AMD 发布 CDNA 4 架构: HBM3E 加持, 聚焦提升 AI 负载能力

IT之家6月19日消息，科技媒体chipsandcheese昨日（6月18日）发布博文，报道称AMD正式发布CDNA4架构，在保持在通用向量运算领域的优势外，主要聚焦提升低精度数据类型的矩阵乘法性能，以强化人工智能（AI）工作负载处理能力。

CDNA4延续了CDNA3的模块化设计，采用类似CPU的芯粒（chiplet）布局。每个计算芯片单元（XCD）搭载CDNA计算单元（CU），通过四块基底芯片整合八块XCD，形成包含256MB内存侧缓存的完整GPU架构。

与CDNA3的MI300X相比，CDNA4的MI355X通过减少单XCD的CU数量并关闭部分单元以提升良率，但凭借更高时钟频率缩小了性能差距。

在低精度矩阵运算这个AI关键指标中，CDNA4的每CU矩阵吞吐量翻倍，其FP6精度性能与英伟达B200的流式多处理器（SM）持平。

但在8位与16位数据类型中，英伟达仍保持单周期吞吐量优势。然而，AMD凭借更高的CU数量与频率，维持了通用向量运算（如FP32）的绝对领先，单CU仍提供128条FP32运算管线，整体性能远超英伟达Blackwell架构。

CDNA4的核心改进之一是提升本地数据共享（LDS）的容量与带宽。LDS容量从64KB增至160KB，读取带宽翻倍至每周期256字节，并新增“转置读取”指令，优化矩阵乘法的内存访问效率。

尽管英伟达的共享内存（SharedMemory）在单核容量与缓存灵活性上更优（最高228KB可分配为共享内存或L1缓存），但AMD通过40MB全GPULDS容量（B200仅约33MB）弥补了核心级存储的不足。

显存方面，MI355X升级至HBM3E技术，总带宽达8TB/s，容量288GB，显著超越英伟达B200的7.7TB/s与180GB。这一优势在大数据量运算中尤为重要，尤其当AI模型超出显存容量时，AMD的架构可减少数据交换延迟。

该媒体认为AMD的CDNA4延续了CDNA3的“保守进化”路线，类似Zen3到Zen4的迭代逻辑，通过优化而非颠覆性创新巩固优势。其策略聚焦于扩大计算规模与显存带宽，同时针对性补足AI短板。

该媒体认为在提升性能方面，AMD和英伟达的路径差异显著：AMD依赖“大芯片+大缓存”模式，而英伟达更注重显存带宽与单核效率。