算力江湖，硝烟四起。

　　6月14日凌晨，AMD在旧金山的发布会上推出了新一代AI芯片、数据中心CPU以及DPU。在生成式AI浪潮之下，最受关注的新品莫过于AI芯片Instinct MI 300X，直接对标英伟达H100。

　　AI也是本场发布会的关键词。AMD CEO苏姿丰在会上谈道，目前仍处于AI生命周期非常非常早的阶段。AI加速卡的市场空间将从2023年的300亿美元增长到2027年的1500亿美元，年复合增速超过50%。

　　AI世界滚滚向前，芯片界的老对手们也摩拳擦掌，欲夺取王冠上的明珠。在当前GPU制霸的AI芯片市场上，英伟达一骑绝尘，随着AMD新系产品线的亮相，AMD也将成为AI战场上的有力竞争者。

　　值得注意的是，芯片平台之外，AMD也在加大软件生态的投入，欲在软硬件双线上和对手们一较高下。不过眼下战况依然激烈，从当天股价看，AMD下跌3.6%，英伟达股价则上涨近4%，市值超过1万亿美元。

　　尽管挑战不小，在过去的十年中，苏姿丰带领AMD逆袭重生，如今在AI角力场上能否开启新的故事，业内外皆拭目以待。

　　近年来，AMD一直在全面强化自身的算力。通过收购ATI、Xilinx、Pensando，AMD逐步拓展产品矩阵，成为一家集CPU、GPU、DPU、FPGA于一身的芯片企业。

　　在AI领域，AMD此次发布了Instinct MI 300系列的新产品；在CPU领域，AMD也推出了EPYC的一系列更新，包括新一代数据中心CPU第四代EPYC处理器Genoa、针对云原生计算的第四代EPYC处理器Bergamo以及EPYC处理器Genoa-X。

　　其中，AMD Instinct MI 300系列成为关注焦点。在发布会上，AMD正式推出Instinct MI 300X，一款专门面向生成式AI的加速芯片，拥有1530亿个晶体管。事实上，AMD在早些时候已经公布了该系列的首代产品Instinct MI 300A，它拥有1460亿个晶体管。

　　两者不同之处在于，Instinct MI 300A是将CPU和GPU以chiplet的方式集成到一个芯片，并采用统一的内存架构，即采用了CPU+GPU的架构，对标的是英伟达的GH200；而来到最新款的Instinct MI 300X，则没有集成CPU内核，为GPU芯片，对标英伟达的H100。

　　尽管英伟达的GPU十分强劲，但是AMD的MI 300X有其优势，尤其在存储性能上。据悉，MI 300X芯片算力较MI 300A更加强大，其HBM（高带宽存储器）容量及显存带宽，分别是英伟达H100的2.4倍及1.6倍，由于HBM容量大幅提升，单颗MI 300X芯片可以运行800亿参数模型。

　　不过MI 300系列芯片距离实际应用还需要一定时间，其中，MI 300A芯片目前已经向客户送样，MI 300X芯片将在今年第三季度送样。

　　随着大模型的玩家越来越多，以GPU为代表的AI芯片需求不断增加。根据Precedence Research数据，2022年全球AI芯片市场规模为168.6亿美元，将以每年约30%的速度增长，预计到2032年达到约2274.8亿美元。

　　面对新的机遇，AMD也在不断升级，一方面是持续进化芯片性能，另一方面也在构建软件生态能力。正如CUDA是英伟达坚固的护城河，AMD正在打造开放的ROCm平台。据介绍，AMD拥有一套完整的库和工具ROCm，可以用于其优化的AI软件堆栈，而在过去的发展中，公司也在不断优化ROCm套件。

　　在会上，苏姿丰说道：“人工智能是塑造下一代计算的决定性技术，也是AMD最大的战略增长机会。”

　　从MI 300A到MI 300X，AMD不断向英伟达发起挑战，攻势十足，不过当前竞争环境依然激烈。

　　一方面，英伟达凭借着数十年在加速计算领域的积累，壁垒高企，多位业内人士向21世纪经济报道记者指出，目前在AI训练芯片中，英伟达依然占据着九成市场。

　　仅以AI服务器的场景为例，TrendForce集邦咨询向记者提供数据显示，预计英伟达GPU为AI服务器市场搭载主流，市占率约60%~70%，其次为云端业者自主研发的ASIC芯片，市占率逾20%。

　　TrendForce集邦咨询还称，下半年ChatBOT及AI运算风潮将持续渗透至各种专业领域（如云端/电商服务、智能制造、金融保险、智慧医疗及智能驾驶辅助等）的开发市场，同步带动每台搭配4-8张GPU的云端AI服务器，以及每台搭载2-4张GPU的边缘AI服务器应用需求渐增，预估今年搭载A100及H100的AI服务器出货量年增率逾五成。

　　芯片行业专家姚嘉洋向21世纪经济报道记者表示：“英伟达在GPU架构的迭代上，一直都有属于自己的发展路径，这几年的发展，也让英伟达跃居AI算力芯片领域的领导者地位，在AI算力领域上，AMD和Intel近年来都是处于苦苦追赶的情况。”

　　他进一步指出，英伟达在AI领域，很早就导入了Tensor运算单元（张量运算，是深度学习运算加速的核心），提升AI算力，这是英伟达在奠定AI计算芯片领先地位过程中很重要的一步。

　　在十多年前，外界谈及英伟达挑战时，总会提及英特尔、AMD进入到GPU市场带来的竞争。而现在随着英伟达量产Grace CPU，英特尔和AMD深受影响。也有专家向记者指出，多年前英伟达提供GPU训练alexnet以及谷歌TensorFlow的时候，AMD大概落后两年左右，英特尔也未见突破，随后软硬件生态之间的差距进一步拉大。

　　另一方面，英伟达十年磨一剑打造了CUDA软件生态帝国，而AMD ROCm相比英伟达也是CUDA起步较晚。