AMD已經不止一次使用「together we advance_」這個前綴作為主題，希望可以在各個層面都可以實現「同超越，共成就_」。
自2017年AMD回歸數據中心處理器，到去年已經提供了第四代AMD EPYC（霄龍）處理器，幫助雲、企業和高性能計算等關鍵應用負載。今年，AMD首席執行官蘇姿豐（Lisa Su）也沒有讓我們失望，搶先帶來了包括CPU和GPU在內的一系列更新。
迎來專注云原生的Bergamo
2022年，AMD發布了Zen 4架構的AMD EPYC處理器「Genoa」，Genoa在市場上一直有良好的表現，雲工作負載中的性能是競品處理器的1.8倍，企業工作負載中的速度是競品處理器的1.9倍。
從2018年開始，亞馬遜雲科技就與AMD展開了合作，這次亞馬遜雲科技不僅展示了AMD實例在成本和性能上的優勢，同時還宣布正在使用AWS Nitro和第四代EPYC Genoa處理器構建新實例Amazon EC2 M7a，目前Amazon EC2 M7a實例已經提供預覽版，性能比M6a實例高出50%。AMD也會使用Amazon EC2 M7a實例處理內部的工作負載，包括晶片設計 EDA軟體等。
今年，AMD在計算基礎設施上又針對數據中心工作負載進行了優化，因為越來越多的應用都是雲原生，AMD也帶來了以吞吐量為導向，擁有最高終端密度和效率的AMD EPYC 97X4處理器「Bergamo」。
如果說Genoa是專注於通用的工作負載，Bergamo則專注於雲伺服器和數據中心，適用於雲原生工作負載。
AMD EPYC Bergamo有高達128個核心，每個插槽有多達256個線程，一個普通的2U 4節點平台將有2048個線程。其是由820億個電晶體組成，在儘可能小的空間內容納儘可能多的計算能力，可提供一致的x86 ISA支持，最高的vCPU密度。AMD預計Bergamo在5年內將占所有數據中心處理器銷售額的25%以上。
此次AMD EPYC Bergamo將Zen 4核心替換為Zen 4c，Zen 4c提供比Zen 4更高的密度，同時保持100%的軟體兼容性。AMD優化了高速緩存層次結構，並進行了其他調整，從而節省了35%的裸片面積。CCD核心數量從8個增加到16個，CCD總數從12個減少到8個。
基於Zen 4c的Bergamo EPYC 9704系列處理器現已上市，目前包括EPYC 9754、EPYC 9754S、EPYC 9734三個型號。戴爾PowerEdge系列伺服器已經實現支持，同時Bergamo處理器正在向大型雲計算客戶批量出貨，Meta就計劃在基礎架構中使用 Bergamo，它的性能比上一代Milan晶片高出2.5倍。
除了Bergamo，AMD還帶來了更針對技術計算的「Genoa-X」，以及針對電信和邊緣計算的「Siena」，預計在下半年上市。
Genoa-X配備了3D V-Cache技術，通過在每個CCD頂部堆疊一個64MB L3 V-Cache晶片增加L3 緩存容量，讓Genoa-X可以提供高達1152MB的總L3緩存。Genoa-X與具有相同核心數的友商處理器比較，在各方面都顯示出了更強的優勢。
目前Genoa-X系列三個型號分別是，96核的EPYC 9684X、32核的EPYC 9384X、16核的EPYC 9184X。
Microsoft Azure也宣布最新高性能計算用虛擬機HBv4與Azure HX使用Genoa-X，內存將是前一代3倍，工作負載的性能提升最高達到5.7倍。
1530億電晶體晶片現世MI300X
對於生成式AI，可能現在每個人、每個企業都在關注。Lisa Su說，AI是目前技術的決定性大趨勢。她概述了由大型語言模型 (LLM) 驅動的AI市場存在著巨大的市場機會，導致數據中心AI加速器的TAM到2027年將會達到1500億美元，CAGR將超過50%。
其實在2023年第一季度，AMD就推出了CPU GPU架構的Instinct MI300正式進軍AI訓練端。MI300結合AMD的Zen 4 CPU與CDNA 3 GPU，通過「統一內存架構」突破GPU與CPU之間的數據傳輸速度限制，滿足未來AI訓練和推理中，海量數據計算和傳輸的需求。
今天萬眾矚目的Instinct MI300系列產品又發布了MI300A和MI300X。
MI300A是全球首個為AI和HPC打造的APU加速卡，目前已出樣。其擁有13個小晶片，總共包含1460億個電晶體，採用了24個Zen 4核心、CDNA3 GPU核心和128GB HBM3內存。與 MI250 相比，其提供了8倍的性能和5倍的效率。
MI300X是AMD針對大語言模型優化的版本，擁有12個5nm的小晶片，電晶體數量達到了1530億個。MI300X沒有集成CPU核心，採用了8 個CDNA3 GPU核心和4個IO內存核心設計。內存達到了192GB，內存帶寬為5.2TB/s，Infinity Fabric帶寬為896GB/s。
MI300X提供的HBM（高帶寬內存）密度約為英偉達H100的2.4倍，HBM帶寬則為1.6倍，這讓運行更大的模型成為可能，從而降低成本。
現在在單個GPU上運行一個400億參數的模型，已經不在是幻想。MI300X可以支持400億個參數的Hugging Face AI模型運行，最多可以運行800億個參數的模型，而且使用多個MI300X疊加可以處理更多的參數。
現場Lisa Su演示了在單個MI300X上運行擁有400億個參數的Falcon-40B大型語言模型，寫了一首關於舊金山的詩。
MI300X將在第三季度出樣，第四季度加大生產，以挑戰英偉達在市場重的領先地位。
AMD還發布了新的Instinct平台，可以加快客戶的上市時間，並降低總體開發成本。其基於OCP開放計算標準，將8塊MI300X加速卡並行，可提供總計多達1.5TB HBM3內存。
而且為了突破CUDA這個護城河，AMD正在不斷發展ROCm，這是一套完整的庫和工具，可以優化AI軟體堆棧。不同於專有的CUDA，ROCm軟體棧可與模型、庫、框架和工具的開放生態系統兼容。AMD總裁Victor Peng也希望，未來在AI軟體生態系統開發中持續採用「開放（軟體方法）、經過驗證（AI能力）、就緒（支持AI模型）」的理念。
