AMD 能否打破 CUDA 護城河？AMD 推進 AI 2026
本文分析了 AMD 在 AI 加速器軟體方面取得的進展，從早期零成功可能到如今具備顯著成功機會，得益於領導層的變革、開源策略以及 Anthropic 和微軟等大客戶的支援。然而，AMD 仍面臨兩大風險：Helios 機架因設計問題量產緩慢，以及內部 GPU 叢集不足阻礙開發和測試。文章提供了對 AMD 管理層的具體建議，並詳細介紹了 MI455X 晶片和 Helios 機架架構。
AMD 在 AI 加速器領域的最新進展表明，其與 Nvidia 的競爭格局正在發生顯著變化。本文基於對 AMD 軟體棧的深入體驗，評估了 AMD 在 AI 軟體方面的現狀、風險與潛力。
過去，AMD 的軟體質量被認為是其最大短板，甚至曾被作者給予零成功機會。然而，六個月內，CEO Lisa Su 的積極介入和一系列改善措施使得 AMD 的前景顯著改觀。如今，AMD 更被視為具備在軟體層面挑戰 Nvidia 的潛力，尤其是其開源策略在代理時代可能帶來優勢。
Anthropic 已公開宣佈將部署 2GW 的 AMD 晶片，微軟也轉向使用 MI455X Helios，預計 OpenAI 將成為主要終端客戶。此外，AMD 與 Cerebras 達成協議，以實現超快速推理。這些客戶關係的變化表明市場對 AMD 的信任正在恢復。
然而，AMD 面臨兩大關鍵風險。首先，其首款機架級系統 Helios 因採用非無電纜托盤設計，導致生產速度緩慢。此外，AMD 的 SerDes 設計較弱，每個機架需要超過 550 個 Broadcom 乙太網重定時器，且背板可靠性面臨挑戰。其次，內部 GPU 叢集嚴重不足，阻礙了軟體開發和自動化測試的進度，尤其在代理編碼日益普及的背景下，這一缺口更加突出。
針對這些問題，文章向 AMD 管理層提出具體建議：優先提供穩定的 GPU 叢集用於 CI 測試和開發，以提升軟體質量。目前，Kubernetes 推理 CI 與 Nvidia ConnectX 夜間 CI 的差距依然很大，vLLM 的自動測試由於叢集不穩定而出現倒退。AMD 的領導層需要重新審視容量規劃策略，確保內部團隊有足夠的資源進行開發和測試。
儘管存在挑戰，AMD 在矽工程方面仍保持領先。MI455X 是首款 2nm 資料中心晶片，採用 CoWoS-L 封裝，整合了 3470mm² 的邏輯矽，並繼續採用 SoIC-X 混合鍵合技術。其封裝佈局與 MI355X 相似，8 個 N2 XCD 混合鍵合在包含 SRAM、HBM 控制器和計算結構的基礎晶片上。這是目前出貨的單一封裝中矽面積最大的晶片。
此外，文章還提到 AMD 透過巧妙的金融工程，向 Meta 和 OpenAI 提供接近 105% 的股權回扣折扣，使得在 Helios 機架上的每百萬 token 成本幾乎為負值。這種結構有助於吸引大客戶，但也存在風險。
總體而言，AMD 的前景取決於能否解決供應鏈和內部叢集問題。如果成功，AMD 有望在 AI 市場中佔據更大份額。但即使 AMD 獲得市場份額，Nvidia 仍將繼續增長，因為整個市場正在快速擴張。AMD 管理層的執行力將是決定成敗的關鍵。