当地时间6月13日，CPU和GPU领域的“千年老二”AMD举行了新品发布会，推出最新强悍GPU，叫板GPU老大英伟达。
沉寂已久的服务器领域近乎开了场春晚，之所以这么引人关注，还是因为今年大火的ChatGPT将人工智能再度推上风口浪尖，英伟达GPU变成AI玩家们争夺算力的抢手金砖，A100价格从去年12月一路上涨，5个月价格累计涨幅达到37.5%，同期其阉割版的A800价格累计涨幅达20.0%。
最大赢家英伟达前不久股价破万亿美元，而在这场发布会的前几天，AMD股价涨近10%，给AMD追赶英伟达多了几分气氛的烘托。
作为人工智能领域的王者，英伟达站在巅峰多时。这次AMD专为生成式AI 打造的GPU会对原有市场造成影响吗？AI大火的时候，为什么很少见到AMD的身影？
01
1530亿晶体管！
MI300对标H100
此次发布会上，AMD带来了Instinct MI300系列的产品更多细节和更新、第四代的Epyc产品的更新，以及预告了之后将推出全新DPU芯片。不过，最瞩目的还是当属用于训练大模型的最先进GPU Instinct MI300。
近期，AI热度不减，英伟达凭借最新的超算以及以H100为首的高性能GPU，成功夺下AI王冠。排名第二的AMD的CEO苏姿丰此前就曾放话表示，要从英伟达手中夺下AI王冠，此次所推出的MI300正是AMD抢夺AI市场的首轮攻势。
MI300系列是AMD为AI和高性能计算（HPC）打造的一系列最新APU加速卡，此次发布了该系列两款新芯片，MI300A是全球首款面向AI和HPC的APU，在设计上同时集成了CPU和GPU；MI300X是纯GPU版本，采用了8 个 GPU chiplet（基于CDNA 3架构）和另外 4 个 IO 内存chiplet的设计。简单来说，MI300A是“基础款”，MI300X则是硬件性能更高的“大模型优化款”。
MI300X是一款专门面向生成式AI推出的加速器，对标英伟达H100。这款加速器全部采用GPU，集成的晶体管数量达到了惊人的1530亿！并且，为了缓解AI大型语言模型 (LLM) 所面临的内存制约，AMD为这款芯片集成了192GB的HBM3，其存储带宽也高达5.2TB/s，可以处理的参数高达400亿。
和H100相比，MI300X的高带宽内存（HBM）密度，最高可达英伟达H100的2.4倍，高带宽内存带宽最高可达H100的1.6倍。也就是说，MI300X能运行比H100更大的AI模型。
苏姿丰现场展示了MI300X运行包括GPT-3、PaLM2等大模型的优势，并在单个MI300X GPU上运行拥有400亿个参数的Falcon-40B大型语言模型，让它写了一首关于旧金山的诗。这是全球首次在单个GPU上运行这么大的模型。大模型所需要的GPU越少，开发者的成本也越小。
另一款MI300A，号称全球首款针对AI和高性能计算（HPC）的加速处理器（APU）加速器，在13个小芯片中遍布1460亿个晶体管。它采用CDNA 3 GPU架构和24个Zen 4 CPU内核，配置128GB的HBM3内存。相比前代MI250，MI300的性能提高八倍，效率提高五倍。外媒seminalysis表示，“这是迄今为止市场上最好的HPC芯片，并将保持一段时间。”
AMD还发布了AMD Instinct 平台，它拥有八个MI300X，采用行业标准OCP设计，提供总计1.5TB的HBM3内存。
苏姿丰表示，MI300A已经出样，MI300X和八个GPU的Instinct 平台将在今年第三季度出样，第四季度正式推出。
02
大火的AI模型
怎么不见AMD？
虽然AMD看起来并不像是慢半拍的样子，这几年动作也频频。去年推出了专为数据中心设计的MI200系列GPU，还拿下了Meta数据中心的订单。但今年ChatGPT大火后，被人热议的始终只有英伟达，连带着与英伟达GPU相关的服务器都在涨价，而英伟达也紧急向台积电追加订单，似乎它们也并未料到，这一波热度是如此来势汹汹。
所以AMD的存在感呢？
如果只从硬件方面看，AMD并没有比英伟达差多少，各种纸面参数对比，AMD也没有落下风。但从人工智能应用上看，或者说现在流行的大模型，硬件就只是基础。
我们常说人工智能的三要素：算力、算法、数据，芯片是算力的来源，算力的强与弱决定了你要耗费多少时间，或者你要耗费多少叠加算力的成本来完成训练模型，但很多时候软件层面的优化，会使效果事半功倍。
这就好比你玩游戏一样，硬件再好，优化很差，照样卡成PPT。
所以为了方便开发人员编程，英伟达和AMD都有自己的加速平台（CUDA和ROCm），而以此打造的生态，是它们之间差异的所在，也是这场大模型初期的博弈中，英伟达占据上风的关键。
CUDA是英伟达的一种通用并行计算平台和编程模型，它通过利用GPU的处理能力，可大幅提升计算性能。CUDA使英伟达的GPU能够执行使用C、C++、Fortran、OpenCL、DirectCompute和其他语言编写的程序。
在CUDA问世之前，对GPU编程必须要编写大量的底层语言代码，而CUDA可以让普通程序员可以利用C语言、C++等为CUDA架构编写程序在GPU平台上进行大规模并行计算，在全球GPGPU开发市场占比已超过80%。GPGPU与CUDA组成的软硬件底座，构成了英伟达引领AI计算及数据中心领域的根基。
AMD的ROCm是基于开源项目编写，其生态采取HIP编程模型，但HIP与 CUDA的编程语法极为相似，开发者可以模仿CUDA的编程方式为AMD的GPU产品编程，从而在源代码层面上兼容CUDA。所以从本质上来看，ROCm 生态只是借用了CUDA的技术，无法真正替代CUDA产生壁垒。
与ROCm的开源基础不同，CUDA的诞生就只是为了英伟达自家GPU服务，甚至它走在H100、A100等明星产品前，早在2007年英伟达就推出了CUDA，发展至今已经相当成熟，深受开发者的喜爱，目前主流的深度学习框架都使用CUDA，也就是说现在的AI大模型几乎都无法避开CUDA，所以训练大模型自然而然首先想到的是英伟达，而英伟达也基于此打了一套自家产品的组合拳，属于软件带领硬件发家致富。
但AMD没有机会了吗？并不是。
基于CDNA架构的AMD GPU是可以跑GPT大模型的，在这次发布会上，苏姿丰也展示了MI300系列跑GPT等大模型的效果，纸面参数也要高于H100。更重要的是，AMD在会上宣布了与Hugging Face建立合作关系。
Hugging Face是人工智能独角兽企业，在机器学习领域的开发者肯定不陌生。自从一家NLP公司转型成为一家即用型机器学习模型平台后，Hugging Face已经托管了10万个预训练模型和1万个数据集，有超1万家企业正在使用该平台构建机器学习技术。
AMD与它的合作无疑是在补齐生态上的短板，这也是AMD最难跨越英伟达的一道坎，毕竟英伟达已经苦心经营很久，AMD明显算是后来者，苦于没有应用案例，未来或许会有专门针对ROCm的大模型出现，只能说AMD终于在机器学习领域亮了剑。
03
GPU紧缺会缓解吗？
会冲击英伟达的市场？
从长远来看，AMD会有一席之地，一方面整个通用GPU市场，除了英伟达就是AMD了，而机器学习只是个开始，未来人工智能和服务器及超算市场足够庞大，AMD有能力去争夺。另一方面，整个GPU及服务器市场已经出现供不应求的场面了，而下游应用企业不会坐以待毙，站在风口上，谁速度快，谁才有市场。
5月英伟达GPU的交期再次拉长，基本需要三个月或更长，部分新订单“可能要到12月才能交付”，就连特供中国的A800（A100阉割版）都在市场上被炒到10万一块，国内字节跳动等互联网大厂纷纷找英伟达下大单，争夺AI入场券。
在英伟达供应紧缺的情况下，自然会有人想用其他方式来实现，这不，微软已经找上AMD来合作开发人工智能芯片，目的就是为了寻找另一条路径，纵观整个通用GPU市场，大概只有AMD还有这样的潜力。
但短期来看，AMD不太会缓解现在GPU供应紧张的状态。
首先，MI300系列正式推出要等到下半年，甚至到第四季度，各种基准测试的结果都还没披露，实际性能到底如何还不知道。
其次，AMD使用的也是台积电的CoWoS先进封装。目前台积电的产能已经告急，英伟达和AMD合计占据了7-8成的产能，台积电预计到2024年底扩产到每月20000片产能，但光英伟达就要消耗预计一半的产能，AMD也在尝试为明年预订额外的产能，所以同样都面临着产能问题。
最后，训练一个大模型要耗费大量的时间和成本，业内分析，MI300的封装技术相当复杂，成本不见得比英伟达有优势，况且现在台积电产能紧缺，AMD供货能力有多少也并不清楚。要推出一个基于AMD架构的模型，并以此打开新的市场，需要一定的时间，还得有人愿意为ROCm生态贡献自己一份力。
发布会上，AMD并没有透露谁计划使用这些芯片，发布会结束后，AMD的股价不涨反跌，也反映了市场对AMD的情绪。
04
总结
目前英伟达拥有超过80%的市场份额，占据人工智能芯片市场的主导地位。国外主流媒体与分析师似乎不太看好AMD这次与英伟达的较量，他们认为，AMD不透露售价，也不透露客户，或许会让华尔街失望，虽然对于微软、亚马逊等急着用芯片的企业，AMD是不二的选择，但这并不意味着能抢走英伟达多少市场份额，
苏姿丰可能会回想起加入AMD后受到顾问质疑的时刻，就像此刻她面对整个华尔街质疑的时候一样。后来苏姿丰带领AMD走出低谷，从濒死到涅槃，她创造了一个神话。
在近期的福布斯采访中，苏姿丰说道：“如果你展望未来五年，你会看到AMD的每款产品都有AI的影子，它将成为最大的增长驱动因素。”
重生过后的AMD要翻越另一座大山，苏姿丰能再一次创造神话吗？
精彩评论