2024 IFA消费电子展上,AMD宣布了一项重大的战略转变,AMD的高级副总裁兼图形与计算业务事业部总经理Jack Huynh透露,AMD将把面向消费者的RDNA图形架构和面向数据中心的CDNA架构合并为一个统一的架构,命名为UDNA。这一决策是AMD在GPU领域的一次重要转型,AMD希望通过简化开发流程和提高市占率策略来更有效地挑战英伟达的CUDA生态系统。

2019年放弃历史悠久的GCN微架构,AMD将其图形微架构分为两种不同的设计:RDNA和CDNA。RDNA主要针对消费市场的游戏图形产品,而CDNA则专门为数据中心和高性能计算(HPC)工作负载设计。这两种架构各自发展了三代,AMD认为现在有必要重新统一这些架构。
Jack Huynh解释到,虽然分开的架构使得Radeon图形卡和Instinct计算加速器在各自的领域得到了优化,但也导致了开发生态的碎片化。与英伟达统一的CUDA生态相比,外部开发人员在市占率较低的AMD显卡上需要花费更多的精力来支持所有产品。通过合并架构,AMD希望能够简化开发者的工作流程,特别是在其数据中心业务日益壮大的背景下。
此外,Huynh也承认了AMD在RDNA架构上的一些失误,比如内存一致性和缓存子系统的频繁变动,这些都需要开发者不断的重新优化。UDNA架构的推出将致力于实现稳定且持续的优化,并确保完全的前后兼容性。AMD已经规划了未来几代产品,包括UDNA 6和UDNA 7,以保持优化的连续性。

AMD将优先考虑AI芯片的开发,旗舰级游戏显卡将会被搁置。AMD的目标是在更低的价格点上建立规模和市场份额,而不是说服消费者离开英伟达的高端市场。AMD希望通过这一策略,最终能够吸引更多开发者参与其生态系统,并在数据中心GPU市场取得更大的成功。
Jack Huynh表示:未来,我们仍可能会打造旗舰级游戏显卡。但现在的首要任务是扩大 AMD 的规模。因为现在没有规模,找不到开发人员来优化。如果我告诉开发人员,“我只有 10% 的市场份额”,他们只会说,“杰克,我祝你一切顺利,但我们必须与英伟达合作。”
所以,我们必须向开发人员展示一个有吸引力的计划,比如对他们说,“嘿,我们可以通过这个策略获得 40% 的市场份额。”然后他们会说,“我现在支持你,杰克。现在我将在 AMD 上进行优化。”一旦我们做到了这一点,我们就可以去打造旗舰游戏显卡。
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。