​英伟达捅了 AMD 一刀

英伟达捅了 AMD 一刀

留给铁娘子的时间不多了

早在 2015 年，全球 GPU 芯片龙头英伟达的创始人黄仁勋就曾犀利地评价竞争对手 AMD：" 我们已经好多年不看 AMD 的动作了，当（英伟达和 AMD）差距是 9 跟 0 的时候，已经不是差距的问题了。" 在图形显示等 GPU 传统应用市场，英伟达长期占据了 80% 以上的市场份额，将 AMD 远远甩在后头。但随着 AI 大模型时代到来，AMD 正试图凭借空前强大的芯片新品和难得的产业机遇，攻入英伟达的腹地。

" 我在不停打仗 "，在芯片界铁娘子苏姿丰（Lisa Su）的职业生涯里，有两场至关重要的战役。

第一场，是在 2014 年接手 AMD（美国超威半导体），以力挽狂澜之势让 AMD 从深陷财务危机到一举成为英特尔最强劲对手，股价上涨了 40 倍。另一场则是在当下，今年 6 月，AMD 发布了针对 AI 需求的最新款芯片 Instinct MI300，这是其狙击英伟达最强劲的一个武器。

在 GPU 芯片领域，AMD 与英伟达的缘分妙不可言。英伟达与 AMD 长期以 " 八二开 " 的比例瓜分着全球市场份额，在图形显示等市场并称双雄。而媒体则乐于炒作二者更私人的关系——比如，英伟达 CEO 黄仁勋与苏姿丰可能存在的 " 表亲关系 "，当然，双方从未在任何场合正式回应过这些话题。

无论关系如何，黄仁勋一点都不手软，他对铁娘子苏姿丰的第二场战役迅速展开了雷霆反击。

北京时间 11 月 13 日晚间，英伟达发布了全球最强 AI 芯片 H200，其性能较 H100 直接翻倍。打了抢先发布 MI300 的 AMD 一个措手不及。此前，AMD 表示，公司正在今年第三季度向客户提供样品，产量将在第四季增加。原本 MI300 将有望成为 AMD 最快销售额破 10 亿美元的产品。

英伟达称 H200 将在 2024 年第二季度开始交付，留给 AMD 抢跑的时间不多。

AMD 开打第二场 " 翻身仗 "

AMD 还是乐观了。

今年 Q3 财报发布之际，AMD 曾大胆给出业绩预期：四季度营收将达到 58 亿美元至 64 亿美元之间，预计为 61 亿美元，同比增长 9% ——这也将是 AMD 自 2022 年第三季度以来，最高的季度收入。

这种预期也可以理解，2023 年第三季度，AMD 营收 58 亿美元，净利润 2.99 亿美元——是连续 7 个季度的净利润同比下滑之后，首次实现季度净利润的同比正增长。

而 AMD 几乎将自己未来业绩强劲增长的底牌，全部押注在了一款产品上：

今年 6 月份，AMD 专门针对 AI 大模型训练需求发布的 Instinct MI300 系列芯片。这几乎是全球范围内，第一款能够直接对标英伟达大模型训练芯片 H100 的产品。

根据 AMD 官方信息，MI300 在部分技术指标上相比英伟达的 H100 更具优势，比如 MI300 提供的 HBM（高带宽内存）密度是 H100 的 2.4 倍，HBM 带宽是 H100 的 1.6 倍。这意味着 AMD 可以运行比英伟达 H100 更大的模型。

惊艳四座的 ChatGPT 大模型大部分基于英伟达 2020 年发布的 A100 芯片进行训练。而在 2022 年 3 月份，英伟达面向 AI 大模型训练需求专门发布了 H100 芯片。

从亮相开始，H100 就迎头赶上了 " 百模大战 " 的风口，成为了被各方力量争夺的宝贵算力资源。据坊间传闻，早在今年第三季度时，英伟达 H100 的订单就已排到了 2024 年，至今产品稀缺程度有增无减。

尽管如此，在发布会上苏姿丰还是表现得十分有信心：" 我们认为，数据中心人工智能加速器 ( 市场 ) 将以超过 50% 的复合年增长率，从今年的 300 亿美元左右增长到 2027 年的 1500 亿美元以上。"

AMD 计划在第四季度量产 MI300。在此基础上，公司预计在第四季度，包含 MI300 在内的数据中心 GPU 业务营收将达到 4 亿美元；而在整个 2024 年，公司数据中心 GPU 产品有望实现 20 亿美元的销售额。

AMD 数据中心 GPU 产品的下游市场既包括科学计算等高性能计算领域，也包括 AI 领域，但苏姿丰认为后者才是业绩的主要增长动力：" 随着 2024 年的到来，我们预计收入将继续按季度增长，而且，这将主要来自人工智能。"

而其中 MI300 被寄予厚望，将成为该公司 " 有史以来最快达成 10 亿美元销售额的产品 "。

此前，AMD 虽然在 GPU 市场名列第二，但主要应用于图形处理、消费级产品等传统 GPU 应用场景，在 AI 和高性能计算领域始终存在感较低。

从 MI300 的性能指标而言，AMD 本来已经几乎具备了与英伟达叫板的能力，直到 H200 横空出世。在 H200 发布会结束结束后，AMD 收盘股价下跌 1.52%。

在未来，AMD 想要在如火如荼的 AI 技术市场中抢得一席之地，面前的压力仍毋庸多言。

至今 AMD 尚未公布 MI300 的官方定价，但市场预计，为了增加与英伟达的竞争筹码，AMD MI300 或许不得不延续其在传统 GPU 市场的性价比路线。

不仅如此，为了完成预期业绩，AMD 还于 10 月份在上海启动了一轮裁员 " 瘦身 "。

据一位 AMD 前员工对「市界」透露，本次 AMD 给出的赔偿条件是 "N+3" 倍的月工资，主要涉及的部门为 SoC（系统级芯片技术部门）和 RTG（Radeon 系列显卡技术部门）。

一步慢，步步慢

大模型时代，AMD 等来了一个翻身机遇，只是对这份机遇 AMD 做出的反应还是晚了。

一位在国内高校任职的 AI 研究人员告诉「市界」：" 除了媒体报道的韩国（指该国电信运营商’ KT ’）使用 AMD Instinct 平台运行了 AI 大模型的新闻，在日常研究里，我还没有接触或了解到使用 AMD 芯片训练的项目。"

这种情况也反映在了市场数据上，据 IDC 调研，2022 年中国 AI 加速卡（即 AI 训练芯片）出货量约为 109 万张，其中英伟达在中国 AI 加速卡市场份额为 85%，华为市占率为 10%，百度市占率为 2%，寒武纪和燧原科技均为 1%。根据这组数据，AMD 的 AI 训练芯片在国内市场甚至 " 没有姓名 "，沦为其他。

不仅如此，亚马逊 AWS、谷歌、腾讯云等全球主要云厂商的 AI 芯片也大多来自英伟达及自研，采用 AMD 产品的占比较小。

追溯形成显著市场差距的原因，可以将目光转向多年之前。

英伟达创始人黄仁勋曾这样总结：" 我们很早地，大约在 10 年前就发现，（AI）这种制作软件的方式可以改变一切。我们从底层一直到顶层，从各个角度改变了公司。"

在一家美国 GPU 独角兽企业担任市场总监的 Lee 告诉「市界」：" 早在 2012 年，英伟达就开始投入在深度学习的计算了，而且是在全公司范围内贯彻执行。" 而这相较业内普遍意识到 AI 芯片的重要性，至少早了四五年的时间，领先一个身位。

从 2016 年开始，英伟达旗下的加速计算 GPU 产品线（代号 "Tesla"）开始专门针对 AI 训练任务进行设计。这一年推出的芯片型号为 P100，同时配备有英伟达新研发的高速互联技术 "NVLink"。而 NVLink 能够允许 CPU、GPU 芯片间进行高速交互，进一步提升了运算效率，至今仍是英伟达 AI 芯片中的核心技术之一。

还是在这一年，英伟达向后来推出了 ChatGPT 的 OpenAI 捐出了一台搭载了 8 块 P100 芯片、价值百万的超级计算机 "DGX-1"。在这台超算的机箱上，黄仁勋亲手写道：" 为了计算和人类的未来，我捐出世界第一台 DGX-1。"

后来的种种迹象都表示，这段时间正是人工智能的黄金发展期。正是在 2016 年，谷歌 Alpha go 击败了围棋大师李世石，被视为 AI 技术迈上新台阶的重要标志。不仅如此，AI 相关产品、硬件、软件等的市场规模已经超过 80 亿美元。

反观同一时期的 AMD，虽然同样试图在 AI 方面有所布局，但彼时其重心更多放在 CPU 业务线上，并未像英伟达一样全面押注。

2016 年，AMD 正式推出 Radeon Instinct 系列产品线，旨在加速深度学习、神经网络和高性能计算等方面应用。

然而从产品更新情况而言，AMD 对旗下 AI 芯片的设计显然不够 " 上心 "。在之后的 4 年间时间里，Radeon Instinct 系列虽然不断更新，但始终与 AMD 的消费级显卡 Radeon 公用基础架构，在计算方面缺乏针对性和高效率，难以满足 AI 训练的需求。

直到 2020 年，这种情况才有所转变。这一年，AMD 将 AI 芯片产品线更名为 "Instinct"，并首次抛弃了以往的消费级显卡架构，为其采用了专门设计的 CNDA 计算架构。

在此之后，AMD 连续更新了三代产品 MI100、MI200，以及最新发布的 MI300。凭借全新的技术路线，以及采取高性价比的市场策略，AMD 才开始在 AI 训练市场中有人问津。

只是，在 AMD" 缺席 "AI 市场的几年里，英伟达已经建立起了极强的生态壁垒。

英伟达建筑的高墙

Lee 这样向「市界」描述英伟达在 AI 领域树立的优势：" 真正难的并不是说比别人跑的多快，而是围绕着这一个主题，进行全方位点点滴滴的下注，从语言设计到开发者工具这些周边的东西才是最难得的。"

而周边工具一旦被用户所接受，" 客户技术迁移的成本将会是难以想象的高 "。

资深 AI 从业者路云的说法也从侧面印证了这一点，据其回忆：" 早在大约 10 年前，我们学校就给高性能计算相关专业的学生开设了基于 CUDA 的课程。"

CUDA 是英伟达在 2006 年推出的通用并行计算架构，借助 CUDA 提供的编程接口和工具集等，开发者可以基于 GPU 芯片编程、运行复杂的 AI 算法等等。

全球顶尖 AI 学者、前百度首席科学家吴恩达曾这样评价 CUDA："CUDA 出现之前，全球能用 GPU 编程的可能不超过 100 人，有了 CUDA 之后使用 GPU 就变成了一件非常轻松的事情。"

这样一代代的开发者和研究者，用汗水浇灌出了英伟达的强大生态。换句话说，即使 AMD MI300 的官方性能指标相比英伟达 H100 体现出优势，后者的生态壁垒仍旧难以逾越，更别提 H200 展现出了更强的性能指标。

这样的背景下，AMD 想要逆风翻盘，除了着力补上生态差距，还不得不在市场策略上别出心裁。

生态方面，2016 年，AMD 推出了对标英伟达 CUDA 的 ROCm 架构。据东吴证券研报，由于 ROCm 平台起步晚，其对于 GPU 加速库的支持没有英伟达 CUDA 全面。CUDA 的应用场景基本能够覆盖全场景，但 ROCm 更多用于高性能计算领域，对 AI 的覆盖稍显不足。

至今，AMD ROCm 平台的工具链已经相对完善，并且能够兼容英伟达的 CUDA 平台。此外，为了进一步优化软件生态，AMD 还在 2023 年 10 月份官宣收购了 AI 软件企业 Nod.ai。

对此东吴证券研报评论道：AMD 的软件生态在公司大力投入和其它厂商积极扶持下，有望彻底改善。

（英伟达与 AMD 软件生态工具链完善程度对比。图源 / 东吴证券）

另一方面，AMD 高性价比的市场策略将是其在 AI 领域的另一大优势。联博资产管理公司的分析师 Stacy Rasgon 认为，提供’平替版的英伟达’，将是 AMD 争取市场支持的关键。

AI 研究公司 Cambrian AI Research 则分析称，大公司需要 " 第二供应商 " 的战略将为 AMD 提供机遇：" 像 OpenAI 和微软这样的公司需要有一个能替代英伟达产品的选择，AMD 可能会给他们一个无法拒绝的提议，但不要指望能从英伟达那里抢走很多份额。"

无论如何，大模型产业疾速发展带来了巨大的算力缺口：根据 OpenAI 数据， 模型计算量增长速度远超人工智能硬件算力增长速度，两者之间存在万倍差距。

对于长期在 AI 领域缺乏存在感的 AMD 而言，它正迎来了最好时机。