AMD 能否打破 CUDA 护城河？AMD 推进 AI 2026
本文分析了 AMD 在 AI 加速器软件方面取得的进展，从早期零成功可能到如今具备显著成功机会，得益于领导层的变革、开源策略以及 Anthropic 和微软等大客户的支持。然而，AMD 仍面临两大风险：Helios 机架因设计问题量产缓慢，以及内部 GPU 集群不足阻碍开发和测试。文章提供了对 AMD 管理层的具体建议，并详细介绍了 MI455X 芯片和 Helios 机架架构。
AMD 在 AI 加速器领域的最新进展表明，其与 Nvidia 的竞争格局正在发生显著变化。本文基于对 AMD 软件栈的深入体验，评估了 AMD 在 AI 软件方面的现状、风险与潜力。
过去，AMD 的软件质量被认为是其最大短板，甚至曾被作者给予零成功机会。然而，六个月内，CEO Lisa Su 的积极介入和一系列改善措施使得 AMD 的前景显著改观。如今，AMD 更被视为具备在软件层面挑战 Nvidia 的潜力，尤其是其开源策略在代理时代可能带来优势。
Anthropic 已公开宣布将部署 2GW 的 AMD 芯片，微软也转向使用 MI455X Helios，预计 OpenAI 将成为主要终端客户。此外，AMD 与 Cerebras 达成协议，以实现超快速推理。这些客户关系的变化表明市场对 AMD 的信任正在恢复。
然而，AMD 面临两大关键风险。首先，其首款机架级系统 Helios 因采用非无电缆托盘设计，导致生产速度缓慢。此外，AMD 的 SerDes 设计较弱，每个机架需要超过 550 个 Broadcom 以太网重定时器，且背板可靠性面临挑战。其次，内部 GPU 集群严重不足，阻碍了软件开发和自动化测试的进度，尤其在代理编码日益普及的背景下，这一缺口更加突出。
针对这些问题，文章向 AMD 管理层提出具体建议：优先提供稳定的 GPU 集群用于 CI 测试和开发，以提升软件质量。目前，Kubernetes 推理 CI 与 Nvidia ConnectX 夜间 CI 的差距依然很大，vLLM 的自动测试由于集群不稳定而出现倒退。AMD 的领导层需要重新审视容量规划策略，确保内部团队有足够的资源进行开发和测试。
尽管存在挑战，AMD 在硅工程方面仍保持领先。MI455X 是首款 2nm 数据中心芯片，采用 CoWoS-L 封装，集成了 3470mm² 的逻辑硅，并继续采用 SoIC-X 混合键合技术。其封装布局与 MI355X 相似，8 个 N2 XCD 混合键合在包含 SRAM、HBM 控制器和计算结构的基础芯片上。这是目前出货的单一封装中硅面积最大的芯片。
此外，文章还提到 AMD 通过巧妙的金融工程，向 Meta 和 OpenAI 提供接近 105% 的股权回扣折扣，使得在 Helios 机架上的每百万 token 成本几乎为负值。这种结构有助于吸引大客户，但也存在风险。
总体而言，AMD 的前景取决于能否解决供应链和内部集群问题。如果成功，AMD 有望在 AI 市场中占据更大份额。但即使 AMD 获得市场份额，Nvidia 仍将继续增长，因为整个市场正在快速扩张。AMD 管理层的执行力将是决定成败的关键。