先出现在 NVIDIA 上,配置 ROCm 也仍然可能没那么顺畅。缩小这一差距一直是 AMD 的头等大事。

打造完整系统

训练和提供前沿模型需要用高速网络连接起来的整机柜 GPU,而不只是单颗芯片。AMD 在 2022 年收购了 Xilinx(可编程芯片和网络),在 2025 年收购了 ZT Systems(数据中心机柜设计),以便在这个层面竞争,围绕 MI400 系列芯片打造的机柜级系统从 2026 年底开始出货。

产品线一览

  • Instinct(MI300X、MI325X、MI350 系列及后续):数据中心 AI 加速器。
  • EPYC:服务器 CPU,在 AI 集群里常与 GPU 搭配。
  • Radeon:消费级和工作站 GPU,可用于本地 AI。
  • Ryzen AI:内置 NPU 的笔记本和台式机芯片,用于端侧 AI。
← 所有术语
ESC