科技媒體 chipsandcheese 昨日(6 月 18 日)發布博文，報道稱 AMD 正式發布 CDNA 4 架構，在保持在通用向量運算領域的優勢外，主要聚焦提升低精度數據類型的矩陣乘法性能，以強化人工智能(AI)工作負載處理能力。

　　CDNA 4 延續了 CDNA 3 的模塊化設計，采用類似 CPU 的芯粒(chiplet)布局。每個計算芯片單元(XCD)搭載 CDNA 計算單元(CU)，通過四塊基底芯片整合八塊 XCD，形成包含 256MB 內存側緩存的完整 GPU 架構。

　　與 CDNA 3 的 MI300X 相比，CDNA 4 的 MI355X 通過減少單 XCD 的 CU 數量并關閉部分單元以提升良率，但憑借更高時鐘頻率縮小了性能差距。

　　在低精度矩陣運算這個 AI 關鍵指標中，CDNA 4 的每 CU 矩陣吞吐量翻倍，其 FP6 精度性能與英偉達 B200 的流式多處理器(SM)持平。

　　但在 8 位與 16 位數據類型中，英偉達仍保持單周期吞吐量優勢。然而，AMD 憑借更高的 CU 數量與頻率，維持了通用向量運算(如 FP32)的絕對領先，單 CU 仍提供 128 條 FP32 運算管線，整體性能遠超英偉達 Blackwell 架構。

　　CDNA 4 的核心改進之一是提升本地數據共享(LDS)的容量與帶寬。LDS 容量從 64KB 增至 160KB，讀取帶寬翻倍至每周期 256 字節，并新增“轉置讀取”指令，優化矩陣乘法的內存訪問效率。

　　盡管英偉達的共享內存(Shared Memory)在單核容量與緩存靈活性上更優(最高 228KB 可分配為共享內存或 L1 緩存)，但 AMD 通過 40MB 全 GPU LDS 容量(B200 僅約 33MB)彌補了核心級存儲的不足。

　　顯存方面，MI355X 升級至 HBM3E 技術，總帶寬達 8TB/s，容量 288GB，顯著超越英偉達 B200 的 7.7TB/s 與 180GB。這一優勢在大數據量運算中尤為重要，尤其當 AI 模型超出顯存容量時，AMD 的架構可減少數據交換延遲。

　　該媒體認為 AMD 的 CDNA 4 延續了 CDNA 3 的“保守進化”路線，類似 Zen 3 到 Zen 4 的迭代邏輯，通過優化而非顛覆性創新鞏固優勢。其策略聚焦于擴大計算規模與顯存帶寬，同時針對性補足 AI 短板。

　　該媒體認為在提升性能方面，AMD和英偉達的路徑差異顯著：AMD 依賴“大芯片 + 大緩存”模式，而英偉達更注重顯存帶寬與單核效率。