即便在硬件规格上优于竞争对手，如英伟达的H100和H200，MI300X的实际性能却未能达到市场预期。SemiAnalysis通过多项基准测试发现，MI300X在实际应用中表现不如理论值，特别是在AI模型训练过程中，性能受限于软件问题。AMD在AI芯片市場中面臨來自NVIDIA的激烈競爭，而MI300X芯片因軟體缺陷未能充分發揮硬件性能，引發了廣泛關注。近日，芯片顧問機構Semianalysis的報告稱，花了五個月時間才弄清AMD的AI芯片 MI300X ，理論上，MI300X 在規格和總擁有成本 (TCO) 方面應該比 Nvidia 的 H100 和 H200 具有巨大優勢，然而，實際情況是，該芯片的實際性能未達預期。
SemiAnalysis指出，儘管MI300X在硬件配置上具有顯著優勢，如高達1307 TeraFLOPS的FP16精度算力和192GB的HBM3內存，但其軟體層面的問題卻使其難以發揮應有的性能。這些軟體缺陷包括但不限於AI模型訓練的複雜調試需求、開箱即用體驗差以及環境變量的複雜性。
在開箱問題上，MI300X的開箱即用體驗非常糟糕，用戶需要投入大量時間和精力進行手動調試才能正常使用。相比之下，NVIDIA的CUDA技術提供了更高的穩定性和易用性，用戶可以輕鬆上手並開展工作。
即便在硬件規格上優於競爭對手，如英偉達的H100和H200，MI300X的實際性能卻未能達到市場預期。SemiAnalysis通過多項基準測試發現，MI300X在實際應用中表現不如理論值，特別是在AI模型訓練過程中，性能受限於軟體問題。
SemiAnalysis指出，MI300X難以突破NVIDIA的「CUDA護城河」，這使得其在與NVIDIA的競爭中處於不利地位。
MI300X需要大量調試才能使用，SemiAnalysis的研究表明，MI300X在未經大量調試的情況下幾乎無法進行AI模型訓練。這一問題導致用戶在實際使用中面臨諸多困難，進一步限制了其市場競爭力。
SemiAnalysis對AMD MI300X的性能缺陷進行了全面分析，指出其軟體層面的問題是主要瓶頸。儘管硬件配置強大，但軟體生態的不足使得MI300X難以在AI芯片市場中與NVIDIA競爭。
SemiAnalysis建議AMD增加對軟件開發和測試的投入，特別是通過自動化測試和優化默認設置來簡化環境變量，提升用戶體驗。此外，AMD需要學習NVIDIA的做法，持續推出新功能和工具庫以鞏固市場地位。
對此，AMD CEO蘇姿豐表示，AMD非常感謝Semianalysis等機構提供的建設性反饋，並承認公司在軟件開發和測試方面確實存在不足。爲了改善這一狀況，AMD已經投入大量資源進行優化，包括配置數千顆MI300X芯片進行全面的自動化測試，以簡化複雜的環境變量並實現「開箱即用」的便捷性。
蘇姿豐與Semianalysis首席分析師Dylan Patel進行了長達1.5小時的深入討論，探討了AMD在軟體領域的不足及未來的改進方向。她坦言，儘管AMD在硬件性能上取得了顯著進步，但在軟體層面的優化和穩定性仍需加強。
蘇姿豐表示，「感謝Dylan與我進行了具有建設性的對話。即便是批評性的反饋，也是一份寶貴的禮物。」她還提到，2025年AMD將推出多項涉及AI領域的重大計劃，顯示出公司對未來發展的信心和決心。
儘管AMD在硬件方面具有一定的優勢，但軟體生態系統的不完善仍然是制約其市場競爭力的關鍵因素。業界普遍認爲，AI芯片不僅需要強大的硬件支持，更需要高質量的軟體配合。只有通過改善軟體體驗，AMD才能在競爭激烈的AI芯片市場中嶄露頭角。
內容來源於電子工程專輯