隨著 AI 采用加速，企業正在遇到計算瓶頸，這些瓶頸不僅限于原始處理能力。挑戰不僅在于擁有更多計算能力，還在于擁有更智能、更高效的計算能力，能夠根據組織的需求進行定制，并能夠隨著 AI 創新而擴展。AI 模型正在變得更大更復雜，需要能夠處理海量數據集、支持持續學習并提供實時決策所需效率的架構。

從超大規模數據中心中的 AI 訓練和推理，到企業中的 AI 驅動自動化，無縫部署和擴展計算基礎設施的能力現在已成為競爭優勢。

"這是一個很高的要求。組織正在努力跟上 AI 計算需求，高效擴展 AI 工作負載并優化其基礎設施，"AMD 數據中心 GPU 產品營銷總監 Mahesh Balasubramanian 表示。"我們交談的每家公司都希望站在 AI 采用和業務轉型的前沿。挑戰在于，他們從未面臨過如此大規模、具有劃時代意義的技術。"

啟動靈活的 AI 戰略

從哪里開始？現代化現有數據中心是消除 AI 創新瓶頸的重要第一步。這可以釋放空間和電力，提高效率并使數據中心更環保，所有這些都有助于組織保持足夠的靈活性以適應不斷變化的 AI 環境。

"您可以將現有數據中心從三代前的 Intel Xeon 8280 CPU 升級到最新一代 AMD EPYC CPU，在使用 87% 更少服務器的情況下節省高達 68% 的能源，"Balasubramanian 說。"這不僅是升級現有數據中心的智能和高效方式，還為升級公司計算能力的下一步打開了選擇。"

隨著組織發展其 AI 戰略，制定快速增長的硬件和計算需求計劃至關重要。無論您是使用單一模型作為組織流程的基礎，為每個部門定制模型，還是使用代理 AI，這都是一個復雜的任務。

"如果您了解基礎情況 - AI 將在哪里部署，從空間、電力、效率和成本角度來看已經有哪些基礎設施 - 您就有大量穩健的技術解決方案來解決這些問題，"Balasubramanian 說。

超越一刀切的計算

企業中的一個常見認知是，AI 解決方案需要從一開始就進行大規模投資，包括硬件、軟件和服務。Balasubramanian 表示，這已被證明是最常見的采用障礙之一 - 而且是一個容易克服的障礙。AI 之旅始于審視現有技術和數據中心升級；從那里，組織可以通過選擇能夠適應當前問題和未來目標的技術來開始為未來擴展。

"與其將所有資金投入到特定類型的產品或解決方案上，您現在可以為組織定制合適的解決方案，"Balasubramanian 說。"AMD 的獨特之處在于我們擁有廣泛的產品組合來滿足定制需求。我們有從云到數據中心、邊緣解決方案、客戶端和網絡解決方案等。這個廣泛的產品組合使我們能夠在所有解決方案中提供最佳性能，并為尋找適合其需求解決方案的企業提供深入指導。"

該 AI 產品組合旨在處理最具挑戰性的 AI 工作負載 - 從基礎模型訓練到邊緣推理。由 HBM3e 內存和 CDNA 架構驅動的全新 AMD InstinctTM MI325X GPU 為生成式 AI 工作負載提供卓越性能，與競爭解決方案相比提供高達 1.3 倍的推理性能1,2。AMD EPYC CPU 繼續樹立行業標準，提供無與倫比的核心密度、能源效率和高內存帶寬，這對 AI 計算可擴展性至關重要。

與廣泛的行業領導者合作 - 包括 Dell、Supermicro、Lenovo 和 HPE 等 OEM，Broadcom 和 Marvell 等網絡供應商，以及 Arista 和 Cisco 等交換機供應商 - 最大限度地提高了這些數據中心解決方案的模塊化。它可以從兩臺或四臺服務器無縫擴展到數千臺，全部采用下一代基于以太網的 AI 網絡構建，并由行業領先的技術和專業知識支持。

為什么開源軟件對 AI 發展至關重要

雖然硬件和軟件對于應對當今的 AI 挑戰都至關重要，但開源軟件將推動真正的創新。

"我們認為世界上沒有一家公司能夠解決所有問題，"Balasubramanian 說。"用 AI 解決世界問題的最佳方式是團結一致，而團結一致意味著擁有一個每個人都可以協作的開源軟件棧。這是我們愿景的關鍵部分。"

AMD 的開源軟件棧 ROCmTM 被 OpenAI、Microsoft、Meta、Oracle 等行業領導者廣泛采用。Meta 在 AMD Instinct GPU 上運行其最大和最復雜的模型。ROCm 提供對最大 AI 框架 PyTorch 的標準支持，并擁有來自 Hugging Face 高級模型庫的超過一百萬個模型，使客戶能夠在 ROCm 軟件和 Instinct GPU 上無縫開箱即用。

AMD 與 PyTorch、Tensorflow、JAX、OpenAI 的 Triton 等供應商合作，確保無論模型大小如何，應用程序和用例都可以從單個 GPU 擴展到數萬個 GPU - 就像其 AI 硬件可以擴展以匹配任何規模的工作負載一樣。

ROCm 通過持續集成和持續開發與深度生態系統參與，確保新的 AI 功能和特性可以安全地集成到軟件棧中。這些功能經過自動化測試和開發流程，確保它能夠適應、穩健、不會破壞任何內容，并能夠立即為使用它的軟件開發商和數據科學家提供支持。

隨著 AI 的發展，ROCm 正在轉向提供新功能，而不是將組織鎖定在可能無法提供必要靈活性的特定供應商。

"我們希望為組織提供一個完全開放的開源軟件棧，從頂層到底層，貫穿整個組織，"他說。"用戶可以選擇滿足其需求的層并根據需要修改它們，或直接運行模型，確保企業可以從第一天開始運行 DeepSeek、Llama 或 Google 最新的 Gemma 模型等密集型模型。"

展望未來：AMD 對 AI 計算的愿景

隨著組織擁抱 AI 的早期革命，他們需要避免被鎖定在特定解決方案中，找到滿足其當前和未來需求的計算解決方案。與行業專家合作對于識別這些需求以及隨著 AI 改變世界而推進這些需求所需的內容至關重要。

AMD 正在推動這一變革，與處于 AI 發展前沿的領先 AI 實驗室以及更廣泛的開發者和領先軟件公司生態系統合作。隨著客戶群不斷擴大，包括 Microsoft、Meta、Dell Technologies、HPE、Lenovo 等，AMD 通過提供高性能、高能效的解決方案來塑造 AI 格局，推動跨行業創新。

展望未來，這種合作是 AMD 技術路線圖的基礎。公司正在投資全面的硬件和軟件解決方案，包括最近收購 ZT Systems，帶來必要的服務器和集群設計專業知識，與我們的 OEM、ODM 和云合作伙伴快速將全棧解決方案推向市場。

隨著模型變得更大更復雜，硬件需求呈指數級增長。這就是推動 AMD 產品策略和功能集的原因：確保其解決方案組合可以擴展，具有保持性能和效率的開放和靈活的 AI 基礎設施。

"這個廣泛的產品組合旨在為 AI 解決方案提供合適的規模，為每個客戶設置提供最佳性能，并為各種規模的 AI 策略提供支持，"Balasubramanian 說。"無論組織處于 AI 之旅的哪個階段，無論是構建模型還是將模型用于最終用例，我們都希望他們來與我們交談，了解我們如何幫助解決他們最大的問題。"