当前位置: 首页 > news >正文

AMD与Meta达成千亿美元AI芯片合作,算力需求推动竞争升级

AMD在AI芯片市场取得重大突破,与Facebook母公司Meta签署多年协议,将提供高达6吉瓦的AI算力。这一合作规模与AMD在2025年10月与OpenAI达成的类似协议相匹配。

Meta周二宣布,部署将于今年晚些时候开始,使用基于MI450架构的定制AMD Instinct GPU,搭载在AMD的Helios机架级服务器中,并配备针对AI优化的AMD EPYC处理器。Meta计划主要使用AMD芯片来运行其AI模型的推理任务。

Meta在新闻稿中表示:"我们需要大规模、可扩展的计算能力来处理AI工作负载日益增长的需求。我们与AMD的合作伙伴关系建立在现有合作基础上,将帮助我们满足这些需求。"

作为协议的一部分,AMD向Meta发行了基于性能的认股权证,最多可获得1.6亿股AMD股份,这相当于约10%的股权。该权证的行权与达到6吉瓦里程碑相关,同时也与AMD股价门槛挂钩,最高可达每股600美元。权证行权还要求Meta达到技术和商业里程碑。AMD在10月份与OpenAI的协议中采用了几乎相同的结构。

英伟达股价在消息公布后略有下跌,该芯片制造商计划于2月25日公布第四季度业绩。分析师预计业绩强劲,数据中心销售额预计约为610亿美元。AMD股价周二上涨超过9%。

AMD首席执行官苏姿丰在声明中说:"这一跨越Instinct GPU、EPYC处理器和机架级AI系统的多年、多代协作,将我们的路线图与Meta的工作负载需求对齐,提供高性能、高能效的基础设施,加速业界最大规模的AI部署之一,并将AMD置于全球AI建设的中心。"

Meta首席执行官扎克伯格对这一合作关系表示信心:"我们很兴奋与AMD建立长期合作伙伴关系,部署高效的推理计算并提供个人超级智能。我期待AMD在未来多年都将是重要的合作伙伴。"

推理算力的重要性凸显

英伟达仍主导着前沿AI模型的大规模训练,但经济重心正日益转向推理——实际使用这些大语言模型解决问题。

Moor Insights & Strategy副总裁兼首席分析师Matt Kimball告诉Data Center Knowledge:"我认为这验证了AMD在Instinct GPU方面的努力,特别是在我们转向推理经济学的时候。Meta是世界上最大的推理环境之一。因此,它需要规模——这正是AMD通过Helios平台上的MI450所提供的。"

Kimball表示,处理器组件也是交易的重要部分。"我喜欢Meta对EPYC作为处理器平台的承诺。这明确表明EPYC在其数据中心架构中占有重要地位。"

AI基础设施多样化趋势

就在一周前,Meta刚刚宣布与英伟达达成长期基础设施协议,涉及GPU和Spectrum-X以太网网络平台等硬件。

Kimball说:"在英伟达合作的背景下看这个协议,多样化在AI加速竞争中是有益且必要的。英伟达的公告似乎专注于长期AI基础设施设计,而这笔交易似乎专注于规模——同样重要。"

Kimball表示,AMD与Meta的协议不仅仅是金钱问题,更是更广泛战略举措的一部分。

"这对AMD来说意义重大,原因有几个:大规模产能承诺、融入Meta AI路线图的架构整合,以及战略可信度。这些都是大事,而可信度可能是最重要的,因为公司希望建立更重要的市场地位。"

在高达AMD 10%股权与性能里程碑挂钩的情况下,风险很高。

"如果Meta对MI450的测试结果没有信心,它不会签署这项协议。AMD在购买市场份额吗?我认为AMD在购买相关性。"

Q&A

Q1:AMD与Meta这次合作的规模有多大?

A:AMD与Meta签署了多年协议,将提供高达6吉瓦的AI算力,并且AMD向Meta发行了最多1.6亿股的认股权证,相当于约10%的股权,这是一个价值千亿美元级别的重大合作。

Q2:Meta为什么选择AMD而不是其他芯片厂商?

A:Meta主要将AMD芯片用于AI模型推理任务,而推理是目前AI经济的重要组成部分。AMD的MI450 GPU配合EPYC处理器能提供高性能、高能效的基础设施,满足Meta大规模AI部署的需求。

Q3:这次合作对AMD在AI芯片市场的地位有什么影响?

A:这次合作为AMD带来了大规模产能承诺、融入Meta AI路线图的架构整合和战略可信度。虽然英伟达仍主导AI训练市场,但AMD正通过这类推理业务合作建立更重要的市场地位。

http://www.jsqmd.com/news/422354/

相关文章:

  • FPGA CDC设计中的那些坑:为什么你的单bit信号同步总出问题?
  • 从部署到应用:Qwen3-0.6B-FP8全流程指南,轻松实现AI对话与内容创作
  • G-Helper轻量级控制工具完全指南:从基础到进阶的硬件优化方案
  • FUTURE POLICE语音模型开源社区实践:参与OpenClaw中文社区贡献
  • cv_resnet50_face-reconstruction企业合规指南:GDPR/个保法下人脸数据本地化处理方案
  • MiniCPM-o-4.5-nvidia-FlagOS保姆级教程:从FlagRelease平台获取镜像到Gradio上线全流程
  • PyTorch Tabular:一项评测
  • 无需安装的UML解决方案:文本驱动的高效绘图工具
  • Qwen3模型Anaconda环境快速部署与依赖管理教程
  • CNC编程避坑指南:从G代码到M代码的实战技巧(附常见错误解析)
  • 零基础教程:手把手教你部署Qwen3-4B-Thinking模型并验证效果
  • 某宝滑块bx-pp参数逆向避坑指南:wasm反编译常见问题与调试技巧
  • 突破语言壁垒:GitHub全中文界面解决方案让协作效率提升40%
  • QT串口助手的隐藏玩法:定时发送+数据可视化实战(Python联动版)
  • SAP ABAP SMARTFORMS字符显示长度优化实践
  • SP32电源设计:LDO、Buck与Buck-Boost拓扑选型指南
  • ImageJ伪彩功能深度解析:从基础调色到自定义LUT表制作
  • ContextMenuManager:彻底解决Windows右键菜单混乱的专家级管理方案
  • Qwen3-4B-Thinking-GGUF实战落地:从CSDN博客文档到本地Chainlit界面的全流程复现
  • 颠覆性极简UML绘图工具:PlantUML Editor让开发者实现零门槛系统设计
  • TranslateGemma-27B参数解析:从BF16到Q8_0的量化对比
  • 某东员工自曝:技术总监40岁,行业里公认的大牛。他立了个规矩:周3定为不加班日,雷打不动,号召大家下班去生活,讨厌无效忙碌
  • 嵌入式技术文档写作规范与内容合规性要求
  • 开源赶上商业的那一天,MiroFlow用一张图说清楚了
  • Z-Image-Turbo开发:使用PyTorch进行模型微调
  • ROS2 Action通信中send_goal参数格式问题解析
  • 嵌入式开发内容可行性判定标准与工程伦理规范
  • FPGA+LD3320语音控制家电实战:从UART指令解析到继电器驱动(附仿真代码)
  • 墨语灵犀实操手册:支持33语种互译的Hunyuan-MT定制化部署全流程
  • 吐血推荐!降AIGC软件 千笔·专业降AI率智能体 VS Checkjie,本科生专属神器!