AMD AI PC创新峰会在北京举行。作为AI PC元年全球半导体圈首场以此为主题的活动，AMD展示了自己与合作伙伴在AI PC领域取得的进展：现有30款新的AI PC产品；首次将NPU芯片集成在了台式机处理器中，其算力达到39TOPS；十多种全球和中国开源LLM在设备上运行，超过20个LLM的参数规模在20亿以上，达到720亿……
AMD董事会主席兼执行官苏姿丰现身峰会现场，并为面向下一代人工智能设备的计算引擎划定了战略重点。
合适的计算引擎
在2个小时的活动上，不论是介绍企业战略的苏姿丰，还是介绍AMD技术路线的AMD GPU技术与工程研发副总裁David Wang（王启尚），都强调了一个词：合适。
苏姿丰在演讲中提到，当你看到我们的人工智能硬件产品组合和软件功能时，我们会讨论很多，关键是要为每个市场提供合适的解决方案。
“我们实际上更关注AI PC，这是一个全新的设备类别，我看到的是将PC转变为智能和个性化的设备的能力。”苏姿丰说道。
对于适合AI PC的处理器，David Wang对其再做分类：Zen、RDNA 、XDNA。他介绍，Zen架构主要是用于通用处理和AI推理，RDNA主要是用于游戏和基于AI的内容开发，而XDNA用于低功耗的AI推理。
在针对上述三种架构的介绍中，用于NPU的XDNA架构给记者留下的印象为深刻。David Wang介绍，XDNA的Adaptive dataflow（自适应数据流）架构解决了深层次AI面临的主要挑战：带宽有限、内存消耗大和高功耗。“我们通过自适应互联，将深度的神经网络映射到Custom dataflow（自定义数据流）上。这样就可以减少对于外部内存的访问，从而提高性能和能效。”David Wang介绍，“这就是XDNA能够在电池供应的AI PC上提供AI性能的原因。”
David Wang还介绍了XDNA架构的另外一个主要的优势——special partitioning（空间分区架构）。他说，该架构能够支持多重任务处理，而不会影响服务的品质。他在现场展示了一个：设备上同时执行了深度的预测、眼睛注视的矫正、超分辨率和场景的检测四个AI工作负载。每个空间分区执行一个负载，上述四个应用程序可在互不影响性能的情况下保持服务质量。
NPU的采用，还大大降低了CPU和GPU的工作负载。AMD现场展示了本地文生图、文生文、图生图几项生成式人工智能的应用。现场结果显示，上述几项应用执行过程中，CPU和GPU的负载极低，CPU负荷不超过8%。
David Wang还介绍了Zen4和RDNA两个架构。Zen4采用了AVX-512指令集，以更节能的方式来加速AI推理。从而实现了Int8推理方面的性能提升85%。同时，Zen4还支持BF16，可提供两倍于FP32的性能，同时能够保持与FP32相同的动态范围 （BF16和FP32均为大模型的精度，分别为用16位二进制来表示的浮点数和用32位二进制来表示的浮点数）。这样让开发者能够很便捷地把FP32的模型转换成BF16的模型。
RDNA架构更适用于高性能游戏场景。相较于RDNA2，RDNA3将AI加速器的数量增加了一倍，提供了高达2.3倍的峰值AI性能提升。相比于RDNA2，RDNA3提供了超过1.5倍的每瓦性能和1.8倍的光追性能，使整体的游戏性能提升了1.4倍。
