一句话看懂：AMD 宣布其机架级 AI 系统能效已比 2024 年基线提升约 4 倍，超过原定 3 倍的阶段目标。这意味着到 2030 年，同样的电力可以支撑 20 倍的 AI 计算量，但行业总耗电量未必会下降。
事件核心：发生了什么
AMD 在 2025 年 6 月设定的效率目标基础上发布了进展报告。以 2024 年为基线，其机架级 AI 系统（涵盖训练与推理）目前的能源效率约为当时的 4 倍，比公司预期的 3 倍阶段性目标高出 33%。AMD 将此结果与一项为期六年的承诺挂钩：到 2030 年，实现机架级 AI 能效的 20 倍提升。这一数字是行业历史趋势线的两倍以上。
能效提升主要来自 GPU 迭代。作为基线产品的 MI300X 是 750 瓦部件，可提供最高 2.6 petaFLOPS 的密集 FP8 算力；而 Helios 系统中的 MI455X 据称提供 7.7 至 15.4 倍的浮点性能、2.25 倍 HBM 容量、4.4 倍内存带宽和四倍芯片间互联带宽，功耗约为前者的三倍。AMD 首席可持续发展官 Justin Murrill 透露，每个团队都背负能效/瓦目标，该指标已与全公司奖金挂钩。
为什么重要
在 AI 算力军备竞赛背景下，能效正在成为与大模型性能同等重要的竞争维度。AMD 的数据表明，同样的电力和机房空间可以承载更多计算任务，或者用更少硬件完成现有任务——官方提供了两种换算方式：相同算力占用更少机架，或相同功耗支撑 20 倍算力。这对正在大规模部署 AI 基础设施的云厂商和企业用户有直接吸引力。
但 AMD 也承认，能效提升不会降低 AI 行业的总电力消耗。国际能源机构的预测显示，到 2030 年全球数据中心用电量将翻倍至约 945 太瓦时，接近日本全国年用电量。效率提升释放出的电力预算，大概率会被更高的算力需求重新消耗掉——这是“杰文斯悖论”在 AI 算力领域的典型表现。
对用户/开发者/创作者的影响
对于依赖云端 API 的开发者与创作者，AMD 能效进步的实际意义在于单位算力成本可能持续下降，尤其是推理侧。机架级效率提升意味着云厂商在相同电费预算下可提供更多计算实例，长期看推理 API 的定价有下调空间。对于自建基础设施或采购服务器的企业，MI455X 这类高能效部件的实际收益是物理空间与散热成本的节省：同一算力需求所需的机架数大幅减少，中大型企业有可能用较少的硬件投入获得与原有方案相当的训练或微调能力。不过目前公开信息显示，这些数据基于 AMD 自报的实验室或设计指标，实际生产环境中的表现与部署条件密切相关。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
首先，AMD 能否在 2030 年真正实现 20 倍目标的收官，以及每个阶段的验证方式是否透明、可复现。有分析指出，若按 AMD 的能效推算，2030 年单个机架功耗可能约为 2024 年的 14.25 倍，这对机房供电和散热设计提出了新的物理挑战。其次，NVIDIA 的同类能效路线图将会如何回应，以及 MI455X 的公开定价和落地部署案例是否能在 2025 年内出现。第三，如果能效成为采购硬指标，开源生态和云厂商的硬件选型逻辑是否会因此发生实际偏移，目前仍是变数。
来源：TechRadar
