芯东西（公众号：aichip001）
作者 | 程茜
编辑 | Panken
芯东西3月26日报道，上周，在AMD AI PC创新峰会上，AMD董事会主席及CEO苏姿丰盛赞AI PC，并秀出了AMD 大举布局AI PC的肌肉。
在技术布局上，AMD利用了三种计算引擎：基于“Zen”架构的CPU，基于AMD RDNA 的集成或独立GPU，以及基于AMD XDNA的AI引擎NPU，来满足对于延迟、计算、功耗等有不同需求的AI应用。
具体来说，AMD高级副总裁、GPU技术与工程研发王启尚在峰会现场重点介绍了4种不同架构，也就是为了满足广泛的AI需求，AMD从云、边缘到终端开发的4种不同架构，其中，Zen主要用于通用处理和AI推理，CDNA用于HPC、AI训练与密集推理，RDNA用于游戏和基于AI的内容开发，XDNA聚焦于低功耗、一直在线的AI推理需求。
随着丰富的大模型应用出现，用户对其的感知更高且需求更为明确时，会有很多工作负载可以在与用户距离更近的边缘端、终端运行。因此，王启尚认为，未来的发展方向会更偏向数据中心运行的基础模型、本地运行的模型相结合的“hybrid AI”（混合人工智能）方式。
在这背后，AMD的优势在于已经全栈布局了面向数据中心、边缘端、终端的技术基础，能覆盖AI从云端到边缘端，甚至终端的生态链，实现端到端优化。
AMD AI PC创新峰会后，芯东西等媒体与AMD高级副总裁、GPU技术与工程研发王启尚进行了深入交流，深入剖析面对AI PC这一新物种，AMD在其中扮演了什么样的角色，以及背后的技术秘籍。
▲AMD高级副总裁、GPU技术与工程研发王启尚
一、3大原因加速推动，AI PC换机潮将涌现
去年，AI PC概念首次出现，并被定义为AI PC元年，IDC的数据预测显示，2024年中国AI PC新机出货占比将超过50%。可以看出，AI PC的市场渗透率正在加速增长。
相比于目前可以在AI PC上使用的生成式AI应用而言，AI PC将会带来一波换机潮。在王启尚看来，这背后涉及三大原因。
首先，AI PC支持本地化使用AI软件和工具，并且能够离线使用。
第二点是具有很好的隐私保护功能，如果用户通过AI来处理一些私人文件和照片时不希望上传到云端去做处理，通过AI PC就可以实现本地化处理，使得用户的AI使用需求得以满足的同时，也确保了个人隐私的保护。
与此同时，相比于通过云端AI处理方案，AI PC则是在本地化进行任务处理，有效解决了延迟问题，提升了效率，因为它不需要像云端作业那样，等待上传和反馈。另外，云端的AI应用也并非免费服务，用户使用AI PC就可以享受到原生本地化AI服务，只需要花费购买电脑的费用，而不需要再为AI应用软件额外付费。
第三点是在内容创作方面，因为AI PC已经具备了基础AI能力。所以，当用户使用办公软件或召开视频会议的时候，不需要再另行加载AI工具进行辅助操作和效果优化，例如制作幻灯片时需要通过AI软件提供灵感支持；召开视频会议时需要美颜效果和背景模糊处理等，AI PC已经内置了这些原生态功能，可以直接帮助用户实现这些基础的AI应用需求。
这背后将AI应用部署到AI PC中时，王启尚解释说，AMD的XDNA架构将AI部署到AI PC上的用户体验中，主要依赖于其特殊的设计和架构。它可以将架构区分成不同的区域，每个区域同时处理任务而互不干扰，这一点是传统的GPU架构所不具备的能力。另外，XDNA的每瓦性能非常高，因此可以在低功耗的条件下执行AI工作任务，并且实现多任务并行处理，带给用户新一代的作用系统和更优质的用户体验。
二、绝对算力+每瓦算力性能提升，应对多元化算力需求
今年年初，OpenAI的文生视频模型亮相，其惊艳的视频生成效果震惊大模型产业。当越来越多能力强大的大模型走向云端或本地时，算力无疑会面临严峻的挑战。
王启尚认为：“我相信未来对算力的要求会越来越高，无论是在云端还是本地。就我个人而言，认为未来的发展方向会更偏向“hybrid AI”（混合人工智能）方式。也就是通过数据中心来进行基础的大模型训练与推理，日常功能性的需求则通过AI PC在本地化进行处理，不再需要将需求上传至云端。这样不但可以实现节能并降低延迟，还可以省去很多花费，又保护了隐私安全。”
此外，他补充道，并不是所有问题都需要通过大型数据中心解决，“混合式AI”是一个不错的解决方案，让云端数据中心和本地化AI PC各自执行相应的任务，这样并不但能解决高功耗问题，还能够提升效率。因此，这也是一个有效解决“电力荒”问题的方案。
谈到Ryzen Al软件平台时，王启尚称，Ryzen AI软件已经具备了定向编译能力，即可以将编译任务指定派发给CPU、GPU或NPU来执行。三者的运算单元各有其自身的优势。AMD希望可以实现智能化编译，通过对任务进行需求分析，根据硬件架构，智能化地分配给CPU、GPU或NPU，使得不同类型的编译需求分配给最适合的角色进行处理，使得CPU、GPU、NPU实现智能联动，充分发挥各自的优势能力。
除了绝对的算力提升外，AMD还在关注每瓦算力性能的平衡。
王启尚提到了数据流架构DataFlow，传统的GPU架构的工作模式是把任务逐层传递，并且在显卡和内存之间反复执行“读”与“写”的动作，使得PC的功耗增大。
而数据流架构则可以并行执行“数据访问”和“数据计算”不需要逐级执行任务，这种架构可以消除指令操作导致的额外时间开销，避免了运算单元和外界显存之间的多次往返交互，从而使得每瓦性能得以提升。
结语：AI PC加速PC产业新周期到来
随着大模型落地部署加速，诸多端侧、边缘侧设备中涌现了承载大模型应用的能力，尤其是作为人们日常的生活、娱乐、工作工具的PC，与大模型有着天然适配性。
作为PC芯片玩家，AMD基于自己丰富的技术布局，对无论基础模型还是在端侧部署的小模型都进行了优化，在此之上，会推动更多具有创新应用的AI PC产品面世。
