撰文：Techub News 整理

导语

6 月 20 日，AMD 举办了年度 AI 盛会 Advancing AI 2025 主题演讲。公司董事会主席兼首席执行官 Lisa Su（苏姿丰）作为主讲人，在近三小时的活动中，系统性地阐述了 AMD 在 AI 计算时代的战略布局、产品进展与生态成果。本次活动正值 AMD 全新一代 AI 加速器 MI350 系列正式亮相之际，也是对其去年提出的宏大市场预测的一次重要回应与更新。Lisa Su（苏姿丰）携多位来自 Meta、Oracle、xAI 和 OpenAI 的重量级合作伙伴登台，共同描绘了 AI 基础设施未来的爆炸性需求与开放生态愿景。

摘要

市场预测大幅上调：Lisa Su（苏姿丰）确认，数据中心 AI 加速器市场规模将远超其去年预测的 5000 亿美元（2027年），并预计推理（Inference）需求正以每年超过 80%的速度增长，成为未来几年 AI 算力的主要驱动力。
重磅新品 MI350 系列发布：正式推出 Instinct MI350 系列加速器（含 MI355 旗舰型号），采用第四代 CDNA 架构，宣称相比前代 MI300 在 AI 计算性能上实现高达 4 倍的代际飞跃，并支持新型数据格式 FP4/FP6。
合作伙伴集体站台，生态扩张：Meta、Oracle 确认将大规模部署 MI350 用于扩展的 AI 工作负载；xAI 分享了使用 MI300X 的“ effortless”开发体验；OpenAI 联合创始人 Sam Altman（萨姆·奥尔特曼）意外现身，讨论 AI 算力需求与未来合作。
未来路线图首次曝光：预览了专为机架级解决方案设计的下一代 MI400 系列（2026年），并透露已在开发 MI500（2027年）。MI400 旨在实现相比 MI350 高达 10 倍的性能提升。
强调“开放”战略与全栈方案：AMD 将开放硬件、软件和解决方案作为核心战略，通过增强 ROCm 软件栈、收购（如 Nod.AI）以及与开源社区（如 PyTorch、vLLM）深度合作，构建与 Nvidia CUDA 生态差异化的开发者体验。

开场：AI 浪潮与 AMD 的定位

Lisa Su（苏姿丰）在开场时回顾了自 ChatGPT 问世以来 AI 创新的惊人速度。她指出，2025 年 AI 发展进一步加速，表现为更强大的推理模型、智能体（Agent）的兴起，以及真实用例开始大规模部署。她特别强调了智能体 AI（Agentic AI）将带来“数以亿计的新虚拟用户”，持续不断地消耗 CPU 和 GPU 算力。

基于对行业趋势的洞察，Lisa Su（苏姿丰）更新了 AMD 的市场预测。她重申，数据中心 AI 加速器的市场规模（TAM）将“远超”去年预测的到 2027 年达到 5000 亿美元的水平。更重要的是，推理（Inference）需求已经出现拐点，预计将以每年超过 80%的速度增长，成为 AI 计算的最大驱动力。她认为，高性能 GPU 因其灵活性和可编程性，将占据该市场的大部分份额。

面对多样化的需求，AMD 的策略聚焦于三点：1) 提供广泛的 CPU、GPU、DPU、FPGA 等计算引擎组合，让客户能为特定模型和用例匹配最佳算力；2) 大力投资于开放的、开发者优先的生态系统；3) 提供从芯片到机架的全栈解决方案。她强调，“开放”对 AMD 而言不是口号，而是加速 AI 规模化应用的关键，并以 Linux 和 Android 的成功历史佐证开放生态带来的竞争与创新红利。

新品核心：Instinct MI350 系列的性能与竞争力

本次活动的重头戏是全新 Instinct MI350 系列的发布。Lisa Su（苏姿丰）手持 MI355 实物登上讲台，宣布该系列实现了“Instinct 历史上最大的代际性能飞跃”。MI355 作为旗舰型号，采用第四代 CDNA 架构、支持 FP4 等新数据格式、搭载 HBM3e 内存，并在台积电先进封装下集成了 1850 亿个晶体管。

具体性能指标方面，MI350 系列宣称带来高达 4 倍的 AI 计算性能代际提升。其单个 GPU 支持高达 288 GB 的 HBM3e 内存，可运行参数量高达 5200 亿的模型。在与竞争对手 Nvidia B200 和 GB200 的对比中，AMD 展示了 MI355 在运行 DeepSeek-R1 或 Llama 3.1 等模型时，使用 vLLM 等开源框架可生成高出 B200 30% 的每秒令牌数（Tokens/Second），甚至能与更复杂昂贵的 GB200 系统性能匹敌。在经济效益上，AMD 声称 MI355 可提供比竞品高出 40% 的“每美元令牌数”（Tokens per dollar），为云服务商和企业带来更优的总体拥有成本（TCO）。

除了推理，MI350 在训练性能上也取得了显著进展。Lisa Su（苏姿丰）展示的数据显示，MI355 在预训练（Pre-training）任务中相比 MI300 有高达 3.5 倍的吞吐量提升；在微调（Fine-tuning）任务中也有最高 2.9 倍的性能提升。在行业权威的 MLPerf 训练基准测试中，MI355X 系统在特定任务上比 Nvidia 最新的 B200 和 GB200 系统快了多达 13%。

为简化部署，AMD 联合 OEM/ODM 合作伙伴推出了基于 MI350 系列、集成 Epic CPU 和 Pensando DPU 的完整机架解决方案。这些设计遵循 OCP（开放计算项目）标准，可快速融入现有数据中心基础设施。既有支持 128 个 GPU、提供 2.6 Exaflops（FP4）算力的液冷高密度配置，也有适用于企业的 64 GPU 风冷配置。

生态验证：一线客户与合作伙伴的实践分享

Lisa Su（苏姿丰）邀请多位合作伙伴上台，为 MI 系列产品的市场表现和未来潜力提供了有力背书。

Meta：工程副总裁 Yunsong 分享道，MI300X 已是其基础设施的关键部分，广泛用于 Llama 3 和 Llama 4 的推理。他特别提到，Meta 正在将 AMD GPU 的应用从 Llama 模型推理扩展到推荐系统、排名等核心业务的训练和推理工作负载。对于 MI350，Yunsong 赞赏其显著提升的算力、新一代内存支持和 FP4/FP6 数据格式，同时保持了与 MI300 相同的形态，便于快速部署。他强调，AI 需求的激增正在以前所未有的速度推动数据中心建设，而 Meta 与 AMD 将在未来加速器和网络路线图上进行更紧密的协同设计。

Oracle：OCI 执行副总裁 Mahesh Thiagarajan 阐述了与 AMD 的全栈深度集成。他强调，要释放 AI 基础设施的极致性能，需要从供电、计算、网络到存储的全面整合。他特别赞扬了 AMD Infinity Fabric 技术在 CPU 与 GPU 内存间高效移动数据的能力，以及 Pensando DPU 对 AI 工作负载安全和性能的保障。Thiagarajan 透露，OCI 正在部署高达千兆瓦（Gigawatt）级别的 AI 超级集群，这些集群将作为单一巨型超级计算机运行。

xAI：联合创始人 Shiao 分享了使用 AMD MI300X 加速其 Grok 系列模型推理的体验。他形容这个过程是“ effortless”（毫不费力），特别赞赏 AMD 工程团队与 xAI 小团队的紧密协作和快速响应，使得产品得以在数月内上线。Shiao 还从第一性原理出发，畅想了从硅基芯片到数据压缩的未来计算演进，并呼吁全球人才加入这场“人类历史上最大规模的软硬件协同设计”。

OpenAI：联合创始人兼 CEO Sam Altman（萨姆·奥尔特曼）的压轴出场成为全场高潮。他谈到，AI 模型能力的提升，尤其是多模态和智能体功能的发展，对计算能力提出了指数级增长的需求。他强调，为了持续攀登这条 scaling curve（规模扩展曲线），整个行业必须在研究、工程、硬件和系统交付上进行前所未有的深度协作。他对与 AMD 的未来合作表示期待。Lisa Su（苏姿丰）则回应，下一代的 MI400 将专门为 OpenAI 等前沿模型构建者面临的巨大挑战而设计。

未来展望：MI400 路线图与持续增长信心

在发布 MI350 的同时，Lisa Su（苏姿丰）首次预览了下一代 Instinct MI400 系列。她透露，MI400 目前已在深度开发中，计划于 2026 年推出，其设计理念是一个“从头打造的机架级解决方案”，旨在实现比 MI350 高达 10 倍的性能提升。她进一步透露，AMD 已在规划 2027 年的产品，将采用下一代“Venoro”CPU 和 MI500 GPU，继续在性能、效率和可扩展性上突破极限。

演讲最后，Lisa Su（苏姿丰）总结道，过去一年重新定义了 AI 进步的节奏，其速度在现代计算史上前所未有。她坚信，AI 的未来不会由任何单一公司或在封闭生态中构建，必将由全行业的开放协作与共同创新所塑造。AMD 致力于通过开放的技术、人才与合作伙伴网络，让 AI 变得更强大、更易得、对每个人都更有用。

市场反应与分析师观察

演讲结束后，市场对 AMD 股价的反应相对平静，盘中波动幅度有限。一些市场评论员指出，本次活动基本符合预期：MI350 系列性能参数亮眼、重要客户关系稳固、未来路线图清晰。尽管未能宣布全新的超大规模云服务商（hyperscaler）客户略显遗憾，但现有顶级客户（Meta、Microsoft、Oracle）的用例扩展和新锐 AI 公司（xAI）的加入，仍有力地证明了 AMD 在 AI 加速器市场的竞争力和增长潜力。

分析师普遍认为，AMD 正系统地执行其 AI 战略。一方面通过每年迭代的硬件产品（MI300 -> MI350 -> MI400）快速追赶；另一方面通过强化 ROCm 软件栈、拥抱开源框架、收购软件公司（如 Nod.AI）和提供全栈解决方案，积极构建更友好、更开放的开发者生态，以挑战 Nvidia CUDA 的统治地位。AI 算力市场的“饼”足够大，足以容纳多个赢家，AMD 凭借其全面的产品组合和清晰的执行路径，有望在未来几年内实现营收和市场份额的显著增长。