1530億晶體管，AMD發(fā)布史上最大、最強(qiáng)芯片！多項(xiàng)指標(biāo)數(shù)倍于H100，打響挑戰(zhàn)英偉達(dá)第一槍！

AMD在7日凌晨 2 點(diǎn)舉辦“Advancing AI”活動中，發(fā)布了Instinct MI300X人工智能加速器和全球首款數(shù)據(jù)中心APU--Instinct MI300A，以充分利用蓬勃發(fā)展的人工智能和高性能計算市場。 受此消息影響，昨日AMD美股收盤大漲9.89%。

AMD 利用有史以來最先進(jìn)的量產(chǎn)技術(shù)打造了 MI300 系列產(chǎn)品，采用 "3.5D "封裝等新技術(shù)生產(chǎn)出兩款多芯片巨型處理器，并稱可在各種 AI 工作負(fù)載中提供與 Nvidia 不相上下的性能。其中有多項(xiàng)性能指標(biāo)評測數(shù)倍于競爭對手英偉達(dá)的H100。AMD 沒有透露其新的奇特芯片的價格，但這些產(chǎn)品現(xiàn)已向眾多 OEM 合作伙伴發(fā)貨。

Instinct MI300 是一種改變游戲規(guī)則的設(shè)計 - 數(shù)據(jù)中心 APU 混合了總共 13 個小芯片，其中許多是 3D 堆疊的，以創(chuàng)建一個具有 24 個 Zen 4 CPU 內(nèi)核并融合了 CDNA 3 圖形引擎和 8 個堆棧的芯片HBM3。總體而言，該芯片擁有 1530 億個晶體管，是 AMD 迄今為止制造的最大芯片。AMD 聲稱該芯片在某些工作負(fù)載中的性能比 Nvidia H100 GPU 高出 4 倍，并宣稱其每瓦性能是其兩倍。

AMD 表示，其 Instinct MI300X GPU 在人工智能推理工作負(fù)載中的性能比 Nidia H100 高出 1.6 倍，并在訓(xùn)練工作中提供類似的性能，從而為業(yè)界提供了急需的 Nvidia GPU 的高性能替代品。此外，這些加速器的 HBM3 內(nèi)存容量是 Nvidia GPU的兩倍以上（每個 192 GB 令人難以置信），使其 MI300X 平臺能夠支持每個系統(tǒng)兩倍以上的 LLM 數(shù)量，并運(yùn)行比 Nvidia H100 HGX 更大的模型。

AMD Instinct MI300X

MI300X代表了 AMD 基于小芯片的設(shè)計方法的頂峰，將八個 12Hi 堆棧的 HBM3 內(nèi)存與八個 3D 堆棧的 5nm CDNA 3 GPU 小芯片（稱為 XCD）融合在四個底層 6nm I/O 芯片上，這些芯片使用 AMD 現(xiàn)已成熟的技術(shù)進(jìn)行連接混合鍵合技術(shù)。

結(jié)果是創(chuàng)造出了一個 750W 的加速器，擁有 304 個計算單元、192GB HBM3 容量和 5.3 TB/s 帶寬。該加速器還具有 256MB Infinity Cache，用作共享 L3 緩存層，以促進(jìn)小芯片之間的通信。AMD 將其將小芯片綁定在一起的封裝技術(shù)稱為“3.5D”，表示 3D 堆疊 GPU 和 I/O 芯片通過混合鍵合融合在一起，并與模塊其余部分的標(biāo)準(zhǔn) 2.5D 封裝（水平連接）相結(jié)合。。我們將更深入地研究下面的架構(gòu)組件。 MI300X 加速器設(shè)計用于在 AMD 的生成式 AI 平臺中以 8 個為一組工作，GPU 之間通過 Infinity Fabric 互聯(lián)實(shí)現(xiàn) 896 GB/s 的吞吐量。該系統(tǒng)擁有 1.5TB 的 HBM3 內(nèi)存，性能高達(dá) 10.4 Petaflops（BF16/FP16）。該系統(tǒng)基于開放計算項(xiàng)目（OCP）通用底板（UBB）設(shè)計標(biāo)準(zhǔn)構(gòu)建，從而簡化了采用過程，特別是對于超大規(guī)模用戶而言。
與 Nvidia 的 H100 HGX 平臺（BF16/FP16）相比，AMD 的 MI300X 平臺內(nèi)存容量增加了 2.4 倍，計算能力提高了 1.3 倍，同時還保持了相當(dāng)?shù)碾p向和單節(jié)點(diǎn)環(huán)帶寬。AMD 為 MI300X 平臺配備了 400GbE 網(wǎng)絡(luò)，并支持多種網(wǎng)卡，而 Nvidia 則傾向于使用其收購 Mellanox 后生產(chǎn)的自有網(wǎng)絡(luò)產(chǎn)品。

一如既往，我們應(yīng)該謹(jǐn)慎對待供應(yīng)商的基準(zhǔn)測試。AMD分享了一系列性能指標(biāo)，顯示其在HPC工作負(fù)載方面的FP64和FP32向量矩陣吞吐量峰值理論值是H100的2.4倍，在人工智能工作負(fù)載方面的TF32、FP16、BF16、FP8和INT8吞吐量峰值理論值是H100的1.3倍，所有這些都是在沒有稀疏性的情況下預(yù)測的（不過MI300X確實(shí)支持稀疏性）。 MI300X 的大內(nèi)存容量和帶寬非常適合推理。AMD 使用 1760 億參數(shù)的 Flash Attention 2 模型聲稱在令牌/秒吞吐量方面比 Nvidia H100 具有 1.6 倍的性能優(yōu)勢，并使用 700 億參數(shù)的 Llama 2 模型來強(qiáng)調(diào) 1.4 倍的聊天延遲優(yōu)勢（從2K 序列長度/128 個令牌工作負(fù)載的開始到結(jié)束）。

AMD 的 MI300X 平臺在 300 億參數(shù) MPT 訓(xùn)練工作負(fù)載中提供的性能與 H100 HGX 系統(tǒng)大致相同，但需要注意的是，此測試并不是加速器的一對一比較。相反，該測試讓八個加速器組相互競爭，因此平臺級功能更像是一個限制因素。無論哪種情況，這種性能都會很快引起受到 Nvidia GPU短缺困擾的行業(yè)的興趣。
在平臺功能方面，AMD 還宣稱，MI300X 平臺的內(nèi)存容量優(yōu)勢允許托管的 300 億參數(shù)訓(xùn)練模型和 700 億數(shù)推理模型數(shù)量是 H100 系統(tǒng)的兩倍。此外，MI300X 平臺還可支持多達(dá) 70B 的訓(xùn)練模型和 2900 億參數(shù)的推理模型，兩者都是 H100 HGX 所支持模型的兩倍。 當(dāng)然，Nvidia 即將推出的 H200 GPU在內(nèi)存容量和帶寬方面將更具競爭力，而計算性能將與現(xiàn)有的 H100 保持相似。Nvidia 要到明年才會開始發(fā)貨 H200，因此與 MI300X 的競爭仍然存在。

AMD Instinct MI300A

AMD Instinct MI300A 是全球首款數(shù)據(jù)中心 APU，這意味著它將 CPU 和 GPU 結(jié)合在同一個封裝中。它將直接與Nvidia 的 Grace Hopper Superchips競爭，后者的 CPU 和 GPU 位于單獨(dú)的芯片封裝中，可以協(xié)同工作。MI300A 已經(jīng)在El Capitan 超級計算機(jī)中取得了顯著的勝利，AMD 已經(jīng)將該芯片運(yùn)送給其合作伙伴。

MI300A使用與 MI300X 相同的基本設(shè)計和方法，但替換為三個 5nm 核心計算芯片 (CCD)，每個核心具有八個 Zen 4 CPU 核心，與 EPYC 和 Ryzen 處理器上的相同，從而取代了兩個 XCD GPU 小芯片。 這使得 MI300A 配備了 24 個線程 CPU 內(nèi)核和分布在 6 個 XCD GPU 小芯片上的 228 個 CDNA 3 計算單元。與 MI300X 一樣，所有計算小芯片均采用混合鍵合方式與四個底層 I/O 芯片 (IOD) 進(jìn)行 3D 堆疊，以實(shí)現(xiàn)遠(yuǎn)超標(biāo)準(zhǔn)芯片封裝技術(shù)所能實(shí)現(xiàn)的帶寬、延遲和能源效率。 AMD 壓縮了內(nèi)存容量，使用了 8 個 8Hi HBM3 堆棧，而不是 MI300X 使用的 8 個 12Hi 堆棧，因此容量從 192GB 降至 128GB。不過，內(nèi)存帶寬仍為 5.3 TB/s。AMD 告訴我們，減少內(nèi)存容量的決定并不是因?yàn)楣幕蛏嵯拗疲幌喾矗@是為目標(biāo) HPC 和 AI 工作負(fù)載量身定制的芯片。無論如何，128GB 的容量和 5.3 TB/s 的吞吐量仍比 Nvidia 的 H100 SXM GPU 高出 1.6 倍。
MI300A 的默認(rèn) TDP 為 350W，但可配置為最高 760W。AMD 根據(jù)使用情況在芯片的 CPU 和 GPU 部分之間動態(tài)分配功率，從而優(yōu)化性能和效率。AMD 盡可能巧妙地重復(fù)利用：MI300A 插入 AMD 的標(biāo)準(zhǔn) LGA6096 插槽，就像 EPYC Genoa 處理器一樣，但該插槽的 SH5 版本與使用 SP5 的 AMD EPYC 處理器在電氣上不兼容。 內(nèi)存空間在 CPU 和 GPU 之間共享，從而消除了數(shù)據(jù)傳輸。該技術(shù)通過消除單元之間的數(shù)據(jù)傳輸來提高性能和能源效率，同時還減少編碼負(fù)擔(dān)。與 MI300X 一樣，該芯片具有中央 256MB Infinity Cache，有助于確保流經(jīng)芯片的數(shù)據(jù)的帶寬和延遲。 AMD 聲稱 FP64 Matrix/DGEMM 和 FP64/FP32 Vector TFLOPS 比 H100 高出 1.8 倍。該公司還聲稱 TF32、FP16、BF16、FP8 和 INT8 與 H100 相同。

AMD聲稱，在OpenFOAM HPCmotorbike測試中，其MI300A比Nvidia的H100快4倍，但這種比較并不理想：H100是GPU，而MI300A的CPU和GPU混合計算通過共享內(nèi)存尋址空間，在這種內(nèi)存密集型、有時是串行的工作負(fù)載中提供了固有優(yōu)勢。如果與Nvidia Grace Hopper GH200超級芯片進(jìn)行比較，效果會更好，該芯片也是將CPU和GPU緊密耦合在一起實(shí)現(xiàn)的，但AMD表示無法找到Nvidia GH200的任何公開OpenFOAM結(jié)果。 AMD 確實(shí)提供了與 Nvidia GH200 的每瓦性能比較數(shù)據(jù)，以強(qiáng)調(diào) 2 倍的優(yōu)勢，這些結(jié)果基于有關(guān) H200 的公開信息。AMD 還強(qiáng)調(diào)了與 H100 在 Mini-Nbody、HPCG 和 Gromacs 基準(zhǔn)測試中的比較，聲稱分別領(lǐng)先 1.2 倍、1.1 倍和 1.1 倍。同樣，對于這組基準(zhǔn)測試，與 GH200 進(jìn)行比較會更理想。

AMD Instinct MI300X 和 MI300A 架構(gòu)

我們介紹了上面設(shè)計的基礎(chǔ)知識，這些細(xì)節(jié)為理解下面的部分提供了重要的視角。

AMD利用臺積電的 3D 混合鍵合 SoIC（集成電路上硅）技術(shù)，在四個底層 I/O 芯片之上對各種計算元件進(jìn)行 3D 堆疊，無論是 CPU CCD（核心計算芯片）還是 GPU XCD。每個 I/O 芯片可以容納兩個 XCD 或三個 CCD。每個 CCD 與現(xiàn)有 EPYC 芯片中使用的 CCD 相同，每個 CCD 擁有八個超線程 Zen 4 核心。MI300A 使用了其中的三個 CCD 和六個 XCD，而 MI300X 使用了八個 XCD。 HBM 堆棧使用采用 2.5D 封裝技術(shù)的標(biāo)準(zhǔn)中介層進(jìn)行連接。AMD 將 2.5D 和 3D 封裝技術(shù)相結(jié)合，使該公司創(chuàng)造了“3.5D”封裝的綽號。每個 I/O 芯片都包含一個 32 通道 HBM3 內(nèi)存控制器，用于托管 8 個 HBM 堆棧中的兩個，從而為該設(shè)備提供了總共 128 個 16 位內(nèi)存通道。MI300X 采用 12Hi HBM3 堆棧，容量為 192GB，而 MI300A 使用 8Hi 堆棧，容量為 128GB。 AMD 還增加了 256MB 的無限緩存總?cè)萘?，分布在所有四個 I/O 芯片上，通過預(yù)取器緩存數(shù)據(jù)流量，從而提高命中率和電源效率，同時減少總線爭用和延遲。這為 CPU 增加了新級別的緩存（概念上是共享 L4），同時為 GPU 提供共享 L3 緩存。Infinity Fabric NoC（片上網(wǎng)絡(luò)）被稱為 AMD Infinity Fabric AP（高級封裝）互連，用于連接 HBM、I/O 子系統(tǒng)和計算。 該芯片總共具有 128 個 PCIe 5.0 連接通道，分布在四個 I/O 芯片上。它們被分為兩組：一組是四個 x16 PCIe 5.0 + 第四代 Infinity Fabric 鏈路的組合，而另一組則有四個專門用于 Infinity Fabric 的 x16 鏈路。后者僅用于將 MI300 相互連接（跨套接字流量）。 MI300X 純粹用作端點(diǎn)設(shè)備 - 它連接到外部 CPU - 因此其 PCIe 根節(jié)點(diǎn)需要充當(dāng)端點(diǎn)設(shè)備。相比之下，MI300A 由于其本機(jī) CPU 內(nèi)核而采用自托管，因此 PCIe 根聯(lián)合體必須充當(dāng)主機(jī)。為了適應(yīng)這兩種場景，AMD 定制的 MI300 I/O 裸片支持來自同一 PCIe 5.0 根節(jié)點(diǎn)的兩種模式，該根節(jié)點(diǎn)是該公司 IP 產(chǎn)品組合的新成員。 AMD 的 CPU CCD 通過 3D 混合鍵合到底層 I/O 芯片，需要新的接口。雖然這與 EPYC 服務(wù)器處理器中的 CCD 相同，但這些芯片通過利用標(biāo)準(zhǔn) 2.5D 封裝的GMI3 (Global Memory Interconnect 3) 接口進(jìn)行通信。對于 MI300，AMD 添加了一個新的焊盤通孔接口，可繞過 GMI3 鏈路，從而提供垂直堆疊芯片所需的 TSV（通過硅通孔）。該接口在雙鏈路寬模式下運(yùn)行。
5nm XCD GPU 芯片標(biāo)志著 AMD GPU 設(shè)計的全面小芯片化。與 MI200 中使用的小芯片表現(xiàn)為兩個獨(dú)立的設(shè)備不同，MI300 小芯片則是表現(xiàn)為一個單片 GPU。

每個 XCD 有 40 個物理 CDNA3 計算單元，但只有 38 個被激活（這有助于解決良率問題）。每個 38-CU 小芯片都有 4MB 共享 L2 (16x 256KB)。XCD 和 IOD 具有硬件輔助機(jī)制，可將作業(yè)分解為更小的部分、分派它們并保持它們同步，從而減少主機(jī)系統(tǒng)開銷。這些單元還具有硬件輔助的緩存一致性。 上圖中的最后一張PPT展示了 CDNA 3 計算單元的增強(qiáng)功能和性能。

每個I/O裸片上連接有兩個XCD，然后連接到兩個HBM3堆棧。這樣，GPU就能與兩個連接的堆棧進(jìn)行私密通信，以緩解帶寬、延遲和一致性問題。不過，每個XCD都可以與任何內(nèi)存堆棧通信（I/O裸片之間的Infinity Fabric連接在PPT的前兩張圖片中以彩色條形直觀顯示）。 當(dāng)然，尋址遠(yuǎn)程堆棧會帶來延遲損失。內(nèi)存事務(wù)傳輸?shù)迷竭h(yuǎn)，就會產(chǎn)生越長的延遲。AMD 指出，直接連接到 IOD 和 XCD 的 HBM 是零跳事務(wù)(zero-hop)，而訪問 IOD 上的不同內(nèi)存堆棧則需要兩跳。最后，訪問相鄰 IOD 上的內(nèi)存堆棧是三跳跳轉(zhuǎn)。兩跳跳轉(zhuǎn)的延遲大約增加 30%，而三跳跳轉(zhuǎn)的延遲則增加 60%。

第三張PPT顯示了 NoC 提供的帶寬，在整個封裝的垂直部分，I/O Dies 之間的帶寬為 1.2 TB/s/dir，而水平數(shù)據(jù)路徑提供的帶寬略高，為 1.5 TB/s/dir，以幫助容納來自 I/O 設(shè)備的額外流量，從而允許 I/O 流量與內(nèi)存流量分開處理。封裝右側(cè)和左側(cè)的 PCIe可從每個 I/O 芯片提供 64 GB/s/dir 的吞吐量。在封裝的頂部和底部，可以看到每個 HBM 堆棧提供 665 GB/s 的吞吐量。

AMD 有多種分區(qū)方案，可將計算單元劃分為不同的邏輯域，就像 EPYC 處理器的 NPS 設(shè)置一樣。這允許將不同的 XCD 分成不同的組以優(yōu)化帶寬，從而最大限度地提高性能并限制“NUMAness”的影響。多種配置范圍從將單元尋址為一個邏輯設(shè)備到將它們尋址為八個不同的設(shè)備，以及多種中間選項(xiàng)，為各種工作負(fù)載提供了足夠的靈活性。

AMD確定 3D 混合鍵合 (SoIC) 是在計算單元和 I/O 芯片之間提供足夠帶寬的唯一現(xiàn)實(shí)途徑。公司在該技術(shù)方面擁有豐富的經(jīng)驗(yàn)；它已經(jīng)應(yīng)用于數(shù)百萬個配備 3D V-Cache的 PC 處理器中。 該公司在這種現(xiàn)已成熟的混合鍵合技術(shù)方面積累的長期經(jīng)驗(yàn)使其有信心在 MI300 處理器中繼續(xù)采用該技術(shù)。與由 3D V-Cache和標(biāo)準(zhǔn)型號組成的 AMD 消費(fèi)類 PC 芯片系列相比，MI300 處理器代表該公司首次在整個產(chǎn)品堆棧中完全依賴該技術(shù)。

總體而言，SoC 連接可在各種 3D 堆疊單元中提供高達(dá) 17 TB/s 的垂直帶寬。SoIC 尺寸為 13x29mm。

專輯最后一張PPT中的剖面圖展示了 3.5D 封裝方法的復(fù)雜性和美妙之處。。它說明了如何從底部使用有機(jī)基板、上方具有金屬布線和 TSV 的 CoWos 無源硅中介層，以及采用混合鍵合（9 微米間距）的 3D 堆疊 IOD 和 XCD 來構(gòu)建封裝。將有機(jī)基板與硅中介層（底部）配合的巨大銅凸塊突出了 3D 堆疊部分的頂部和底部芯片（靠近頂部）之間幾乎不可見的混合鍵合連接是多么小和密集。芯片）。

混合鍵合技術(shù)需要減薄芯片以暴露 TSV，以便它們可以配對。因此，AMD 必須在封裝頂部采用硅墊片以保持結(jié)構(gòu)完整性，就像其他配備 3D V-Cache 的處理器一樣。

AMD高級副總裁、AMD公司院士兼產(chǎn)品技術(shù)架構(gòu)師Sam Naffziger介紹了團(tuán)隊(duì)在設(shè)計階段遇到的一些挑戰(zhàn)。 巧妙的IP重用一直是AMD小芯片戰(zhàn)略的基石，MI300也不例外。MI300 團(tuán)隊(duì)沒有資源為 MI300 構(gòu)建全新的 CPU CCD，因此他們要求該公司的 CCD 團(tuán)隊(duì)在設(shè)計階段的早期將 3D 接口 (TSV) 添加到 EPYC CCD。令人驚訝的是，工程團(tuán)隊(duì)找到了一種將連接塞入現(xiàn)有 GMI 接口之間的方法。

在第一張幻燈片中，您可以看到兩個小藍(lán)點(diǎn)代表 TSV 的總面積，而點(diǎn)兩側(cè)的大橙色矩形塊是用于 2.5D 封裝的標(biāo)準(zhǔn) GMI3 接口。這說明了 SoIC 技術(shù)的密度和面積效率是多么令人難以置信。AMD 還添加了一些門、開關(guān)和多路復(fù)用器，以允許信號從 GMI3 接口重新路由到 3D 接口。

AMD創(chuàng)建了 I/O Die的鏡像版本，以確保它們可以旋轉(zhuǎn)到正確的位置，同時確保 XCD 中的內(nèi)存控制器和其他接口仍然正確對齊。工程團(tuán)隊(duì)對稱地設(shè)計了接口/信號和電源連接，從而允許小芯片旋轉(zhuǎn)，如第二張圖所示。

然而，雖然 AMD 專門為 MI300 從頭開始設(shè)計了 I/O Die，但該團(tuán)隊(duì)必須采用 EPYC 的現(xiàn)有 CCD 設(shè)計。他們不想為 CCD 創(chuàng)建鏡面掩模組，這在此類設(shè)計中通常是必需的，以確保正確的接口對齊，因?yàn)檫@會增加設(shè)計的成本和復(fù)雜性。然而，其中兩個 CCD 需要旋轉(zhuǎn) 180 度才能確保正確對齊。然而，CCD的外部接口設(shè)計不對稱，因此帶來了挑戰(zhàn)。

如第三張幻燈片所示，AMD 通過在 I/O Die上的鍵合焊盤通孔 (BPV) 連接點(diǎn)添加一些冗余來克服這一挑戰(zhàn)，從而允許 CCD 僅旋轉(zhuǎn)而不是鏡像。

不過，供電輸送仍然是一個挑戰(zhàn)。TSV 是非常小的銅插頭，AMD 需要為位于 I/O Die頂部的計算芯片提供數(shù)百安培的電源。細(xì)小的 TSV 不太適合這項(xiàng)工作，因此它們需要大量的連接來供電。AMD 設(shè)計了一種新的電網(wǎng)來克服這個問題，它滿足了 IR 壓降目標(biāo)，并且沒有超過電流密度限制。

最后，由于 3D 堆疊設(shè)計，該設(shè)計提出了一些新的熱挑戰(zhàn)。通過熱建模，AMD 確定了兩種類型的極端操作條件 - 內(nèi)存密集型和 GPU 密集型 - 然后利用其基于使用模式在單元之間動態(tài)轉(zhuǎn)移功率的行之有效的策略來幫助緩解這些問題。

因此，一個令人難以置信的處理器誕生了。AMD的MI300在相當(dāng)長的一段時間內(nèi)對Nvidia在AI和HPC工作負(fù)載方面的性能主導(dǎo)地位提出了第一次真正的挑戰(zhàn)，AMD堅稱自己有能力滿足需求。在 GPU 短缺的時代，這是一種競爭優(yōu)勢，并且肯定會刺激行業(yè)的快速發(fā)展。AMD 現(xiàn)在正在向其合作伙伴運(yùn)送 MI300 處理器。