微软扶持英伟达竞争对手，组建千人团队自研芯片

据知情人士透露，微软公司正在与Advanced Micro Devices Inc.合作，将其扩展到人工智能处理器领域，这是确保获得更多备受追捧的组件的多管齐下战略的一部分。

这些公司正在联手提供 Nvidia Corp. 的替代品，Nvidia Corp. 在称为图形处理单元的 AI 功能芯片市场占据主导地位，因此事未公开而要求匿名的人士表示。这家软件巨头正在为加强 AMD 的努力提供支持，并与芯片制造商合作开发代号为 Athena 的代号为 AI 工作负载的本土 Microsoft 处理器。

AMD 股价周四上涨超过 6.5%，微软上涨约 1%。两家公司的代表均拒绝置评。英伟达股价下跌 1.9%。

这一安排是增强人工智能处理能力的更广泛热潮的一部分，在 ChatGPT 等聊天机器人和其他基于该技术的服务出现爆炸式增长后，人工智能处理能力的需求量很大。微软既是云计算服务的顶级供应商，也是 AI 使用的推动力。该公司已向ChatGPT 制造商 OpenAI注资 100 亿美元，并誓言将此类功能添加到其整个软件阵容中。

此举也反映了微软对芯片行业的深化介入。在过去几年里，该公司一直在英特尔公司前高管拉尼·博卡尔 (Rani Borkar) 的领导下建立一个硅部门，该部门目前拥有近 1,000 名员工。The Information 上个月报道了微软开发 Athena 人工智能芯片的消息。

据其中一位知情人士称，其中数百名员工正在从事 Athena 项目，微软已在其芯片项目上投入了约 20 亿美元。但这项承诺并不预示着与 Nvidia 的分裂。微软打算与这家公司保持密切合作，该公司的芯片是训练和运行人工智能系统的主力军。它还试图找到获得更多 Nvidia 处理器的方法，这凸显了微软和其他公司面临的紧迫短缺。

微软与 OpenAI 的关系——以及它自己新推出的一系列人工智能服务——对计算能力的要求超出了该公司在订购芯片和建立数据中心时的预期水平。OpenAI 的 ChatGPT 服务引起了希望将其用作自己产品或公司应用程序的一部分的企业的兴趣，并且微软推出了基于聊天的 Bing 版本和新的 AI 增强型 Office 工具。

它还更新了旧产品，例如 GitHub 的代码生成工具。所有这些 AI 程序都在 Microsoft 的 Azure 云中运行，并且需要 Nvidia 提供的昂贵而强大的处理器。

该领域也是 AMD 的一个关键优先事项。“我们对人工智能领域的机会感到非常兴奋——这是我们的首要战略重点，”该公司首席执行官苏姿丰在周二的芯片制造商财报电话会议上表示。“我们正处于人工智能计算时代的早期阶段，其采用和增长速度比近代历史上任何其他技术都要快。”

Su 还表示，AMD 有机会为其最大的客户制造部分定制的芯片，用于他们的 AI 数据中心。

博卡在微软的团队也曾研究过服务器和 Surface 计算机的芯片，现在正在优先考虑 Athena 项目。它正在开发可用于训练和运行 AI 模型的图形处理单元。其中一位知情人士说，该产品已经在内部进行测试，最快明年可能会更广泛地提供。

知情人士说，即使该项目制定了时间表，第一个版本也只是一个起点。制造一个好的芯片需要数年时间，而 Nvidia 拥有巨大的领先优势。据报道，Nvidia 是许多生成人工智能工具供应商的首选芯片供应商，包括亚马逊公司的AWS和谷歌云，埃隆·马斯克 (Elon Musk) 已经为其刚刚起步的人工智能业务购买了数千个处理器。

创建 Nvidia 阵容的替代品将是一项具有挑战性的任务。该公司提供可协同工作的软件和硬件包——包括芯片、编程语言、网络设备和服务器——让客户快速升级他们的能力。

这就是 Nvidia 变得如此占据主导地位的原因之一。但微软并不是唯一一家尝试开发内部 AI 处理器的公司。云计算竞争对手亚马逊于 2016 年收购了 Annapurna Labs，并开发了两种不同的 AI 处理器。Alphabet Inc. 旗下的谷歌也有自己的训练芯片。

Victor Peng领队，AMD重组AI团队

AMD 已将多个 AI 团队合并为一个由前 Xilinx 首席执行官 Victor Peng 领导的组织，因为它继续攻击新兴的 AI 市场，不仅包括芯片，还包括从数据中心到边缘的软件。

新的 AMD AI 团队“负责拥有我们的端到端 AI 硬件战略并推动完整软件生态系统的开发，包括优化的库、模型和框架扩展我们的完整产品组合”AMD 首席执行官 Lisa Su 博士在财报说明会中证实。

“我们对我们在 AI 领域的机会感到非常兴奋。这是我们的首要战略重点，我们正在深入参与我们的客户群，为市场带来联合解决方案……我期待分享更多关于我们人工智能进展的信息……随着我们扩大我们的产品组合并发展我们业务的战略部分， ”苏姿丰补充道。

AMD 今年早些时候发布了流行的机器学习PyTorch 2.0框架，其中包括对 AMD Instinct 和 Radeon GPU 的支持，并继续开发自己的 AI 软件。她说，机会遍及企业数据中心、云和嵌入式边缘，但“特别是云机会的美妙之处在于，它的客户不多，工作负载也不多……

“我们正在与我们的客户非常、非常密切地合作，以优化少数产生大量数据的 [AI] 工作负载。这给了我们一个非常明确的目标，即在市场上取胜。” 她说。

Peng 是半导体领域的先驱，名下拥有多项专利，他于 2020 年以 500 亿美元收购 Xilinx 后加入 AMD。在 FPGA 专家 Xilinx 工作 14 年之前，Peng 曾在 AMD 工作，领导中央硅工程团队支持图形、游戏机产品和 CPU 芯片组。

这一转变发生在 AMD 宣布名为 Unified AI Stack 2.0 的统一软件战略一年之后。

这旨在开始为 CPU 整合一个扩展的 AMD AI 软件堆栈，其中包括针对 Linux 和 Windows 优化的推理模型、编译器、库和运行时、用于跨 CPU 和 GPU 并行应用程序的繁重工作的开源 ROCm 平台，以及 Xilinx 的Vitis平台专门的人工智能芯片。

AMD 在 AI 中看到的一个关键机会是其今年晚些时候登陆的 MI300 数据中心加速处理单元 (APU)。AMD 在其 2022 年投资者日首次披露了 MI300（基于台积电的 5nm 工艺），他们承诺，与 AMD Instinct MI200 加速器相比，新的产品AI 训练性能提高 8 倍以上。从设计上看，这是一个结合 AMD CDNA 3 GPU和Zen 4 CPU的突破性 3D 小芯片设计，还集成了高速缓存和 HBM 小芯片 ，适用于 AI 训练和 HPC 等工作负载对领先内存带宽和延迟的要求。

“MI300 是一个改变游戏规则的设计——数据中心 APU 混合了总共 13 个小芯片，其中许多是 3D 堆叠的，以创建一个具有 24 个 Zen 4 CPU 内核、融合了 CDNA 3 图形引擎和 8 个堆栈的芯片。总体而言，这款芯片拥有 1460 亿个晶体管，使其成为 AMD 投入生产的最大芯片”，Toms Hardware 的保罗·奥尔康 (Paul Alcorn) 在今年早些时候在 CES 上接触到一款芯片后指出。

“由于最近对生成人工智能的兴趣，我想说 MI300 的在过去几个月里已经大大扩展，我们对此感到兴奋，”AMD 首席执行官在第一季度财报电话会议上表示。

“我们继续对 MI250 和软件优化进行了大量的库优化，以真正确保我们能够提高整体性能和功能。

“MI300 看起来真的很棒”她说。

我认为从我们所看到的一切来看，工作量也发生了一些变化——而一年前，大部分谈话主要集中在训练上。今天，它已经迁移到某种大型语言模型推理，这对 GPU 尤其有用。因此，我认为从 MI300 的角度来看，我们确实相信我们将在第四季度开始增加云 AI 客户的收入，然后在 2024 年会更有意义，”她补充道。

“我们正在投入更多资源将我们的 Xilinx 和整个 AMD AI 工作整合到一个组织中，这主要是为了加速我们的 AI 软件工作和平台工作。因此，MI3100 的成功是肯定的，这是云中 AI 增长的重要组成部分，”Lisa Su 博士补充道。