一句话看懂：AMD 在 7 月 23 日的 Advancing AI 2026 大会上发布了 Instinct MI455X 加速器和 Helios 机架系统，首次将 2nm 制程引入 GPU 计算芯粒，并获得了 OpenAI、Meta、微软等关键客户的公开站台。这标志着 AMD 正式开始从“卖单卡”转向交付“机架级 AI 工厂”，直接挑战英伟达在 AI 训练和推理基础设施中的系统级优势。
事件核心：发生了什么
AMD 在旧金山发布了新一代数据中心 GPU Instinct MI455X，以及由 72 颗该 GPU 组成的 Helios 机架系统。MI455X 的最大技术标签是“2nm GPU”，但其准确构成是采用台积电 N2 工艺的 4 个 XCD 计算芯粒，加上采用 N3P 工艺的缓存互连芯粒和 I/O 芯粒，总晶体管数达 3200 亿，配备 432GB HBM4 显存。在低精度算力上，OCP MXFP4 理论性能约 40.26 PFLOPS。同时，第六代 EPYC“Venice”CPU 也同步推进 2nm 量产爬坡。
更值得关注的是客户名单：OpenAI 宣布计划从 2026 年底基于 MI450 系列大规模部署；Meta 同样签署了多年合作与定制协议；甲骨文计划从 2026 年第三季度部署 5 万颗 GPU；Anthropic 也加入了合作名单。这些订单包含认股权证、定制开发和资本投资等深度绑定条款，显示头部公司正在为第二供应源投入真金白银。
为什么重要
长期以来，AMD 虽然在单卡算力和显存上不弱，但英伟达的真正护城河在于 NVLink、NVSwitch、CUDA 生态以及全套管理工具构成的系统级闭环。AMD 此次推出的 Helios 机架系统，通过 UALink、UALoE 和 Ultra Ethernet 等开放标准来构建集群互连，而非沿用英伟达的专有架构。这一策略试图让云厂商拥有更多供应商选择，降低对单一供应商的依赖，但开放生态也意味着更高的系统集成难度和兼容性测试成本。
AMD 数据中心 GPU 业务的负责人对 CUDA 的价值做出了直接挑战，认为在 PyTorch、vLLM、Triton 等高层框架普及后，CUDA 作为开发者直接入口的重要性正在下降。这一判断确实反映了行业趋势，但笔者认为，CUDA 所包含的数十年积累的底层库、调试和分析工具链，在高性能要求和故障排查中仍是替代成本极高的一环。将 CUDA 归为“无关紧要”仍过于乐观。
对用户/开发者/创作者的影响
对于正在部署大模型训练和推理的 AI 公司而言，AMD 的进展意味着在英伟达的 Rubin 平台之外，首次出现了一个在机架级整合、算力密度和开放互连标准上都有竞争力的备选方案。如果 MI455X 在 2026 年第三季度后如期交付，可能会影响下一代 GPU 集群的采购决策，尤其是在成本和供应商多样性上具有优先级的客户。对于普通 AI 应用开发者，短期内底层硬件变更对日常使用影响有限，因为模型训练和推理已经在 PyTorch、vLLM 等框架中完成抽象。但如果 AMD 的 ROCm 软件栈能够进一步减少底层适配的工作量，未来开发者可能会在面对更宽松的 GPU 供应环境。对硬件工程师和系统架构师来说，2nm 芯粒的设计策略、HBM4 内存的整合以及机架级互连的开放标准，都是值得追踪的技术演进方向。
值得关注的后续
首先，Helios 能否按照时间表在 2026 年 Q3 末出货，以及 2nm 计算芯粒与 3nm 互连芯粒的先进封装良率能否支撑大规模量产，是第一个硬性考验。第二，ROCm 软件生态在框架适配、算子优化和性能诊断上的进展能否减少联合攻关的成本，将决定那些签署了长期协议的客户是否愿意把最核心的工作负载从英伟达平台迁走。第三，英伟达的 Rubin 架构预计于 2026 年下半年推出市场，届时这两套旗舰级系统在同等生产规模下的实际模型吞吐率、每 Token 推理成本和 GPU 利用率对比，将是检验 AMD 这一战略是否成立的最关键数据。
来源：InfoQ CN
