当前位置: 首页 > news >正文

AMD推出Helios AI机架系统,正面挑战英伟达

芯片制造商AMD正凭借其最新硬件产品向竞争对手英伟达发起挑战——这是一款专为全球顶级AI实验室计算需求而设计的机架级系统。

在旧金山举行的AMD"Advancing AI"大会上,AMD董事长兼首席执行官苏姿丰博士重点介绍了这款名为Helios的新型AI机架系统及其不断扩大的客户阵容,其中包括微软。据悉,该系统将于今年晚些时候正式出货。苏姿丰还在会上展示了AMD最新推出的芯片产品,旨在满足AI行业日益旺盛的算力需求。

机架系统将多个处理器集成为一个高性能单元,专为数据中心设计,用于训练和运行AI模型及其他计算密集型任务。

苏姿丰将Helios称为科技行业"性能最强的AI机架",并表示该系统"专为在大规模场景下训练和运行全球最复杂的前沿模型而打造"。AMD表示,该系统将由头部AI公司以吉瓦级规模部署。

英伟达凭借Vera Rubin和Grace Blackwell机架级系统长期主导这一市场,AMD此举显然意在分一杯羹。据The Register报道,Helios在多项性能指标上已超越Vera Rubin,具备真正的竞争实力。

Helios于2025年首次亮相,并于2026年1月在CES展会上登台展示,目前已吸引多家知名客户,包括OpenAI、Meta、Oracle、Anthropic和微软,这些公司均计划部署该系统。微软首席执行官萨提亚·纳德拉本周一表示,微软将借助Helios扩展其Azure基础设施。与此同时,Anthropic与AMD于本周三宣布建立战略合作伙伴关系,计划通过这一新型机架系统部署高达2吉瓦的GPU算力。

AMD还在大会上发布了Venice-X CPU,该处理器专为数据中心设计,能够应对高强度计算任务,预计于2027年正式推出。

在演讲中,苏姿丰对芯片行业的发展趋势作出判断,认为到2030年,驱动AI运行的芯片将在整体计算市场中占据举足轻重的地位。她表示,这主要源于智能体AI的兴起所带来的"计算需求跃升式增长"。

"当你让智能体执行某项任务时,它实际上需要完成数十个步骤——推理、调用工具、访问数据,并反复执行,直到问题解决。这一切都需要大量GPU来支撑。"苏姿丰说道。

"我们预计,到2030年,AI加速器市场规模将达到约1.4万亿美元。这意味着到本十年末,AI加速器市场的体量将接近当今整个半导体市场的总规模。"她说。

她还补充道:"我们预计GPU将占据这一市场的绝大部分份额,因为相关算法仍处于早期阶段,计算负载仍在持续演变,这一趋势有利于整个芯片生态系统中可编程性的发展。"

Q&A

Q1:AMD的Helios AI机架系统性能如何,和英伟达比怎么样?

A:AMD将Helios定位为科技行业"性能最强的AI机架",专为大规模训练和运行前沿AI模型而设计。据The Register报道,Helios在多项性能指标上已超越英伟达的Vera Rubin机架系统,具备真实的竞争力。目前OpenAI、Meta、Oracle、Anthropic和微软均已计划部署该系统。

Q2:AMD Helios机架系统目前有哪些客户,何时发货?

A:Helios已确认的客户包括OpenAI、Meta、Oracle、Anthropic和微软。微软CEO萨提亚·纳德拉表示将用Helios扩展Azure基础设施,Anthropic则与AMD达成战略合作,计划部署高达2吉瓦的GPU算力。AMD预计Helios将于2025年晚些时候正式出货。

Q3:苏姿丰对AI芯片市场规模有哪些预测?

A:苏姿丰预测,到2030年AI加速器市场规模将达到约1.4万亿美元,接近当前整个半导体市场的总规模。她认为,GPU将占据该市场的绝大部分份额,主要驱动力来自智能体AI的兴起,因为智能体执行任务需要大量推理和多步骤计算,对GPU需求极为旺盛。

http://www.cnnetsun.cn/news/3631607.html

相关文章:

  • UE4 Niagara粒子碰撞实战:从原理到性能优化的完整指南
  • STM32嵌入式开发终极指南:50+实战项目快速上手
  • 【K8S 运维实战】13-日志体系Loki
  • 我们用 RAG 自建了一个能读懂源码的智能知识库
  • 梯度下降法解读
  • C++实现DEM内插与登高线生成:从算法原理到工程实践
  • C++实现十六进制转十进制:从原理到实战的完整指南
  • Unity手游手柄支持全攻略:FPS+RPG融合游戏的输入系统设计与安卓适配
  • 技术人转型创业:从专业执行到商业闭环的思维重塑与实践指南
  • AI电商运营工具组合失效预警:当A/B测试置信度跌破83%,你的工具链已进入“沉默衰退期”(附实时健康度自检表)
  • 【2027最新】基于SpringBoot+Vue的招生宣传管理系统管理系统源码+MyBatis+MySQL
  • Figma转代码终极指南:从设计到部署的完整解决方案
  • 从记事本到VS Code:开源HTML编辑器选择与高效开发环境搭建指南
  • 计算机毕业设计之基于微信小程序的体育用品售卖系统
  • Linux运维从入门到实战:系统学习路线与核心技能详解
  • AI突破300年数学难题:高维空间亲吻数计算新范式
  • 2026类似于OpenClaw的定制化系统有哪些?高性价比OpenClaw替代方案商测评
  • Stable Diffusion核心技术解析与图像生成实践
  • Linux内核Slab分配器优化:延迟构建freelist提升70%性能的底层逻辑
  • SQL Server CPU飙升90%:从性能断崖到根因排查的完整实战指南
  • 操作系统页缓存:被忽视的高性能隐形之王,Redis并非唯一选择
  • TAS3251音频DSP寄存器配置实战:CRC/XOR校验与时钟树详解
  • XAMPP中MySQL服务异常启动问题解决方案
  • 数据管道重构复盘:Lambda 到 Kappa 架构的演进与代价
  • Flutter动画插值全解析:从Tween到Curve的十五个常用缓动参数详解
  • Beyond Compare 5密钥生成终极指南:3种简单方法实现免费激活
  • 如何快速配置暗黑3技能连点器:新手友好型完整指南
  • 如何快速创建个性化桌面宠物:DyberPet开源框架完全指南
  • C++ STL性能优化实战:10个策略提升容器与算法效率
  • Claude Code免费替代方案:开源AI编程助手部署与实战指南