作者 | 程茜
編輯 | Panken
芯東西3月26日報道，上周，在AMD AI PC創新峰會上，AMD董事會主席及CEO蘇姿豐盛贊AI PC，並秀出了AMD 大舉布局AI PC的肌肉。
在技術布局上，AMD利用了三種計算引擎：基於「Zen」架構的CPU，基於AMD RDNA 的整合或獨立GPU，以及基於AMD XDNA的AI引擎NPU，來滿足對於延遲、計算、功耗等有不同需求的AI套用。
具體來說，AMD高級副總裁、GPU技術與工程研發王啟尚在峰會現場重點介紹了4種不同架構，也就是為了滿足廣泛的AI需求，AMD從雲、邊緣到終端開發的4種不同架構，其中，Zen主要用於通用處理和AI推理，CDNA用於HPC、AI訓練與密集推理，RDNA用於遊戲和基於AI的內容開發，XDNA聚焦於低功耗、一直線上的AI推理需求。
隨著豐富的大模型套用出現，使用者對其的感知更高且需求更為明確時，會有很多工作負載可以在與使用者距離更近的邊緣端、終端執行。因此，王啟尚認為，未來的發展方向會更偏向數據中心執行的基礎模型、本地執行的模型相結合的「hybrid AI」（混合人工智能）方式。
在這背後，AMD的優勢在於已經全棧布局了面向數據中心、邊緣端、終端的技術基礎，能覆蓋AI從雲端到邊緣端，甚至終端的生態鏈，實作端到端最佳化。
AMD AI PC創新峰會後，芯東西等媒體與AMD高級副總裁、GPU技術與工程研發王啟尚進行了深入交流，深入剖析面對AI PC這一新物種，AMD在其中扮演了什麽樣的角色，以及背後的技術秘籍。
▲AMD高級副總裁、GPU技術與工程研發王啟尚
一、3大原因加速推動，AI PC換機潮將湧現
去年，AI PC概念首次出現，並被定義為AI PC元年，IDC的數據預測顯示，2024年中國AI PC新機出貨占比將超過50%。可以看出，AI PC的市場滲透率正在加速增長。
相比於目前可以在AI PC上使用的生成式AI套用而言，AI PC將會帶來一波換機潮。在王啟尚看來，這背後涉及三大原因。
首先，AI PC支持本地化使用AI軟件和工具，並且能夠離線使用。
第二點是具有很好的私密保護功能 ，如果使用者透過AI來處理一些私人檔和照片時不希望上傳到雲端去做處理，透過AI PC就可以實作本地化處理，使得使用者的AI使用需求得以滿足的同時，也確保了個人私密的保護。
與此同時，相比於透過雲端AI處理方案，AI PC則是在本地化進行任務處理，有效解決了延遲問題，提升了效率，因為它不需要像雲端作業那樣，等待上傳和反饋。另外，雲端的AI套用也並非免費服務，使用者使用AI PC就可以享受到原生本地化AI服務，只需要花費購買電腦的費用，而不需要再為AI套用軟件額外付費。
第三點是在內容創作方面，因為 AI PC已經具備了基礎AI能力 。所以，當使用者使用辦公軟件或召開影片會議的時候，不需要再另行載入AI工具進行輔助操作和效果最佳化，例如制作投影片時需要透過AI軟件提供靈感支持；召開影片會議時需要美顏效果和背景模糊處理等，AI PC已經內建了這些原生態功能，可以直接幫助使用者實作這些基礎的AI套用需求。
這背後將AI套用部署到AI PC中時，王啟尚解釋說，AMD的 XDNA架構 將AI部署到AI PC上的使用者體驗中，主要依賴於其特殊的設計和架構。它可以將架構區分成不同的區域，每個區域同時處理任務而互不幹擾，這一點是傳統的GPU架構所不具備的能力。另外，XDNA的每瓦效能非常高，因此可以在低功耗的條件下執行AI工作任務，並且實作多工並列處理，帶給使用者新一代的作用系統和更優質的使用者體驗。
二、絕對算力+每瓦算力效能提升，應對多元化算力需求
今年年初，OpenAI的文生影片模型亮相，其驚艷的影片生成效果震驚大模型產業。當越來越多能力強大的大模型走向雲端或本地時，算力無疑會面臨嚴峻的挑戰。
王啟尚認為：「我相信未來對算力的要求會越來越高，無論是在雲端還是本地。就我個人而言，認為未來的發展方向會更偏向 「hybrid AI」（混合人工智能）方式 。也就是透過數據中心來進行基礎的大模型訓練與推理，日常功能性的需求則透過AI PC在本地化進行處理，不再需要將需求上傳至雲端。這樣不但可以實作節能並降低延遲，還可以省去很多花費，又保護了私密安全。」
此外，他補充道，並不是所有問題都需要透過大型數據中心解決，「混合式AI」是一個不錯的解決方案，讓雲端數據中心和本地化AI PC各自執行相應的任務，這樣並不但能解決高功耗問題，還能夠提升效率。因此，這也是一個有效解決「電力荒」問題的方案。
談到Ryzen Al軟件平台時，王啟尚稱， Ryzen AI軟件 已經具備了定向編譯能力，即可以將編譯任務指定派發給CPU、GPU或NPU來執行。三者的運算單元各有其自身的優勢。AMD希望可以實作智能化編譯，透過對任務進行需求分析，根據硬件架構，智能化地分配給CPU、GPU或NPU，使得不同類別的編譯需求分配給最適合的角色進行處理，使得CPU、GPU、NPU實作智能聯動，充分發揮各自的優勢能力。
除了絕對的算力提升外，AMD還在關註每瓦算力效能的平衡。
王啟尚提到了數據流架構DataFlow，傳統的GPU架構的工作模式是把任務逐層傳遞，並且在顯卡和記憶體之間反復執行「讀」與「寫」的動作，使得PC的功耗增大。
而數據流架構則可以並列執行「數據存取」和「數據計算」不需要逐級執行任務，這種架構可以消除指令操作導致的額外時間開銷，避免了運算單元和外界視訊記憶體之間的多次往返互動，從而使得每瓦效能得以提升。
結語：AI PC加速PC產業新周期到來
隨著大模型落地部署加速，諸多端側、邊緣側器材中湧現了承載大模型套用的能力，尤其是作為人們日常的生活、娛樂、工作工具的PC，與大模型有著天然適配性。
作為PC芯片玩家，AMD基於自己豐富的技術布局，對無論基礎模型還是在端側部署的小模型都進行了最佳化，在此之上，會推動更多具有創新套用的AI PC產品面世。
