最近，AMD正式發(fā)布了其Instinct MI200系列GPGPU加速卡，進(jìn)一步進(jìn)軍GPGPU市場。
與傳統(tǒng)的GPU不同，MI200系列主要針對的并不是游戲和渲染應(yīng)用，而是高性能計算（如人工智能，科學(xué)計算）應(yīng)用，即GPGPU（general-purpose GPU）。這樣的定位顯然與Nvidia主推的基于CUDA生態(tài)的GPGPU（如A100）相同，因此可能在GPGPU市場的競爭格局產(chǎn)生影響。當(dāng)然，MI200并非AMD的第一款GPGPU。在這之前，AMD也推出過MI50和MI100系列GPGPU，雖然在整個市場上聲勢并不大，但是也積累了不少設(shè)計和軟件方面的經(jīng)驗。這次推出的MI200系列的性能可謂不俗，在科學(xué)計算常用的64位浮點數(shù)（FP64）性能可達(dá)Nvidia最新款GPGPU A100的近5倍，而在人工智能常用的16位浮點數(shù)（FP16）方面也可達(dá)到A100的1.2倍，搭配的內(nèi)存方面內(nèi)存大小可達(dá)A100的1.6倍，內(nèi)存帶寬也是A100的1.6倍。與Nvidia全力投入人工智能常用的低精度FP16不同，MI200仍然兼顧了科學(xué)計算常用的FP64，這可能也是想在某種程度上與Nvidia實現(xiàn)差異化競爭。
在架構(gòu)方面，AMD在MI200中也使用了其引以為豪的chiplet高級封裝技術(shù)，而這也使MI200成為首款使用chiplet技術(shù)的多晶片（multi-die）GPU。具體來說，MI200的基本chiplet單元稱為CDNA-2晶片，每個CDNA-2晶片擁有290億個晶體管，包含有112個計算單元（CU），并且搭載了4個HBM2E內(nèi)存接口，以及8個用于封裝內(nèi)互聯(lián)的Infinity Fabric Link。每個MI200 GPU則是把兩個這樣的CDNA-2 chiplet使用2.5D封裝技術(shù)封裝在一起。另外，一個容易被忽略的細(xì)節(jié)是，MI200擁有CPU和GPU之間支持內(nèi)存一致性（coherency）的互聯(lián)，這使得MI200配合AMD的CPU有機(jī)會實現(xiàn)CPU和GPU共享內(nèi)存空間，這樣就能減少CPU到GPU內(nèi)存復(fù)制造成的額外開銷。
總體來說，AMD MI200的硬件性能可以與Nvidia A100相媲美，在一些高性能科學(xué)計算領(lǐng)域甚至比起A100更強(qiáng)。考慮到明年Nvidia可能會發(fā)布A100的下一代GPU并且預(yù)計有大幅性能提升，AMD的MI200暫時還不太可能直接取代Nvidia占據(jù)GPGPU性能最強(qiáng)的寶座，但是這樣的性能已經(jīng)足以使得AMD的GPGPU成為Nvidia GPU一個有力的替代性方案，尤其全球半導(dǎo)體持續(xù)缺貨的形勢也使得許多云端高性能計算的大客戶有考慮Nvidia替代型解決方案的動力。
AMD的GPGPU生態(tài)逐漸進(jìn)入主流
事實上，Nvidia能占領(lǐng)GPGPU和AI加速芯片領(lǐng)跑地位不僅僅是依靠其強(qiáng)大的芯片性能，圍繞芯片性能的CUDA軟件生態(tài)也是Nvidia的一個重要護(hù)城河。具體來說，如何能給開發(fā)者提供一個易用的軟件接口，能與上游主流生態(tài)框架（例如人工智能領(lǐng)域的PyTorch，TensorFlow等）相集成，并且能較為簡單地就能充分利用芯片的性能，是一個需要長期積累的過程，同時一旦成功則會形成一個很高的護(hù)城河。
在這方面，AMD的軟件生態(tài)相對于Nvidia的CUDA而言，處于后發(fā)地位，這也是阻礙AMD真正進(jìn)入GPGPU主流市場的重要瓶頸。然而，隨著AMD多年來在這方面的投入，AMD的相關(guān)生態(tài)也在逐漸成為主流可選項之一。
最初，在GPGPU加速人工智能剛剛進(jìn)入主流視野中時（2012-2015年），就在Nvidia已經(jīng)大局投入CUDA生態(tài)時，AMD卻沒有官方動作，想要在AMD的GPU上做高性能計算還需要借助第三方OpenCL，開發(fā)并不容易。AMD從2015年底開始真正由官方推出一套能支持人工智能等高性能計算的生態(tài)環(huán)境（ROCm），相比Nvidia的CUDA（2007年推出）落后了整整八年的時間。雖然在ROCm推出之初并沒有得到業(yè)界大規(guī)模應(yīng)用，但是好在AMD并沒有放棄這項投資。在經(jīng)過五年多的努力之后，今天ROCm相對于剛推出時的狀態(tài)而言，其成熟程度已經(jīng)接近了主流選項之一。舉例來說，目前ROCm已經(jīng)完成了和主流人工智能框架TensorFlow和PyTorch的整合，在PyTorch中甚至絕大多數(shù)接口都和CUDA版本完全一致，這就大大降低了開發(fā)難度。
公平地說，目前AMD的一套軟件開發(fā)生態(tài)已經(jīng)達(dá)到了“可用”的狀態(tài)，但是相較于CUDA生態(tài)還有一些距離。首先，在訓(xùn)練方面，ROCm做單卡訓(xùn)練已經(jīng)不成問題，性能也不錯，但是分布式訓(xùn)練仍然需要一些額外的支持。另一方面，在推理方面，AMD仍然缺乏對應(yīng)Nvidia TensorRT這樣的高性能推理工具鏈，因此如果想要在AMD的GPU上做高性能人工智能推理還需要做大量的工作。這或許也是AMD在這次發(fā)布MI200的時候，仍然把重點放在了環(huán)境較為簡單的科學(xué)計算，而對人工智能只是兼顧。
由于目前AMD的ROCm已經(jīng)到達(dá)了可用的狀態(tài)，我們預(yù)計下一步AMD會繼續(xù)和對于云端計算有大量需求的互聯(lián)網(wǎng)巨頭合作，一起進(jìn)一步共同開發(fā)ROCm生態(tài)環(huán)境。對于互聯(lián)網(wǎng)巨頭來說，他們有足夠的技術(shù)團(tuán)隊來支持和開發(fā)基于AMD平臺的人工智能訓(xùn)練和部署軟件，同時他們也有動力去做這件事情，因為擁有AMD和Nvidia兩個供貨商，比起只有Nvidia一個選項來說，無論是從芯片供應(yīng)穩(wěn)定性還是芯片售價來說，都會好很多。而AMD也可以借助這樣的合作共同開發(fā)來進(jìn)一步打磨軟件生態(tài)以及芯片架構(gòu)，預(yù)計會在未來三到五年內(nèi)會真正成為Nvidia在GPGPU領(lǐng)域真正的競爭對手。
AMD的服務(wù)器市場勢頭強(qiáng)勁
這次AMD發(fā)布MI200進(jìn)一步增強(qiáng)了其在云端服務(wù)器市場的地位。這個月早些時候，AMD剛剛公布了和Facebook（現(xiàn)名Meta）的合作計劃，其CPU將正式進(jìn)入Facebook的云端服務(wù)器中心。而在這之前，AMD還公布了和谷歌的合作計劃，可見目前AMD的CPU在云端服務(wù)器市場正在逐漸蠶食Intel的份額。而在云端人工智能加速卡領(lǐng)域，MI200的發(fā)布也將成為一個重要的里程碑，雖然它不能直接取代Nvidia的GPU，但是我們認(rèn)為AMD距離成為主流GPGPU供貨商僅僅一步之遙。更重要的是，云端的CPU和GPU之間存在很強(qiáng)的協(xié)同效應(yīng)，一旦AMD的CPU和GPGPU同時成為云端服務(wù)器中心的主流選項，那么兩者之間的協(xié)同效應(yīng)將使得AMD在這個市場擁有更強(qiáng)的話語權(quán)（這也是Nvidia一直在尋求收購ARM的主要原因，因為Nvidia也希望能在CPU領(lǐng)域擁有更強(qiáng)的自研能力）。同時，由于AMD同時在CPU和GPU方面有積累，其之前已經(jīng)投入多年的共享內(nèi)存空間技術(shù)也可望隨著AMD的CPU和GPU成為服務(wù)器領(lǐng)域的主流選項而獲得更多應(yīng)用，從而進(jìn)一步提升AMD的該市場的技術(shù)實力。我們認(rèn)為，未來AMD在服務(wù)器領(lǐng)域的與機(jī)會獲得更多的市場份額和話語權(quán)，同時這個市場的競爭格局也將隨之發(fā)生改變。