AMD CEO昨晚的Q&A

无聊小北

2030FY

看了下其他都没什么信息量，只有 Lisa Su的问答环节有意思。看完感受，英伟达护城河确实在被挑战，核心还是之前说的，推理负载的多样性和决定token 经济性的因子向存和互联倾斜。听下来 AMD 架构有自己思路，在 CPO 和内存规格使用上思路与英伟达各有不同。

Q&A

问：AMD在2030年的总可寻址市场（TAM），管理层此前曾提及更大规模的市场数字，请问这是否为公司的预期？同时能否更新公司对市场份额的预期？

答：Lisa Su表示，公司对TAM的预期持续提升，随着与客户交流加深，观察到agentic工作负载带来的巨大增长。公司已将 CPU 未来三至四年的TAM预期上调超过50%，达到2000亿美元以上。公司仍专注于获取该市场50%的份额。过去几个季度公司取得了巨大进展，而Venice的发布进一步扩展了客户兴趣和工作负载范围。Venice针对AI工作负载特别是agentic AI进行了优化，且在企业级市场进展良好。这些因素令公司有信心实现显著超越市场的增长。

问：关于TAM的构成，请问在agentic、标准服务器和头节点之间是如何划分的？另外，鉴于使用一个代理、十个代理或一百个代理可能导致TAM指数级增长，AMD是如何估算TAM数字的？

答：公司高管表示，在远期年份，agentic部分（沙盒应用）预计将占TAM的大约50%，其余为通用部分。关于TAM估算方法，是通过与客户交流及分析自身工作流程得出。Lisa Su补充，随着AI工作负载演变，CPU与GPU的比例将发生变化。在头节点场景中，当前的CPU/GPU比约为某一水平，但进入agentic阶段后该比例将收紧，并预期CPU比例将超过1，甚至达到2个CPU配1个GPU。尽管确切比例难以预测，但整体工作负载需要更多CPU进行编排的趋势明显。

问：关于Helios的产能爬坡，根据您的评论，似乎是将在Q4而非Q3启动，能否澄清确切时间？另外，关于Anthropic，您提到第一个千兆瓦将于2027年上半年开始部署，请问第一个千兆瓦是否能在2027年内全部完成？还是会延伸至更晚？以及此前提到的每GW 150亿至200亿美元的内容价值是否仍然适用？

答：Lisa Su澄清，Helios系统将于第三季度（九月）开始首次发货，随后在Q4和明年上半年继续爬坡。该爬坡计划是为了确保ODM厂商能充分调试制造流程，并契合主要客户的数据中心建设计划。关于Anthropic合作，首个千兆瓦规模将于2027年上半年启动发货，公司计划尽可能在2027年内完成大部分部署，但具体取决于数据中心准备情况。对于内容价值，公司未对具体客户置评。

问：在比较Venice与ARM生态系统时，会议中提到了一些性能和效率数据，请进一步说明，并分享AMD相对于市场上ARM解决方案的市场份额预期。

答：公司高管表示，Venice产品家族在多种工作负载和部署场景中表现出色，实现了每核、每插槽及整体吞吐量的最高性能，同时具备卓越的功耗性能效率。AMD的策略是针对广泛工作负载提供最佳CPU，而不局限于单一架构。相比之下，ARM解决方案往往针对特定工作点进行优化，而AMD的完整产品组合更能适应多样化需求。Lisa Su补充，AMD在各大云服务商中的部署已取得良好进展，Venice将推动市场份额进一步增长，这不仅是由于市场扩大，更是因为客户希望在更多工作负载上采用AMD，AMD正成为跨多种工作负载的CPU合作伙伴。

问：关于与Anthropic的合作，新闻稿中对MI450的2千兆瓦描述非常具体，请谈谈该交易是如何达成的？此外，鉴于其措辞不同于与OpenAI和Meta的交易，是否应假定此为多代际合作？

答：Lisa Su解释，每项大型战略合作都不同。与Anthropic宣布的合作专注于MI450，规模最高达2千兆瓦，其中首个千兆瓦计划于2027年尽快交付。关于多代际合作，客户通常不希望只投入单一世代产品，因为整合工作量很大。公司正与所有大客户（包括Anthropic）积极探讨MI450之后的产品，MI500和MI600均获得积极反馈。类似EPYC的发展路径，合作从深度关系开始，逐步扩展至更多工作负载。与以往不同的是，当前合作均是从大规模部署起步，以摊薄工程投入。

问：Josh提到Anthropic交易后，请进一步谈谈AMD与Anthropic在Claude上的合作细节？

答：Vamsi Boppana表示，公司通过开源和抽象策略使平台更易访问，这帮助Anthropic快速掌握了AMD的工具链和指令集。此外，双方正合作对Claude进行调优和扩展，以针对AMD平台实现高性能优化，在已有的良好基础上进一步提升。

问：关于与Cerebras的合作，能否谈谈整合的紧密程度？特别是在您提到的disaggregated工作负载方面，双方需要多紧密的合作才能处理？

答：Vamsi Boppana表示，与Cerebras的合作进展顺利。基于MI350的合作已取得成果，AMD实验室已完成MI350与Cerebras晶圆级引擎的集成运行，disaggregation软件栈也表现良好，性能优异。这为公司下一步在Helios系统上的合作提供了信心，Helios的早期分析和模拟正在推进。预计基于Cerebras Cloud的初始token服务将于今年年底部署。

问：关于ROCm AI软件，相对于CUDA，您如何看待其在运行应用方面的颠覆性或影响？它是革命性的还是进化性的？是否有助于拉平开发者生态的竞争环境？

答：Vamsi Boppana认为，ROCm AI是公司自战略确立以来最大的飞跃。虽然不会在某个日期一夜改变，但当前正在发生转折，未来数月与OpenAI、Anthropic等实验室的合作将使平台的可访问性显著差异化。CODEC和Claude在AMD平台上的优化将大幅提升开发者生产力，从而缩小与CUDA生态的差距。

问：考虑到新的TAM展望，您认为最大的风险是什么？特别是客户获取数据中心电力的能力，或公司获取制造产能（如晶圆）的能力，这些因素如何纳入您的TAM预期？

答：Lisa Su表示，在制定TAM展望时已综合考虑多方面因素，包括整体需求、电力可用性的提升节奏以及供应商增加产能的速度。短期内，公司已为2027和2028年的显著增长规划了充足产能。长期而言，增长需要整个生态系统协调一致。近期最大的变化是CPU TAM的加速增长要求调整整体产能，但公司与供应链合作伙伴关系稳固，正看到大量新增产能陆续投产，足以支撑更大的TAM。

问：关于建立大规模rack配置的能力，假设与Meta、OpenAI及Anthropic共签署了6千兆瓦的部署，公司从千兆瓦每季度的角度来看，部署速度如何？能够多快建立如此庞大的容量？

答：公司高管表示，AMD正与主要OEM和ODM合作伙伴紧密合作，确保具备充足的制造能力来构建、测试和交付高质量机架，以支持在数据中心的快速部署。公司通过收购获得的服务团队正用于内部部署及协助客户快速上线MI350和MI455系统。Lisa Su补充，AMD现与客户深度协作规划数据中心电力，整个过程需要12至18个月的提前准备，这与以往仅接订单的模式已大不相同。

问：关于路线图中提到的网络规模，您提到了MI 500将采用光学和铜缆，请问市场和生态系统是否已为明年的光学技术做好准备？如果已准备好，AMD是否拥有支持该技术所需的所有部分？另外，您强调了UEC和UA Link，未来将支持哪种scale-up互连协议？

答：公司高管表示，MI500世代将开始引入光学连接，从纯电气互连逐步过渡，但这个过程是渐进的。AMD与多家生态系统伙伴合作并在光学领域进行了长期投资，有信心顺利开启过渡。长期目标是实现 CPO， 光学成为机架内外部连接的骨干。在scale-up协议方面，MI450支持通过以太网传输的UA Link，并借助UEC（超以太网联盟）的扩展特性。该协议预计将延续至MI 500，但同时公司也在研究其他方案。

问：关于MI 500的产能爬坡，HBM内存内容是其token经济性能的重要部分。由于内存可用性，您的一些同行已削减了未来的HBM内存内容。请问AMD对MI 500内存内容增加的想法在过去六个月是否有所改变或演进？

答：Vamsi Boppana解释，AMD在权衡工作负载时优先考虑带宽，因为带宽对性能提升更具普遍性；容量则是次级考虑。得益于chiplet架构的灵活性，AMD能在保持带宽优势的同时优化容量配置，这构成了独特的竞争优势。Lisa Su补充，chiplet架构带来的灵活性确实是优势，且MI450凭借更大内存容量在推理性能上获益。展望未来，公司将持续进行内存优化，以确保所有内存都能被客户有效利用，从而在系统总拥有成本（TCO）中实现最优价值。内存极为重要，但公司会确保每一份内存投入都物有所值。

问：关于ROCm AI，您内部使用AI的情况如何？业界有提及相当于半个员工薪水的指标，AMD是否追踪类似指标？另外，能否谈谈在day 0支持和自动化方面的进展，以及AI在AMD其他领域的使用情况？

答：Vamsi Boppana指出，在ROCm AI开发中，内部已广泛使用AI加速，例如profiler和debugger等功能的开发周期显著缩短。对外，从8月起，AMD平台将原生支持AI代理，使开发者能更方便地进行性能优化和模型部署。ROCm团队几乎全员采用AI辅助开发。Lisa Su补充，AI在AMD内部的使用量快速增长，不仅token数量上升，产出质量也持续提升。AI已深度融入硬件和软件开发流程，与Anthropic、OpenAI等公司的合作进一步加快了AI应用的步伐。

问：您在开场演示中提到了35 quadrillion tokens这一巨大数字，这个在当前环境下非常高的数字已引发广泛讨论。请问AMD是如何在生态系统合作伙伴的交流之外预测需求的？是否有基本的方法论来思考在当前的算力成本下，token使用将如何演变？许多投资者担忧行业的周期性，这正源于此类问题。

答：Lisa Su表示，AMD预测需求采用整体方法，基于客户交流、工作负载分析、采用率趋势，并审视客户自由现金流以确保资本支撑。将所有这些因素综合后，历次预测看似激进，但市场实际增长更快，当前产品组合各部分均呈现强劲需求，从而为更高的近期市场预测提供信心。尽管如此，公司承认预测无法做到完美，但方法是自洽的，即同步考虑电力可用性、供应能力、资本投入和生产力闭环等制约条件。

（完）