AMD 推出新款 GPU 加速器，与英伟达竞争并追赶 CUDA

随着时间推移，AMD的 GPU加速器也变得越来越具有竞争力。随着此番推出的 和，AMD已经能够在GPU层面与英伟达的“”H200和“”B100相抗衡。

但AMD自己也很清楚，在消费者采购的互连与系统软件、AI框架以及GPU加速器当中，英伟达在诸多层面仍然掌握着决定性优势。可话又说回来，既然很多企业压根就买不到英伟达的GPU，那么转而选择AMD的GPU产品总要比在生成式AI执法当中袖手旁观要好得多。此外，AMD也正在利用其ROCm技术栈追赶CUDA，并希望能与其合作伙伴共同开发出一套统一的内存互连，用以与英伟达专有的和架构展开竞争，从而构建起机架规模甚至是行规模系统。

而在此番于旧金山召开的 AI大会上，关于以及更多细节的揭晓以及对未来MI400的暗示，也成为业界广泛关注和讨论的话题。每个人都期待AMD能够拿出混合精度更广、HBM内存容量和带宽更大的GPU加速器产品。

下面我们就从开始，看看其速度与数据馈送指标与今年6月在中国台湾展会上展示的情况相比有何变化。

通过上图所示的速率表可以看到，复合体拥有1530亿个晶体管，这样的晶体管封装规模可谓相当庞大。FP16半精度下1307.4万亿次的浮点数学性能和FP8四分之一精度下2614.9千万亿次的浮点数学性能与四个月前的宣传完全一致。但是，的内存容量略低于预期。最初，AMD表示预计这八个HBM3E内存栈的总容量为288 GB，但出于某些原因（可能是受到12层3 GB内存栈的产能限制），其实际容量只有256 GB。内存带宽倒是与6月的公布结果一致，即8个HBM3E技术栈共提供6 TB/秒传输整训工。

具有与现有“” GPU相同的性能。更具体地讲，MI325属于同样的计算复合体，沿用台积电公司相同的4纳米制程工艺制造而成，只是功率从750瓦提升到了1000瓦，因此能够带动更大的HBM内存容量和更高的传输带宽。

拥有192 GB大小且速度略慢的HBM3内存，其封装内的总传输带宽为5.3 TB/秒。据我们了解，两款产品在GPU块和HBM3/HBM3E内存之间的256 MB Cache缓存也是完全相同的。

可以接入与相同的插槽和同样的Open 通用基板服务器平台，因此无需创建新的服务器设计来容纳这些新款GPU加速器。当然，用户必须拥有充足的热容量对其进行冷却。

下面来看使用的八路GPU节点的馈送与速度指标：

每个MI300系列GPU都拥有7条128 GB/秒的 链路，这使其能够在节点之内以全对全的形式共享内存配置连接。

AMD公司CEO苏姿丰在会上表示，将在本季度末开始出货，并将在明年第一季度登陆合作伙伴产品。而就在同一时间点，英伟达应该也将腾出手来交付更多 B100 GPU产能。

但目前来看，AMD仍满足于将与大内存版 H200 GPU进行比较，后者在其六个堆栈中配备有141 GB的HBM3E内存和4.8 TB/秒的传输带宽。相比之下，AMD在GPU内存容量方面具有1.8倍的优势，意味着加载特定模型参数所需要的GPU数量只相当于英伟达的1/1.8，而传输带宽方面则具有1.25倍的优势，因此能够缩短将参数信息提交给GPU所需要的时间。（其实测试内存容量及带宽对于AI训练性能的影响非常有趣，我们将在后续文章中尝试探究其中的真相。）

以下是苏姿丰在大会上展示的基准测试结果，对比双方分别为与英伟达H200：

在这三项推理测试中，性能似乎主要由和H200之间的带宽差异决定，而且具体结果还存在一些波动。上图左侧所示的基准测试衡量的是推理吞吐量，因此其中内存容量似乎有着更为重要的影响；而中间和右侧Llama 3.1测试衡量的则是推理延迟，这似乎主要由HBM传输带宽决定。

在八路GPU平台之上，以上优势也都将被等比例放大：

下图所示为Llama 3.1基准测试中的部分性能规格，其中分别选取70B和405B两种参数规模来证明1.4倍的性能优势结论：

我们一直希望能看到关于AI训练的基准结果，而AMD此番也终于带给我们两个数据点，这里使用的是Meta 的旧版Llama 2模型：

在我们看来，最有趣的就是在使用单个设备时，的性能要比H200高出10%；但在转向八路GPU节点时，这种优势则会消失。我们猜测跟英伟达HGX设备中使用的互连相比， 的速度还不够快，因此抵消了性能优势。但在性能相当的情况下，可能和H200 HGX复合体当中使用的那些“粗大”的900 GB/秒通道也并没有我们想象中那么效果拔群。至少在Llama 2推理场景下看是如此。

可是AMD老兄，Llama 3.1训练数据在哪里？这才是当下大家最关心的。

接下来，让我们转向 MI350系列GPU。作为AMD旗下新的产品家族，此番打头阵的正是。

MI350系列将采用CDNA 4架构，据推测是从预计于2026年推出的再下一代MI400系列数据中心GPU中借鉴而来。MI350系列将采用台积电的3纳米制程工艺，而且大概率会在插槽中安装八块芯片（因为除非在反面也部署小芯片组，否则整张卡也太高太薄了）。

正如今年6月所透露，MI350系列将是AMD首款支持FP4和FP6浮点数据格式的GPU。它们将拥有完整的288 GB HBM3E内存，采用12层的3 GB堆栈。按照8个堆栈计算，那么其将为HBM3E内存提供8 TB/秒的传输带宽。

无论CDNA 4架构如何，插槽都将提供1.8倍于的性能表现，即在FP16精度下为2.3千万亿次，在FP8精度下为4.6千万亿次，在FP6或FP4精度下则为9.2千万亿次。（这还不算稀疏矩阵支持，如果大家的负载不涉及对密集矩阵的数学运算，那么吞吐量还可以再提高一倍。）

这就引出了另一个问题：相较于，是否会内存不足。如果说已经在计算和内存比率方面达到平衡，分别为288 GB和6 TB/秒，那么我们预计将拥有512 GB的HBM3E内存容量和14.4 TB/秒的内存带宽。如果情况真是如此，那么相信大家也会认同这是一款相当强大的GPU加速器。

总而言之，下面来看八路系统板的馈送能力与速度表现：

下图所示，为、和之上八路系统板的性能范围与能够处理的参数规模：

曾几何时，5000亿参数就足以令人目眩；但现在看来，似乎几十万亿也变得没什么大不了的。

我们期待看到MI400系列中使用的CDNA-Next架构会是什么样子，也好奇AMD未来会用什么样的封装将更多东西疯狂塞进插槽。另外我们还将关注AMD如何进行下一步产能规划，并逐渐从英伟达手中抢夺更多市场份额。至少就目前来看，只要HBM的供应量充足，一切就皆有可能。