蘇媽的底氣：AMD的新產品將提價70%

在AI計算的浪潮中，AMD正逐步從幕後走向臺前。回想一下，AI加速器市場的核心在於處理海量數據和複雜模型的硬件能力，而NVIDIA長期以來憑藉其GPU架構主導這一領域。但如今，AMD的Instinct MI350系列正以一種務實的姿態加入戰局，通過價格調整和技術迭代，試圖在性能和成本間找到平衡點。

先說說這場價格調整。AMD將Instinct MI350加速器的售價從1.5萬美元提升到2.5萬美元，漲幅達70%。這一變動並非隨意，是基於對市場需求和自身產品實力的評估。即便如此，新價格仍低於NVIDIA的Blackwell B200，後者起步價在3萬美元左右。這意味着AMD在保持性價比優勢的同時，意圖通過更高的定價捕捉更多利潤空間，尤其是在數據中心和雲服務提供商對AI硬件需求爆發的當下。

要理解這一步的底氣，得從MI350的技術規格入手。這個系列基於AMD的CDNA 4架構，使用臺積電3納米工藝製造，主要包括MI350X和MI355X兩款型號。核心亮點在於內存配置：每塊芯片配備288GB HBM3E高速內存，帶寬高達8TB/s。這比前代MI300X的5.2TB/s帶寬提升明顯，也超越了Blackwell B200的192GB內存容量。在處理大型AI模型時，內存大小直接影響能加載的參數規模——MI350能輕鬆應對超過500億參數的模型，而無需過多依賴外部存儲，這在訓練和推理階段都能減少延遲。

計算性能方面，MI350支持多種浮點格式，如FP4、FP6、FP8和FP16。其中，MI355X在FP4格式下的峯值性能可達20.1 PFLOPS，在FP8下爲10.1 PFLOPS。相較之下，Blackwell B200在FP4下的性能約9 PFLOPS。AMD通過Chilplet設計實現了這一躍升：MI350由8個XCD計算芯片和2個I/O芯片組成，總晶體管數達1850億，比MI300X多出21%。每個XCD芯片包含32個計算單元，總計256個單元。這種模塊化結構不僅提升了擴展性，還優化了功耗管理——MI350X的TDP控制在較低水平，適合風冷，而MI355X則推到1400W，支持液冷，以換取更高輸出。

架構上，CDNA 4引入了更高效的Infinity Fabric互連，帶寬升至5.5TB/s，同時降低了總線頻率和電壓，整體能效改善。舉個例子，在Llama 3.1 405B模型的FP4推理任務中，MI355X的吞吐量是MI300X的35倍。在基準測試如DeepSeek R1或Llama 3.3 70B模型上，它與B200和GB200相當，甚至領先3倍左右。這不是空談數據，而是源於AMD對矩陣運算和稀疏處理的優化，確保在實際AI工作負載中表現出色。

當然，硬件只是起點。AMD的軟件生態也在跟進。ROCm 7平臺已全面支持MI350，兼容PyTorch和TensorFlow等框架，並針對分佈式訓練進行了調優。AMD還參與了Ultra Ethernet Consortium和UALink聯盟，推動開放互連標準，這與NVIDIA的封閉NVLink形成對比。這樣的策略吸引了像Meta、微軟和OpenAI這樣的客戶，他們已在數據中心部署MI300X用於模型推理。現在，隨着MI350的到來，這些合作有望擴展。

市場背景不可忽視。全球AI芯片需求預計到2028年將達5000億美元規模，數據中心正爲高性能計算投入巨資。NVIDIA目前佔九成份額，但供應鏈瓶頸——如臺積電的CoWoS封裝產能——限制了Blackwell的交付。AMD抓住這個窗口，加速產品節奏：2024年MI325X，2025年中MI350系列，2026年MI400將引入HBM4內存，帶寬飆至19.6TB/s，直指NVIDIA的Rubin架構。

價格上調的深層含義在於AMD對需求的判斷。AI訓練和推理的成本正成爲企業痛點，而MI350的性價比——比B200便宜30%卻內存更大——適合預算有限的場景。同時，AMD推出Helios機架級解決方案，結合MI350和第五代EPYC CPU，能提供2.6 Exaflops的FP4計算力，適用於超大規模集羣。這不僅僅是賣芯片，而是提供全棧AI基礎設施。

展望未來，隨着模型參數從千億級向萬億級躍進，內存和能效將成爲關鍵戰場。MI350的高內存配置能更好地處理這些巨型模型，而液冷設計則適應高密度數據中心的需求。AMD的開放路徑或許會逐步蠶食NVIDIA的份額，尤其在雲服務和科研領域。當然，挑戰猶存：NVIDIA的CUDA生態根深蒂固，部署經驗更豐富。AMD需持續迭代軟件支持和客戶案例，才能真正站穩腳跟。

這場價格調整標誌着AMD在AI賽道的自信轉折。MI350以紮實的技術基礎，挑戰着市場格局的既有平衡。在計算能力不斷演進的時代，這樣的競爭將推動整個行業向前。