在芝加哥举行的 SC26 超算大会上,AMD 公开质疑英伟达数据中心 GPU 缺乏原生 FP64 支持,并借机宣传其 Instinct MI430X 加速器在双精度计算上的优势。FP64 即双精度浮点运算,长期用于高性能科学计算与模拟,也是 SC26 的核心议题之一。AMD 认为,对于仍需要原生 FP64 的国家实验室和超算中心,MI430X 提供了更合适的基础。

过去几年,英伟达将数据中心 GPU 的芯片面积更多分配给低精度矩阵运算,以服务 AI 推理需求。由于 AI 算力市场快速扩张,而大型超算对双精度需求相对平稳,这一取舍在商业上可以理解。为弥补原生 FP64 的缺失,英伟达采用 Ozaki 方案 等技术来模拟 FP64 运算。但 AMD 认为,这种模拟远不能替代原生双精度处理。

AMD 给出的理由包括:Ozaki 模拟假设工作负载接近稠密通用矩阵乘法(GEMM),而该公司自己的应用分析显示,不足 10% 的 HPC 工作负载执行稠密 GEMM 运算。对于稀疏迭代线性代数、模板计算与流体力学、高阶有限元分析、蒙特卡洛与粒子输运以及经典分子动力学等任务,AMD 表示开发者仍需强大的 FP64 向量性能才能获得最佳结果。即便工作负载适合 GEMM,矩阵尺寸也必须足够大才能发挥性能,且操作数需与硬件良好匹配,否则性能会下降。AMD 称 MI430X 的 FP64 向量数学能力不受这些操作数尺寸问题影响。

此外,AMD 指出,使用 Ozaki 模拟方法可能使应用内存占用膨胀,所需容量最高可达原生 FP64 的 三倍。在现代超算中,HBM 容量与 GPU 直接绑定,若机器只能模拟 FP64 运算,可能连锁影响所需 GPU 和计算节点数量,进而对占地面积、供电和冷却带来挑战。AMD 表示,MI430X 每节点提供 432GB HBM4 内存,客户可减少 GPU 与计算节点部署,节省网络、电力和空间。

除了 FP64 HPC 性能,AMD 还将基于 MI430X 的超算定位为 AI 推理平台,用于科研过程中结合模型的工作负载。不过,这类系统与同属 CDNA 5 架构、基于 MI455X GPU 的 Helios 机架级加速器存在关键差异。每颗 MI430X 提供 9.2 PFLOPS 的理论 FP4 推理算力,而每颗面向 AI 的 MI455X 加速器 FP4 算力高达 40.3 PFLOPS。在互连方面,四颗 MI430X 通过 Infinity Fabric 与第六代 EPYC 主机 CPU 耦合,原生 scale-up 域大小为四颗;而 Helios 机架内 72 颗 MI455X 的域规模远大于此。AMD 称,MI430X 的互连更针对延迟敏感型操作,而非大规模 scale-up 域。

当然,不同客户需求各异,机构超算通常不会兼做云推理提供商。对于 AI 模型能在四颗 MI430X 协同提供的 1.72 TB 聚合 HBM4 容量和 93.2 TB/s 内存带宽(scale-up 带宽 12.3 Tbps)内良好运行的科研人员,每节点推理性能可能足以支撑与双精度计算并行的 AI 应用。

MI430X 已获得多套超算设计采用,包括橡树岭国家实验室即将部署的 Discovery 超算、法国的 Alice Recoque 系统、芬兰 CSC 的 LUMI-AI 系统以及德国的 Herder 系统。在英伟达逐步淡化原生 FP64 之际,AMD 继续支持该能力,这无疑会成为其架构师和工程师的骄傲,尽管这些机构超算的规模仍将远小于全球由 AMD 和英伟达驱动的 AI 推理设施。AMD 的半定制芯片设计能力和 chiplet 经验,使其能够灵活地为这类专业市场定制产品,而非追求一刀切方案。