為什麼重要
AI 算力一直由 NVIDIA 主導,這意味著價格高、供應緊。AMD 是最可信的第二供應來源。包括 Microsoft、Meta、Oracle 和 OpenAI 在內的大買家都部署了 AMD 晶片,2025 年 10 月,OpenAI 簽下協議,從 2026 年起以數 GW 的規模部署 AMD GPU。這裡有了真正的競爭,會影響到每個人使用 AI 的價格和可得性。
AMD 對本地 AI 也很重要。它的 Radeon GPU 透過 ROCm 和 Vulkan 執行本地模型,它的 Ryzen AI Max 筆記型電腦和迷你主機晶片讓 CPU 和 GPU 共享最多 128 GB 記憶體,類似 Apple 的統一記憶體,因此成了在 PC 上執行大模型的熱門方式。
深度解析
AMD 是一家美國晶片公司,最為人熟知的是 Ryzen 和 EPYC 處理器以及 Radeon 顯示卡。在 CEO 蘇姿丰(Lisa Su)的帶領下,它憑藉 Instinct 系列加速器成為 NVIDIA 在資料中心 AI 領域的主要挑戰者。它的旗艦 AI 晶片尤其以記憶體大著稱:MI300X(2023 年)有 192 GB 的 HBM,後續型號提高到 256 GB,再到 288 GB,與 NVIDIA 的 Blackwell Ultra 持平。
AMD 的 AI 軟體堆疊是 ROCm,這是它對 NVIDIA CUDA 的開源回應。
記憶體優勢
LLM 推論常常受限於記憶體容量和頻寬,而不是原始算力。每顆晶片的 HBM 更多,意味著大模型可以放在更少的 GPU 上,單個節點也能為長上下文容納更大的 KV 快取。所以 AMD 特別主打推論場景,在那裡,它的大容量記憶體可以直接轉化為更低的每 token 成本。
軟體差距
AMD 最大的挑戰一直是軟體,而不是硬體。CUDA 領先了將近 20 年,許多工具、自訂核心和教學都預設使用 NVIDIA。ROCm 已經有了長足進步:PyTorch、vLLM、SGLang 和各大主要函式庫都支援它,AMD 還提供 HIP,這個程式設計介面的設計目標是讓移植 CUDA 程式碼基本上成為機械性的工作。但新的研究技術往往先出現在 NVIDIA 上,設定 ROCm 也仍然可能沒那麼順暢。縮小這一差距一直是 AMD 的頭等大事。
打造完整系統
訓練和提供前沿模型需要用高速網路連接起來的整機櫃 GPU,而不只是單顆晶片。AMD 在 2022 年收購了 Xilinx(可程式化晶片和網路),在 2025 年收購了 ZT Systems(資料中心機櫃設計),以便在這個層面競爭,圍繞 MI400 系列晶片打造的機櫃級系統從 2026 年底開始出貨。
產品線一覽
- Instinct(MI300X、MI325X、MI350 系列及後續):資料中心 AI 加速器。
- EPYC:伺服器 CPU,在 AI 叢集裡常與 GPU 搭配。
- Radeon:消費級和工作站 GPU,可用於本地 AI。
- Ryzen AI:內建 NPU 的筆記型電腦和桌上型電腦晶片,用於裝置端 AI。