在芯片界鐵娘子蘇姿豐的職業生涯裏，有兩場至關重要的戰役。第一場，是在2014年接手AMD(美國超威半導體)，以力挽狂瀾之勢讓AMD從深陷財務危機到一舉成爲英特爾最強勁對手。
另一場則是在當下，其剛剛推出的新品AMD MI325X的內存容量相比英偉達H200提高2倍，內存帶寬性能、計算性能均提升1.3倍，該芯片將於2024年第四季度上市。
那麼AMD真的能成爲英偉達強勁的對手嗎？一起來看。
從業績看，英偉達要遠比AMD有吸引力
在GPU 市場份額上，目前，英偉達在AI領域處於制霸地位，它在AI處理器市場上佔據超80%的份額，其高端處理器已被用於訓練和運行各種聊天機器人。
從業績看，AMD2024財年第一季度業績顯示其營收爲54.73億美元，同比增長2%，環比則下降了11%；淨利潤爲1.23億美元，而上年同期的淨虧損爲1.39億美元，相當於同比增長188%，環比則大幅下降了82%；不按照美國通用會計準則的調整後淨利潤爲10.13億美元，同比增長4%，環比則下降了19%。
分部門看，AMD 數據中心事業部營業額創季度新高，達23億美元，同比增長80%，主要得益於AMD Instinct GPU和第四代AMD EPYC CPU的增長。營業額環比增長2%，主要得益於AMD Instinct GPU第一個完整的季度銷售，部分抵消了服務器CPU銷售的季節性下降。
客戶端事業部本季度營業額爲14億美元，同比增長85%，主要得益於AMD銳龍8000系列處理器的銷售增長。營業額環比下降6%。
遊戲事業部本季度營業額爲9.22億美元，同比下降48%，環比下降33%，主要原因是半定製業務收入減少與AMD Radeon GPU銷售下降。
嵌入式事業部本季度營業額爲8.46億美元，同比下降46%，環比下降20%，主要由於客戶繼續調整庫存水平。
在科技行業的激烈競爭中，AMD這份業績數據並不盡如人意。雖然營收方面勉強達到了市場的預期，但在利潤端，AMD卻再次遭遇了大幅下滑的尷尬局面。這一結果，無疑給這家知名科技公司的未來蒙上了一層陰影。
詳細剖析這份業績不難發現，即便剔除了此前收購產生的遞延費用，AMD的核心經營利潤也僅爲4.15億美元，環比竟下滑了45.1%。這一數字的背後，反映出的是下游需求不足的嚴峻現實。在這個以技術爲驅動的時代，需求的疲軟對於任何一家科技企業而言，都是一個不容忽視的警示信號。
與之形成對比的是英偉達2025財年的第一季度業績顯示在美國通用會計準則(GAAP)下，其營收達260.4億美元，同比增長262%，環比增長18%；淨利潤148.8億美元，同比上漲628%，環比上漲21%。
而比業績差距更明顯的是市值，英偉達目前的市值(截止6月14日)收盤已經達到了3.24萬億美元，而AMD市值僅爲2580億美元，不足英偉達的十分之一。這說明華爾街對英偉達未來的預期要遠遠好於AMD，那麼爲什麼同樣是做GPU ,兩者差距會這麼大呢？
AMD的硬傷：英偉達的GPU更適合Transformer結構
首先我們來看雙方目前的主流產品MI300X和H100。雖然AMD的MI300X的內存達到了192GB，但英偉達也能提供具備相同內存規格的產品，因此這不會成爲絕對優勢。此外AMD在與英偉達的H100對比時，不會有顯著的成本優勢，因爲高密度的HBM價格昂貴。
並且最關鍵的問題在於，MI300並不具備H100所擁有的Transformer Engine。Transformer Engine能夠用於加速Transformer模型，以在AI的訓練和推理中以較低的內存利用率提供更好的性能。
AMD的MI300系列是目前從硬件水平上最接近H100的產品，但MI300X並沒有像H100的Transformer Engine(用加速Transformer大模型的引擎)，H100可以將大語言模型(LLM)的性能提高兩倍，這也意味着用同樣數量的MI300X將花費更長的訓練時間。
Transformer Engine是英偉達H100顯卡的一大亮點，專爲加速Transformer網絡設計。這類網絡是現代AI的基礎，用於處理語言理解、機器翻譯等任務。H100通過其Transformer Engine，能夠在保持高精度的同時，將大型語言模型的訓練時間縮短至原來的一小部分。這種技術的突破爲AI研究和應用帶來了革命性的速度提升。
並且英偉達還在不斷迭代自己的產品，不斷拉開自己與AMD等公司的代差。今年3月19日，英偉達推出了全新GPU架構的Blackwell。
這款號稱是“世界最強大的GPU芯片”：集成2080億顆晶體管，採用定製4NP工藝，承襲“拼裝芯片”的思路，採用統一內存架構+雙芯配置，將2個受光刻模板(reticle)限制的GPU die通過10TB/s芯片間NVHyperfuse接口連一個統一GPU，共有192GB HBM3e內存、8TB/s顯存帶寬，單卡AI訓練算力可達20PFLOPS。跟上一代Hopper相比，Blackwell因爲集成了兩個die，面積變大，比Hopper GPU足足多了1280億個晶體管。對比之下，前代H100只有80GB HBM3內存、3.35TB/s帶寬，H200有141GB HBM3e內存、4.8TB/s帶寬。
搭載了第二代Transformer引擎：將新的微張量縮放支持和先進的動態範圍管理算法與TensorRT-LLM和NeMo Megatron框架結合，使Blackwell具備在FP4精度的AI推理能力，可支持2倍的計算和模型規模，能在將性能和效率翻倍的同時保持混合專家模型的高精度。
AMD的軟肋：英偉達的CUDA有明顯的先發優勢
英偉達除了Transformer Engine的優勢外，它還通過研發開放CUDA平台統一計算架構，爲開發者提供高效、易用的環境，構建龐大生態系統。舉個蘋果手機和IOS生態的例子：
用戶使用一部蘋果手機，而他必然就要使用蘋果的IOS生態體系。在蘋果IOS的生態體系裏，APP開發者上架發佈各類應用、或者買家支付都需要給蘋果支付一筆生態費用，俗稱“蘋果稅”。而Cuda平台就有點形似於GPU領域的IOS生態了，它就是通用GPU API接口，可以讓不同領域的開發者訪問GPU的計算資源，從而實現GPU的日常通用化。
這樣一來，CUDA豐富的底層支持和軟件生態服務極大降低了GPU算力調用的門檻，而在此生態中已有幾百萬開發者推出了各種生態服務如圖形引擎、算法庫及各類API接口等。
而AMD也有自己的平台即ROCm。本質上CUDA和ROCm大同小異，從芯片供應商的角度來講，都是爲了給芯片使用者或者Al的開發者，提供一個更方便使用Al芯片、異構計算的計算機模型的軟件棧，都是方便用戶使用他的CPU或DSA,從這個角度來看，二者解決的需求相同。
二者的區別在於CUDA推出的時間比較早，在2006年的時候，英偉達已經開始推CUDA,當時CUDA比較難用。經過了10多年的發展，2015年開始Al成爲比較熱門的發展方向。再加上在圖形圖像和並行計算領域，英偉達本身就已經是國際上最著名的公司，所以不管是高校還是企業，天然地就會選擇N卡。從這個角度來講，英偉達趕上了這一波風口浪潮，再加上CUDA做並行計算的研發時間要早很多，就帶來了這種無與倫比的優勢。
至於ROCm,在2015年Al浪潮興起之後，AMD才開始做並行計算、Al計算領域的軟件生態，相對來說起步更晚一些。再加上AMD的研發實力也不如英偉達強勁，所以軟件棧的豐富度和好用程度相比英偉達的CUDA來說要差很多。並且AMD芯片本身的迭代速度和算力，與英偉達的迭代速度和架構變化發展相比也有不小差距。這一系列因素導致無論是AMD還是國內做GPU的芯片廠商，想用ROCm開源軟件棧兼容CUDA方案去做Al技術軟件棧都很困難。
結語：AMD可以分到一杯羹
雖然英偉達在算力芯片上仍然具有絕對領先的地位，但AI芯片的競爭還是處在一片正在快速擴張的藍海之中，隨着AI應用越來越深入我們的生活，更加難以想象AI芯片市場的規模極限，其中留給AMD和英偉達的空間自然也足夠大。英偉達儘管通過長期積累建立了強大的優勢，但還有足夠的市場需求等待AMD滿足，這也是後者的機會所在。