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。
