AI 算力不再只是英伟达的独角戏。最近业内的一项测试显示，国产 AI 模型 Kimi 的 K3 版本在 AMD 的 MI355X 芯片上运行，性价比已经超过了英伟达的 B300。这意味着在高性能 AI 推理领域，我们有了更多元的硬件选择。 这项测试由 Wafer AI 发布，核心看点在于针对特定场景的算力适配。为什么这事值得关注？ 1. 硬件多样化的意义：过去企业训练或运行大模型，几乎只能锁定英伟达生态。这次测试证明，只要软件适配得当…

事件核心：发生了什么

据 AI 基础设施服务商 Wafer AI 发布的测试结果，月之暗面旗下的 Kimi K3 模型在 AMD MI355X 加速卡上运行，单位成本对应的推理性能优于英伟达 B300。这项对比并非笼统的跑分，而是针对大规模语言模型推理场景做的实测，覆盖了长文本处理这类 Kimi 的标志性负载。

测试的具体方法、芯片配置和完整数据目前公开信息显示并不详尽，但结论指向明确：在同等模型负载下，AMD 芯片的每美元推理吞吐量已经具备对英伟达旗舰产品的竞争力。发布方 Wafer AI 同步发表了一篇题为 “Is memory the moat?” 的技术博客，推测其测试重点之一可能在于显存带宽对推理效率的影响。

为什么重要

过去几年，大模型训练和推理几乎与英伟达生态画等号，CUDA 的软件壁垒让企业在选型时没有真正意义上的替代方案。这次测试的价值在于，它把“AMD 能否打”从纸面参数拉回到了实际负载验证，且验证对象是国产头部长文本模型，而非英伟达更擅长优化的开源模型。

对算力市场而言，这意味着供需关系开始出现结构性变化。如果 MI355X 在真实 LLM 推理场景中确实能提供更优性价比，企业就不再需要为单一供应商的溢价买单。对国产模型生态而言，Kimi K3 能在非英伟达架构上高效运行，也说明软件栈的跨平台适配能力正在快速成熟，国内 AI 公司不再被绑定在单一硬件路线上。

对用户/开发者/创作者的影响

对普通用户来说，硬件竞争的直接红利是 AI 服务价格下降。当模型厂商的推理成本降低，最终会体现在订阅费、API 调用价格或免费额度的调整上。

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。

了解 GamsGo AI

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。

对开发者而言，现在值得认真评估非 CUDA 生态。AMD 的 ROCm 软件栈过去主要被诟病兼容性和易用性，但像 Kimi K3 这样的大规模闭源模型能够跑通，说明工具链成熟度已非往日。未来做私有化部署或成本敏感型应用时，可以对比不同芯片的每 token 成本，而不是默认选择英伟达方案。

对做长文本应用的团队，这项测试尤其值得关注，因为长上下文场景对显存容量和带宽要求极高，而这恰恰是 AMD 架构理论上的优势区域。若后续有更多公开数据验证，企业在搭建 RAG、文档分析等重内存应用时会有更清晰的选型依据。

值得关注的后续

目前公开信息显示，MI355X 大概率是 AMD 面向 2026 年市场的下一代加速卡。以下三点值得跟进观察：

一是测试的可复现性。Wafer AI 是否会公开更详细的配置、功耗和价格基准，以及是否有第三方机构独立复测，将决定这一结论的可信度。

二是国产模型对其他硬件的适配进度。Kimi K3 之后，是否有更多国产大模型主动适配 AMD 或国产加速芯片，并对外公布性价比数据。

三是英伟达的回应。B300 对应产品线是否会调整价格策略，或者通过软件优化重新拉开差距。毕竟推理效率不仅取决于硬件，也取决于算子库和框架的打磨程度。

来源：@Alan_jupiters