该公司的首席财务官在纳斯达克投资者大会上畅谈GPU 发展、战略和市场动态
作者:Dan Robinson
更新时间:世界协调时2024年6月17日 星期一15:30
是当下的热门话题,但是AMD的首席财务官认为,数据中心仍然是这家芯片制造商的主要利润引擎,CPU内核仍然是许多工作负载的关键。
在上周于伦敦举行的纳斯达克投资者大会上,AMD的胡锦(Jean Hu)回答了分析师关于该公司GPU 路线图、AI PC等方面的问题。
当被问及 AMD 的毛利率以及AI PC或其他哪些业务领域是否会产生最大影响时,胡锦表示,她认为影响最大的仍将是数据中心业务。
在谈到一季度时,她表示:“数据中心的增长速度比我们其他业务快得多。尽管嵌入式业务方面遇到了逆风,但我们的毛利率还是提高了”。
她补充表示,这一态势将在2024年下半年延续,“毛利率提高的主要驱动力仍然是数据中心,我认为明年的情况也差不多会是这样”。
不过,由于AI PC是一个热门话题,胡锦热情提醒大家注意AMD本月在Computex上发布的Ryzen AI 300系列笔记本电脑平台,该平台配备了备受赞誉的50 TOPS神经处理器,以及用于台式机的Ryzen 9000系列芯片。
围绕着AI的话题,胡锦还谈到了AMD 即将推出的GPU加速器 MI325,该产品也在Computex上发布,将配备288 GB HBM3E内存,“内存容量和带宽显著优于我们的竞争对手”,这里的竞争对手指的是英伟达目前的产品线。
胡锦表示:“明年,我们将推出MI350,它基于CDNA 4,是一种新的架构,也将配备288 GB HBM3E内存”,她表示其性能将提高35倍,并且与英伟达的Blackwell B200竞争。她还表示,将于2026年面世的MI400将与英伟达计划在同年推出的“Rubin”平台竞争。
在回答有关传统(即非人工智能)服务器的问题时,这位首席财务官说,市场状况“仍然相当模糊”,并指出“去年,我们都知道传统服务器市场实际上出现了下滑”。
胡锦表示,AMD已经凭借第四代Epyc服务器CPU平台开启了发展势头,在第一季度,该公司从竞争对手英特尔手里抢到了33%的市场份额。她表示,“我们实际上已经开始看到更新周期的早期迹象。”
胡锦称,首席信息官们正面临着许多挑战,而AMD最新的服务器平台可以用60%的服务器提供相同数量的计算,这意味着企业可以削减资本支出,而这些服务器的运营成本也将降低40%。
虽然为人工智能配置的服务器占用了大量服务器开支,但胡锦表示,重要的是要记住,其他工作负载仍然至关重要。
她表示:“想想传统的基础应用,ERP系统、数据库和购物网站、Meta、Facebook、Instagram 等所有这些东西,你不需要GPU——CPU在这些基础传统应用中具有最好的总体拥有成本(TCO)。而且这样的应用还在不断增加。”
胡锦在谈到即将推出的配备 Zen 5 内核的 Epyc芯片时表示,“等你拥有我们下一代配备了192个内核的Turin,你就能解决很多通用计算的问题,无论是我们还是我们的竞争对手,内核的数量都在以两位数增长。”
谈及在商用 PC领域与英特尔的业务竞争,胡锦表示,这必须被视为一个与消费系统完全不同的市场,需要采取不同的方法。
她表示:“如果你看看企业端,企业确实需要不同的市场推广。”她解释说,每个组织和首席信息官采购PC的方式都不一样,因此,AMD在过去两年中一直在市场推广方面努力。
胡锦表示:“我们从IBM聘请了新的首席销售官。他们的目标之一就是专注企业市场推广方法,不仅要更多地走出去,还要了解如何解除企业客户。”目前,AMD已经在服务器方面取得了成功,向首席信息官们展示了在总体拥有成本方面的优势,让他们转向选择AMD服务器。
胡锦表示:“PC方面也是一样的,你必须说服企业首席信息官做出改变,才能扩大你的市场份额”,这需要更长的时间。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。