华人“AI王冠争夺赛”：AMD推出超级芯片MI300，挑战英伟达

来源：澎湃新闻

记者 邵文

·AMD推出外界期待已久的数据中心APU（加速处理器）Instinct MI300，其旨在帮助数据中心处理人工智能相关数据流量，并在这一快速增长的市场上挑战英伟达的垄断地位。

·但在当地时间6月13日收盘后，AMD股价下跌了3.61%（每股124.53美元）。同一天，英伟达的股价上涨3.9%，收盘时的市值再次超过1万亿美元。

图片来源：由无界 AI工具生成

当英伟达在这一波AI热潮中尝到甜头，市值破万亿美元之后，其老对手AMD也在加紧满足日益增长的AI计算需求。不过，投资者对其最新发布的产品似乎表现冷淡。

北京时间6月14日凌晨，AMD带来了外界期待已久的数据中心APU（加速处理器）Instinct MI300的更多细节和更新，其旨在帮助数据中心处理人工智能相关数据流量，并在这一快速增长的市场上挑战英伟达的垄断地位，最早于去年6月披露。

AMD首席执行官苏姿丰（Lisa Su）在美国旧金山举办的演示中表示，Instinct MI300系列将包括一个GPU（图形处理器）MI300X，可以加速ChatGPT等聊天机器人所使用的生成式AI技术的处理。

“我们仍处于人工智能生命周期的非常早期的阶段。”苏姿丰表示，到2027年，数据中心人工智能加速器的总潜在市场价值将增长五倍，达到1500亿美元以上。

尽管如此，此次演示似乎未能让投资者眼花缭乱。他们已经对人工智能的增长抱有很高的期望，今年以来AMD的股票价格已累计上涨了91.8%。此前，随着发布会临近，美国机构的分析师纷纷对AMD表示看好。研究机构Piper Sandler的分析师哈什·库马尔（Harsh Kumar）将AMD目标股价从110美元修正至150美元。但在当地时间6月13日收盘后，AMD股价下跌了3.61%（每股124.53美元）。而在同一天，英伟达的股价上涨3.9%，收盘时的市值再次超过1万亿美元。

AI“超级芯片”与“AMD版”CUDA

来自亚马逊云科技（AWS）和Meta的高管加入了苏姿丰的舞台，谈论在其数据中心使用新的AMD处理器。AMD还宣布了其最新版本EPYC（霄龙）服务器处理器的全面上市——一款名为Bergamo的新变种。

Bergamo将是业界首款x86云原生CPU（中央处理器），可以容纳最多128个Zen4c核心（Zen芯片架构由AMD于2017年首次推出，支撑着AMD的所有处理器），L3缓存容量达到256MB；工艺方面，则采用台积电的5nm技术。Bergamo针对计算密集应用进行优化，适用Ampere、亚马逊、谷歌和微软等新兴基于Arm架构的数据中心级SoC（系统级芯片）。

AMD表示，其新的MI300X芯片及其CDNA架构专为大型语言模型和其他尖端AI模型设计。“我喜欢这个芯片。”苏姿丰说，“其核心是GPU，GPU正在支持生成式AI。”

“模型变得越来越大，实际上你需要多个GPU来运行最新的大型语言模型。”苏姿丰指出，随着AMD芯片内存的增加，开发人员就不需要那么多的GPU了。苏姿丰以Hugging Face AI模型进行了演示，这个大语言模型在现场写了一首关于旧金山的诗。单个MI300X可以运行一个800亿参数的模型，这是首次在单个GPU上运行这么大的模型。

AMD还表示，将提供Infinity架构，将8个MI300X加速器组合在一个系统中。英伟达和谷歌已经开发出类似系统，将8个或更多GPU组合起来用于AI应用。

另一款新公布的产品为“GPU+CPU”架构（APU）的MI300A，现已开始提供样品。MI300X和Instinct Platform则将在今年第三季提供样品，第四季度正式推出。

AMD Instinct MI300加速处理器的参数其实早在2023年年初就被曝光。MI300是市场上首款“CPU+GPU+内存”的一体化产品，晶体管数量高达1460亿个，多于英伟达H100的800亿个，也是AMD目前生产的最大规模芯片。

据华泰证券测算，MI300的性能逼近英伟达的Grace Hopper芯片。虽然AMD暂时未公布MI300与Grace Hopper在算力上的对比，但相较上一代的MI250X，MI300在AI上的算力（TFLOPS）预计能提升8倍，能耗性能（TFLOPS/watt）将优化5倍。如果用这款处理器进行ChatGPT、DALL-E等超大型人工智能模型的训练，可以使训练时间从以往的几个月缩短至几周，从而节约数百万美元的电能。

苏姿丰在上个月的业绩电话会议上告诉投资者，MI300将在第四季度开始产生销售收入。

除此之外，AMD在发布会上表示，它也拥有自己的AI芯片软件（类似英伟达的CUDA），称为ROCm。AI开发人员历来更喜欢英伟达芯片的一个原因就在于CUDA，其大大降低了GPU的使用门槛，本来需要很专业的OpenGL的图形编程语言，有了CUDA以后，程序员常用的Java或者C++就可以调用GPU。由此，才有了GPU被用于深度学习。

“AI大神”吴恩达评价称，CUDA出现之前，全球能用GPU编程的可能不超过100人，有了CUDA之后使用GPU就变成了一件非常轻松的事情。