上周，AMD宣布准备在数据中心的GPU领域与Nvidia较量。过去几年，AMD为了生存，基本上忽略了这个市场。2020欧洲杯预赛但现在，在新的CPU业务的支撑下，AMD已准备好与英伟达展开竞争。
这似乎是一项艰巨的任务。或者是不切实际的。过去十年，英伟达一直在为人工智能(AI)和高性能计算(HPC)而努力，但事实证明AMD也有一些优势。
首先，它拥有一个CPU和GPU业务，可以用英伟达(Nvidia)和英特尔(Intel)无法做到的方式将二者捆绑在一起。是的，英特尔有一个GPU产品线，但它们是与消费者cpu集成的，而不是在Xeons上。Nvidia没有x86行。
AMD下一代Epyc服务器处理器
AMD正在准备代号为“罗马”的下一代Epyc服务器处理器，它们看起来像怪物:
- 7nm的设计，而英特尔仍然停留在14nm。这意味着，在相同的芯片空间内，晶体管数量是现有芯片和英特尔Xeon的两倍，这意味着性能会更好。
- 64个内核，每个套接字有128个线程。
- 在每个芯片中间的一个I/O芯片，用来处理DDR4、无穷大结构、PCIe和其他I/O。
- PCIe Gen4支持，提供两倍的带宽PCIe 3。
- 极大地提高了无限织物的速度，使芯片间和内存通信成为可能。
- 最重要的是，能够连接gpu到CPU和做与CPU的gpu间通信。
epyc2的设计实际上是8个“chiplets”，每个“chiplets”有8个核，由织物连接，与I/O芯片之间的chiplets。然而，CPU和GPU之间的通信是通过PCI Express 4完成的，虽然没有那么快，但仍然非常快，这给了AMD优势。
我学到的一件事是，AMD并没有那么大的劣势，毕竟。事实证明，正是因为Nvidia拥有CUDA语言和巨大的支持基础，CUDA或任何其他专有语言都不需要让gpu承担。
“如果你是第一次走进市场，希望开发一些人工智能算法，那么你要么尝试获取一些软件，要么自己编写。如果你自己写，那么你就用你最舒服的语言，”Jon Peddie Research总裁Jon Peddie说，该公司关注图形市场。
谷歌的张量AI是用C/ c++和Python编写的，他说。用于培训的人工智能应用程序之所以使用CUDA，是因为开发人员了解它，而不是因为它是必要的。
Nvidia的优势
Nvidia的一个优势是容器技术，它可以将用一种语言编写的代码翻译成Nvidia能理解的语言。
“据我所知，AMD没有一个容器，”Peddie说。
英伟达还有其他技术优势。它将张量核放在新的图灵一代gpu中，以提供基本的矩阵数学引擎，就像谷歌的张量处理器所做的那样。这使得图灵生成非常适合矩阵数学，AI训练中的基础数学。
Peddie还指出，英伟达拥有认知度。它的地位堪比英特尔，可以说英伟达已经超越了英特尔。英伟达的股东们肯定会同意。
AMD的“最大的挑战是他们一直面临的挑战:他们能推销吗?”英伟达是你听说过的最强大的品牌之一，与索尼和苹果齐名。”
AMD拥有具有竞争力的gpu，但正如Peddie所说，“他们有弹药。”他们需要想出如何扣动扳机。”