大家好，今天小编来为大家解答AMD全面发力AI芯片挑战英伟达，差距还有多大？-51CTO.COM这个问题，很多人还不知道，现在让我们一起来看看吧！

AMD 制造的AI 芯片“几乎”与行业领先的Nvidia AI 芯片一样快。这是Databricks 旗下人工智能软件开发商MosaicML 的一项研究得出的结论。研究发现，AMD的AI芯片在训练大型语言模型和执行其他AI密集型任务时，性能达到了Nvidia同类产品的80%。

MosaicML 将AMD MI250 与Nvidia A100 进行比较并训练不同大小的大型语言模型

Nvidia 的芯片目前在训练人工智能模型中占据主导地位，例如用于运行ChatGPT 或Midjourney 的芯片。这些产品的成功和对计算能力的需求将Nvidia的估值推至1万亿美元，并引发了GPU短缺。

MosaicML对比测试AMD的M1250 GPU与英伟达的A100 GPUMosaicML 最近将AMD 的M1250 GPU 与Nvidia 的A100 GPU 进行了比较。这两款设备均比各自开发的顶级芯片落后一代，用于训练大型语言模型。研究人员发现，AMD 和Nvidia 的芯片在训练模型时都表现良好。 AMD M1250 GPU 的性能约为NVIDIA A100 GPU 的80%。

MosaicML 训练具有10 亿至130 亿个参数的模型，类似于企业中使用的模型，为大型企业数据集的搜索和聚合提供人工智能驱动的工具。他们在具有4 个GPU 的单节点上进行训练，发现MI250 GPU 的吞吐量在A100 GPU 的80% 以内。 MI250 在每秒浮点运算和内存方面略有优势，允许每个GPU 训练更大的模型。

该公司计划在更大的GPU 集群上分析更大的模型，以确认AMD 系统是否可以大规模运行，并正在与超大规模供应商合作。他们还计划创建推理基准，并在两个系统上使用其他模型（例如扩散模型）来测试更广泛的选项。

虽然这两款芯片都不是两家公司的顶级产品，但它们都广泛应用于数据中心和训练人工智能模型。 MosaicML 表示，在Nvidia GPU 供应紧张的情况下，新的机器学习训练硬件对于提高计算可用性是必要的。

软件驱动的AMDMosaicML表示AMD的表现与该公司去年发布的新版本软件有关，该软件与开源AI软件PyTorch交互。 MosaicML首席技术官Hanlin Tang表示，AMD对MI250 GPU的进一步软件更新将使其在年底前达到Nvidia A100 GPU的性能。

他表示，AMD在软件优化方面做得特别好，尽管硬件性能存在差异，但仍能跟上Nvidia的发展。 Tang表示，用户无需更改代码库或重写大型语言模型即可切换到基于AMD的产品。他说，它们本质上是可以互换的。

Tang 表示，AMD 并未委托MosaicML 进行这项研究。 MosaicML 开发的软件旨在让企业更轻松地创建人工智能模型并在内部对其进行训练，而不是依赖OpenAI 或其他大型人工智能实验室的工具。他指出，这项研究旨在表明英伟达芯片有替代品。

他表示：“总体而言，我们对人工智能训练硬件的未来市场非常乐观。拥有更多的选择意味着更多的计算供应、更低的市场价格，并最终为想要训练自己模型的用户带来更低的价格。成本。”

Databricks透露，最近斥资13亿美元收购了MosaicML，这是该公司构建企业级开源AI模型生态系统的更广泛努力的一部分。两家公司都在开发软件工具，以使人工智能算法更小、更便宜地在大型数据集上运行，但MosaicML 软件将用于增强Databricks 的服务。

这份报告发布之际，英特尔最近宣布了从2025 年开始参与人工智能芯片领域竞争的长期计划。该公司正在转变战略，专注于制造与Nvidia 和AMD 的硬件竞争的产品。

英特尔上周宣布其FalconShores芯片将拥有288GB内存并支持8位浮点计算，这对于训练AI模型非常重要。英特尔还声称其Ponte Vecchio AI 芯片的性能优于Nvidia H100。尽管Vecchio AI芯片的供应面临延迟，但它将构成美国阿贡国家实验室最新超级计算机的核心，预计今年发货。

各位老铁们好，相信很多人对AMD全面发力AI芯片挑战英伟达，差距还有多大？-51CTO.COM都不是特别的了解，因此呢，今天就来为大家分享下关于AMD全面发力AI芯片挑战英伟达，差距还有多大？-51CTO.COM以及的问题知识，还望可以帮助大家，解决大家的一些困惑，下面一起来看看吧！