AMD：从CPU挑战者到NVIDIA最重要的AI芯片竞争对手
AMD（Advanced Micro Devices，超威半导体，NASDAQ：AMD）是全球最重要的高性能计算和AI芯片企业之一。
很多人过去认识AMD，是因为Ryzen处理器、EPYC服务器CPU和Radeon显卡。但进入生成式AI时代之后，AMD的战略重点已经发生明显变化。
今天的AMD正在形成一套覆盖：
AI加速器
NPU
FPGA
DPU
高速网络
AI服务器
机架级AI系统
以及AI软件平台 的完整计算体系。
其中，真正直接挑战NVIDIA数据中心AI业务的核心产品，就是AMD Instinct系列AI GPU。
从MI300X、MI325X，到MI350X、MI355X，再到2026年的MI455X和Helios机架级AI系统，AMD已经不再满足于做“NVIDIA GPU的替代品”。
它正在尝试复制甚至打破NVIDIA最重要的竞争优势：从一颗AI芯片，向完整AI计算平台发展。
AMD是谁？
AMD成立于1969年5月1日，总部位于美国加利福尼亚州。
公司由Jerry Sanders和另外七位联合创始人创建，最初是一家典型的硅谷半导体创业公司。
AMD发展历史非常长。它曾经长期与Intel竞争x86处理器市场，后来经历过非常困难的时期。
在苏姿丰（Lisa Su）的领导下，AMD通过Ryzen和EPYC重新进入高性能CPU市场，并逐渐在服务器、PC、游戏机和高性能计算领域恢复竞争力。
但是今天AMD面对的最大机会，已经不仅仅是CPU，而是人工智能。
AMD为什么能进入AI芯片市场？
传统CPU虽然非常灵活，但并不适合独自承担如此庞大的并行计算任务。
GPU却拥有大量并行计算单元。
因此GPU逐渐从图形处理芯片变成AI训练和AI推理的主要计算平台。
NVIDIA依靠CUDA和数据中心GPU最早建立了巨大优势。
AMD则拥有长期积累的GPU设计技术。
AMD过去主要通过Radeon品牌与NVIDIA竞争消费级显卡市场，而在数据中心AI市场，它使用的是另外一个品牌：AMD Instinct。
Instinct已经成为AMD挑战NVIDIA H100、H200、Blackwell以及后续AI平台的核心产品线。
AMD Instinct：AMD真正的AI GPU品牌
AMD Instinct并不是普通游戏显卡。
它主要面向：
大型语言模型训练
AI推理
生成式AI
Agentic AI
科学计算
超级计算机
气候模拟
药物研究
能源研究
以及其他高性能计算任务。
这类芯片通常配备非常大的HBM高带宽存储器，并针对FP16、BF16、FP8、FP6、FP4等AI计算格式进行优化。
AMD近年来明显加快了Instinct的更新速度。
重要产品路线包括：
MI250
MI300X
MI325X
MI350X
MI355X
MI430X
MI455X。
其中MI300系列可以被视为AMD正式大规模进攻生成式AI市场的重要转折点。
MI300X：AMD真正开始挑战NVIDIA
AMD Instinct MI300X推出之后，引起AI行业高度关注。原因之一就是它拥有非常大的HBM显存。大型语言模型非常依赖显存。
如果GPU显存不足，就必须把模型拆到更多GPU中运行，从而增加GPU之间的数据传输和系统复杂度。
因此AMD采取了一个非常直接的竞争策略：给AI GPU装更大的高带宽内存。这种路线对大型语言模型推理尤其具有吸引力。
微软、Meta、Oracle以及多家云计算和AI基础设施企业随后开始部署AMD Instinct GPU。
MI300X使AMD第一次真正成为大型AI数据中心客户在NVIDIA之外必须认真考虑的GPU供应商。
MI325X：把显存优势继续扩大
MI300X之后，AMD推出MI325X。
MI325X配备256GB HBM3E显存，单GPU峰值显存带宽达到6TB/s。八GPU的MI325X平台总共拥有约2TB HBM3E显存。这对于大型模型尤其重要。
但是对大型语言模型来说，真正决定性能的并不只是计算能力。
还包括：显存容量，显存带宽，GPU之间的互连速度，网络性能，软件优化 以及整个系统的数据移动效率。
AMD从MI300系列开始，就把“大显存”作为与NVIDIA竞争的重要武器之一。
MI350系列：AMD进入新一轮AI GPU竞争
2025年，AMD推出Instinct MI350系列。
主要产品包括：
MI350X
MI355X。
MI350系列采用第四代CDNA架构。
MI350X和MI355X均可以提供最高288GB HBM3E显存和最高8TB/s显存带宽。
MI355X还加强了MXFP4和MXFP6等低精度AI计算能力。这非常重要。因为现代AI推理正在越来越多地采用较低精度的数据格式。
模型并不是所有计算都必须使用FP32甚至FP16。
如果使用FP8、FP6或者FP4，在保持可接受模型质量的情况下，可以显著减少 内存占用，内存带宽压力，功耗 以及每个Token的计算成本。
这也是为什么NVIDIA Blackwell和AMD MI350之后的产品都越来越强调FP4性能。
为什么AI推理越来越重要？
早期生成式AI产业最关注的是训练。因为训练GPT、Claude、Llama这样的基础模型，需要庞大的GPU集群。
但是进入2025到2026年之后，AI行业越来越关注Inference，也就是推理。
原因很简单。
模型只训练一次或者有限次数。
但是部署之后，可能有几亿甚至几十亿用户不断向AI发送请求。
特别是Reasoning Model和AI Agent出现之后，一个问题可能需要模型连续进行大量推理。
因此AI产业正在从 “谁能够训练最大的模型”，逐渐扩展到 “谁能够以最低成本生成最多Token”。这对AMD非常重要。
因为AMD试图利用大显存、开放软件和相对灵活的系统架构，在AI推理市场扩大份额。
MI400系列：AMD把竞争推进到2026年
2026年，AMD进一步推出Instinct MI400系列。
这一代的核心AI产品之一是：AMD Instinct MI455X。
MI455X采用第五代CDNA架构，也就是CDNA 5。
AMD公布的规格显示，MI455X采用TSMC 2nm和3nm相关制程技术，拥有432GB HBM4高带宽存储器，峰值显存带宽达到23.3TB/s。
MI455X的FP4峰值计算能力可达到约40.3 PFLOPS。
从数字上已经可以看出AI GPU的发展速度有多么疯狂。几年前，AI GPU还是几十GB显存。现在单颗GPU已经向数百GB HBM发展。
而且GPU本身已经不再是竞争的唯一重点。下一步是 整个机架。
Helios：AMD开始直接挑战NVIDIA的机架级AI系统
这是AMD AI战略最值得关注的变化之一。
过去AMD主要卖GPU。
NVIDIA却已经通过GB200 NVL72、GB300 NVL72等产品，把竞争提高到了Rack Scale，也就是机架级计算。
AMD显然意识到了这个问题。
于是推出：AMD Helios。Helios是一套机架级AI参考架构。
一套Helios系统集成72颗AMD Instinct MI455X GPU，并配合AMD EPYC “Venice”服务器CPU和AMD Pensando网络技术。
72颗GPU合计拥有大约31TB HBM4显存。
整套系统FP4理论性能达到约2.9 EFLOPS。
这意味着AMD与NVIDIA之间的竞争，已经从 MI300X vs H100 变成 Helios vs NVL72。
AMD为什么收购ZT Systems？
为了进入机架级AI系统市场，AMD还采取了一项非常重要的行动。
2025年3月，AMD完成对ZT Systems的收购，交易总价值约44亿美元。
ZT Systems长期为全球大型Hyperscaler设计服务器和数据中心计算基础设施。
AMD真正需要的并不是简单的服务器制造能力。
它真正想获得的是：AI服务器设计能力，机架设计能力，电源设计能力，散热能力，高速互联能力 以及为超大规模客户部署整套系统的工程经验。
之后AMD把ZT Systems的制造业务出售给Sanmina，但保留了机架级系统设计和客户支持团队。这个动作非常值得注意。
因为它说明AMD已经意识到 仅仅造出一颗优秀GPU是不够的。未来AI市场竞争的是完整系统。
Helios为什么特别重要？
现代AI集群可能拥有 一千颗GPU，一万颗GPU，十万颗GPU，甚至更多。到了这个规模，单颗GPU再快，也只是整个系统的一部分。
真正的问题变成：GPU之间怎么连接？CPU如何向GPU提供数据？网络延迟多大？内存带宽够不够？机架功耗是多少？液冷怎么设计？GPU坏掉之后怎么维护？几十个机架怎样连接？几万颗GPU怎样一起训练同一个模型？
因此AMD推出Helios，本质上说明它正在向NVIDIA走过的同一条道路前进：从芯片公司 变成系统公司。
UALink：AMD不想复制NVLink
NVIDIA拥有非常重要的高速GPU互连技术：NVLink。
NVLink可以让大量NVIDIA GPU高速交换数据。但是NVLink属于NVIDIA生态。
AMD采取的是另外一条路线。
AMD参与推动UALink，也就是Ultra Accelerator Link。
UALink的目标是建立更加开放的AI加速器Scale-Up互连标准。
AMD Helios使用UALink连接MI455X GPU。
这里实际上体现了AMD和NVIDIA两种完全不同的战略。
NVIDIA的路线是：
高度垂直整合，
自己做GPU，
自己做NVLink，
自己做NVSwitch，
自己做网络，
自己做软件。
AMD则更强调 开放标准。
AMD希望通过UALink、Ultra Ethernet、OCP等产业标准联合更多企业，共同构建一个能够与NVIDIA封闭生态竞争的开放AI基础设施体系。
ROCm：AMD最关键的软件战场
如果问AMD AI业务最大的挑战是什么，答案很可能不是GPU，而是软件。
NVIDIA最强大的护城河之一是CUDA。
CUDA经过近二十年的发展，已经拥有：
庞大的开发者群体，
成熟的AI软件库，
大量优化工具，
完善的文档，
以及PyTorch等AI框架长期积累的支持。
AMD对应的软件平台叫：ROCm。
ROCm是AMD面向GPU加速计算的开放软件栈，包含运行时、编译器、数学库、AI库、性能分析工具以及对PyTorch等框架的支持。
如果AMD真的想挑战NVIDIA，ROCm的重要程度甚至可能超过下一代GPU本身。
因为客户购买AI硬件时，真正关心的是：我的模型能不能跑？PyTorch能不能直接用？性能怎么样？几千块GPU能不能稳定通信？有没有成熟的推理框架？工程师需不需要重新写大量代码？
这些问题最终都落到软件上。
ROCm正在快速进步
近年来AMD在ROCm上的投入明显增加。
2026年8月，AMD正式推出ROCm 10，并让ROCm.AI进入General Availability。
其中包括：
AMD Skills
ROCm Hyperloom
ROCm CLI
以及新的ROCm Core SDK。
Hyperloom甚至可以利用AI分析工作负载、调整GPU Kernel、改变并行策略并帮助优化性能。
这说明AI芯片行业出现了一个非常有意思的趋势：未来甚至可能使用AI来优化运行AI的GPU软件。
AMD最大的优势之一：开放生态
AMD很难在短时间内复制CUDA二十年的积累。因此AMD采取的策略不是简单地“再造一个CUDA”。它更强调开放生态。
ROCm大量组件采用开源方式开发，并积极支持：
PyTorch
TensorFlow
JAX
ONNX Runtime
vLLM
Triton
以及其他AI开发框架。
对于大型云计算企业而言，这一点具有战略意义。
因为Google、Meta、Microsoft、OpenAI、Oracle以及其他大型AI企业并不希望整个AI基础设施永久只依赖一家芯片供应商。
即使NVIDIA性能非常强，他们仍然希望拥有第二供应商。AMD正好处在这个位置。
AMD真正的王牌可能是CPU + GPU
它不仅拥有GPU ，它还有全球领先的服务器CPU产品线：EPYC。
CPU负责大量：
操作系统任务，
数据预处理，
存储，
网络，
虚拟化，
任务管理，
GPU调度，
以及Host端计算。
因此AMD可以同时提供：
EPYC CPU
Instinct GPU
Pensando网络
ROCm软件
Helios机架设计。
这使AMD越来越接近一家完整AI基础设施企业。
Pensando：AMD也开始做数据中心网络
2022年，AMD完成对Pensando Systems的收购。
Pensando主要开发DPU和数据中心网络技术。
DPU可以承担传统CPU过去负责的一些 网络处理，安全，存储，虚拟化，数据移动 等基础设施任务。在传统服务器时代，这类产品已经很重要。到了AI数据中心时代更加重要。
因为GPU计算越来越快之后，网络和数据传输很容易成为新的瓶颈。
因此AMD Helios不仅使用Instinct GPU和EPYC CPU，也使用AMD Pensando网络技术。
从这一点可以看到AMD未来的产品结构：计算 + 网络 + 软件。
收购Xilinx让AMD拥有FPGA和自适应AI能力
AMD另外一项极具战略意义的收购，是Xilinx。
AMD完成Xilinx收购之后，获得了大量 FPGA，Adaptive SoC，AI Engine，边缘计算，通信，工业，汽车 以及嵌入式计算技术。
它还可以覆盖 云端AI，边缘AI，工业AI，汽车AI，通信设备，机器人 以及嵌入式系统。
相比只做一种AI ASIC的创业公司，AMD的产品覆盖范围要大得多。
Ryzen AI：AMD还想把AI放进PC
数据中心之外，AMD另外一个重要AI产品线就是：Ryzen AI。
Ryzen AI处理器通常把 CPU，GPU，NPU 集成在同一个处理器中。
其中NPU，也就是Neural Processing Unit，专门负责低功耗AI计算。
例如：
语音识别，
实时字幕，
图像处理，
摄像头效果，
本地小型语言模型，
AI助手，
文档总结，
以及隐私敏感的AI任务，都可能直接在PC本地运行。
因此AMD的AI战略其实分成两个方向：数据中心使用Instinct 和 个人电脑使用Ryzen AI。
AMD实际上已经不是一家单纯的CPU公司
经过过去几年的收购和产品扩张之后，今天AMD拥有：
EPYC服务器处理器
Ryzen处理器
Radeon GPU
Xilinx FPGA
Versal Adaptive SoC
Pensando DPU和网络产品
ROCm AI软件
以及Helios机架级AI架构。
这使AMD成为全球少数能够同时覆盖CPU、GPU、NPU、FPGA、DPU和AI系统的半导体公司之一。
AMD AI业务正在快速增长
AMD 2026年第二季度收入达到约115亿美元，同比增长50%。
其中Data Center业务收入达到约67亿美元，同比增长107%。
AMD表示，数据中心业务增长主要来自EPYC服务器CPU以及Instinct GPU需求增长。
而且这一季度数据中心业务已经占AMD总收入的大约58%。
这说明AMD的公司重心正在发生重大变化。
过去大家讨论AMD，首先想到的是 Ryzen和Radeon。
未来越来越可能首先想到 EPYC和Instinct。也就是 数据中心和AI。
谁在使用AMD AI GPU？
AMD近年来不断扩大Instinct客户生态。
大型云计算厂商、AI公司以及服务器企业都开始部署或者支持AMD Instinct平台。
AMD在2026年的公开资料中列出的Helios及AI合作生态已经包括Meta、Microsoft、Oracle、OpenAI、Anthropic以及多家云计算和AI基础设施公司。
对于AMD而言，这些客户最大的价值不仅仅是卖GPU，更重要的是让ROCm进入真正的大型生产环境。
只要越来越多大型模型能够稳定运行在AMD平台上，开发者对CUDA之外GPU平台的接受程度就会提高。
这可能逐渐削弱NVIDIA最强的软件锁定效应。
AMD最大的竞争对手当然是NVIDIA
双方竞争已经覆盖：
AI训练
AI推理
GPU显存
HBM带宽
低精度计算
GPU互联
高速网络
机架系统
AI软件
开发者生态
以及整个数据中心架构。
但是AMD目前与NVIDIA之间仍然存在明显差距。
最大的差距主要不是AMD不会设计GPU，而是 CUDA生态。
AMD必须让ROCm变得足够成熟，才能把硬件性能真正转化为市场份额。
AMD还有哪些AI竞争对手？
除了NVIDIA之外，AMD还面对越来越多不同类型的竞争。
Google拥有TPU。
Meta拥有MTIA。
另外还有：
Cerebras
SambaNova
因此未来AI加速器市场未必只会是NVIDIA和AMD两家公司。
AMD最大的机会：成为AI时代的第二平台
AMD并不一定需要全面超过NVIDIA才能取得巨大成功。这是理解AMD AI业务非常重要的一点。全球AI基础设施市场实在太大。
如果未来全球每年投入数千亿美元建设AI数据中心，那么即使AMD只获得其中一部分市场，也可能形成非常庞大的业务。
而且大型云计算企业几乎都不愿意永久依赖单一供应商。
它们希望 降低成本，增加供应来源，提高谈判能力，减少Vendor Lock-in。
因此AMD最现实也最强大的市场机会，就是成为：NVIDIA之外最重要的通用AI GPU平台。
AMD的另一大优势：价格竞争
大型AI公司建设十万颗GPU规模的数据中心时，成本极其惊人。
GPU不是买几十块，而是买 几千块，几万块，甚至几十万块。这时候每颗GPU、每个机架、每一个Token的成本差异都会变成巨额资金。
因此客户真正关心的已经不是单纯的峰值FLOPS。而是 Performance per Dollar。也就是 每一美元能获得多少AI计算能力。
对于AMD来说，如果能够在大型模型推理中提供具有竞争力的性能，同时保持较低系统成本，就可能获得大量客户。
这也是AMD不断强调Tokens per Dollar的原因。
AMD面临的风险：软件仍然必须追赶CUDA
AMD现在最明显的风险依然是软件生态。
硬件参数领先，并不意味着最终应用性能一定领先。
大型AI系统的真实性能取决于：
编译器，
Kernel，
通信库，
模型优化，
框架支持，
分布式训练，
显存管理，
以及大量软件工程。
NVIDIA已经在这些领域投入近二十年。
AMD正在快速追赶，但ROCm仍然是决定AMD能否真正扩大AI市场份额的关键因素。
另一个风险：AI GPU更新速度越来越疯狂
AMD需要不断推出：
MI300
MI325
MI350
MI400
以及下一代产品。
同时NVIDIA也在持续推出：
Hopper
Blackwell
Blackwell Ultra
Rubin
以及后续架构。
这意味着双方每一年都需要投入巨额研发资金。
一代产品延迟，可能就会影响整个数据中心市场竞争格局。
供应链同样非常重要
它自己主要负责设计芯片，而先进制程制造依赖TSMC等晶圆代工厂。
HBM
先进封装
高速网络芯片
大型基板
光通信
电源系统
以及液冷系统。
因此AI GPU竞争已经不仅仅是芯片设计能力的竞争，也是全球半导体供应链能力的竞争。
MI455X已经使用432GB HBM4，这说明下一代AI系统对HBM供应能力的依赖只会越来越强。
AMD与NVIDIA最大的战略区别
如果把两家公司放在一起看，会发现非常明显的差异。
NVIDIA更倾向于建立一个高度垂直整合的平台。GPU、NVLink、NVSwitch、网络和CUDA形成强大的NVIDIA生态。
AMD则更强调：开放软件，开放网络，开放机架标准，开放互连。
Helios采用OCP Open Rack、UALink和Ultra Ethernet等开放标准。
因此未来AI基础设施市场可能形成两种路线：
一种是NVIDIA主导的高度整合生态。
另一种是AMD联合多个产业伙伴推动的开放生态。
最终哪一种模式占据更大市场，将成为未来几年AI芯片行业非常重要的看点。
AMD未来真正卖的也不只是GPU
AMD正在经历与NVIDIA非常相似的变化。
过去卖 一颗芯片。
后来卖 GPU加速卡。
再后来卖 八GPU服务器平台。
未来AMD真正参与竞争的单位可能越来越接近 整个AI数据中心。
这意味着未来判断AMD AI业务是否成功，不能只看 MI455X比某颗NVIDIA GPU快多少。
更应该看：
Helios能不能大量部署，
ROCm能不能成熟，
大型客户是否愿意长期使用，
几万颗AMD GPU能不能稳定运行，
以及每个Token到底需要多少钱。
总结
AMD成立于1969年，最初是一家传统半导体企业。经过数十年的发展，它先成为Intel在x86处理器市场的重要竞争者。
Zen架构让AMD重新崛起。
EPYC让AMD重新进入大型服务器市场。
收购Xilinx让AMD获得FPGA和Adaptive Computing能力。
收购Pensando让AMD进入DPU和高速数据中心网络。
收购ZT Systems又让AMD获得大型AI服务器和机架级系统设计能力。
与此同时：
MI300X让AMD真正进入生成式AI市场。
MI325X继续扩大HBM显存优势。
MI350系列加强AI训练和推理能力。
MI455X把AMD带入HBM4和CDNA 5时代。
Helios则让AMD从“卖GPU”开始走向“卖AI机架架构”。
而ROCm正在成为整个战略最关键的软件基础。
因此今天再把AMD简单理解成一家CPU公司，已经明显不准确。
AMD正在变成一家覆盖CPU、GPU、NPU、FPGA、DPU、网络、软件和机架级系统的全栈AI计算企业。
它现在最大的目标也非常清楚：成为NVIDIA之外，全球最重要的AI计算平台。
如果这一战略成功，未来AI芯片市场很可能不再是“NVIDIA一家独大”的故事，而会逐渐演变成：
NVIDIA封闭式全栈生态，与AMD开放式AI计算生态之间的一场长期战争。