从芯片到云端：AMD 携手 AWS — IT 领导者须掌握的核心要点

我拥有近三十年的一线技术工作经验，也曾在 AWS 任职，最近加入了 AMD。然而，我必须承认，即使经验丰富，AMD 销售和工程简报会所涉及的精深技术内容，依然让我晕头转向。如果您也曾全程参加过这类简报会，一定深有体会。

因此，有必要梳理这些深奥的技术概念，并专门用更加通俗易懂的语言为 IT 领导者和想要了解技术原理的决策者解释这些概念，帮助他们更好地理解 AMD 在 AWS 云生态系统中的作用。下面就是我的梳理和解读。

AMD 携手 AWS 的云端发展历程

首先来了解一下背景信息。AMD 于 1969 年在加利福尼亚州桑尼维尔市成立，早期业务聚焦于存储芯片与半导体领域。直到 1975 年，AMD 才推出首款 CPU AM9080 与 AM2900，为公司如今的发展格局奠定了基础。

时间来到 2018 年，AWS 与 AMD 正式展开合作，为客户提供更多超高性价比的云计算解决方案。自 2018 年起，AWS 陆续推出基于各代 EPYC（霄龙）CPU 的实例，涵盖通用型、内存优化型、计算优化型、突发性能型以及高性能计算型实例系列。

AMD EPYC（霄龙）服务器 CPU 并非仅适配 AWS 产品。这些 CPU 广泛应用于各大主流公有云平台，同时 AMD 全面布局云端与本地工作负载，凭借高能效、高性能的计算方案助力客户达成目标。

基于 AMD 处理器的 AWS 实例阵容

• AWS 5a 实例系列（m5a、c5a、r5a）
  这是首批基于 AMD CPU 的 AWS 实例。虽然该系列实例在一些场景下可能仍有价格优势，但已属于老旧方案；该系列实例适合需要在算力、内存和网络之间实现平衡而非需要出色单线程性能的场景，或者适合需要以更低成本实现均衡性能的场景。

• AWS t3a（突发性能型）实例系列
  这是唯一一批基于 AMD CPU 的突发性能型实例系列。该系列实例性价比高，专为 CPU 需求存在波动的工作负载而优化，可提供稳定基准性能，同时在需要时应对性能突发需求。它们非常适合低使用率的工作负载，而非有稳定性能需求或高性能需求的工作负载。如需进一步了解突发性能型实例的工作方式，请访问此处。

• AWS 6a 实例系列（m6a、c6a、r6a）
  AWS 6a 实例是 7a 的前一代，基于 AMD EPYC（霄龙）服务器 CPU 构建，性价比极高。‎

• AWS 7a 实例系列（m7a、c7a、r7a）
  该系列实例基于第四代 AMD EPYC（霄龙）服务器 CPU，与上一代 M6a 相比，性能提高了多达 50%。¹ 评估这些实例时，企业通常看重其更优的性价比和工作负载整合能力。例如，Pinterest 在 2025 年 AWS re:Invent 大会上分享称，根据内部分析，将工作负载迁移至 m7a.4xlarge 实例后，单位成本性能提升了约 35–40%。²

• AWS 8a 实例系列（m8a、c8a、r8a）
  作为 M 实例系列的最新成员，m8a 实例基于第五代 AMD EPYC（霄龙）9005 服务器 CPU，最高频率达 4.5GHz。与 M7a 实例相比，其性能可提升多达 30%，而单位成本性能可提高多达 19%。此外，该系列实例还提供更高内存带宽、更优网络和更大存储吞吐量，以及适用于各类通用工作负载的灵活配置选项。

深入了解更多 AMD 技术概念

让我们来详细了解一些最具价值的 AMD 技术。

小芯片架构：高效智能的模块化架构

与采用单一大型芯片（单片设计）的传统 CPU 不同，AMD EPYC（霄龙）服务器 CPU 由多个小型模块化组件（称为“小芯片”）构成。每个小芯片都拥有专属的 L3 高速缓存和内存总线，而且在 7a 实例中，每个小芯片都包含八个核心。这一点至关重要，因为这种设计能在 EC2 等共享环境中提供强大的隔离能力，有效避免“嘈杂邻居”问题。如果某个实例独占资源，只会影响其所在的小芯片，而不会波及整个 CPU。这种设计能为您的工作负载带来高度稳定的性能，尤其是在虚拟化环境中。

CPU 缓存层级：L1、L2 和 L3
当 CPU 需要数据时，它会先在缓存中查找，然后再访问主内存（主内存速度较慢）。AMD CPU 采用三级缓存：

• L1（每核心 64KB）：这是速度最快、容量最小的缓存层，用于存储即时指令。
• L2（每核心 1MB）：用于存储近期或预测的数据。
• L3（每个小芯片 32MB）：由同一小芯片内的所有核心共享，容量较大但速度较慢。

这种多层级缓存系统通过减少 CPU 访问 RAM 的需求，从而提升整体性能。

透明安全内存加密 (TSME)
TSME 可在无需修改应用或操作系统的情况下，对主内存中的所有数据进行加密。大多数系统会对静态数据（如 EBS 卷）进行加密，但 RAM 中的数据通常未加密。然而，借助 TSME，数据在内存中也能得到保护；在基于 AMD CPU 的 EC2 实例中，TSME 始终处于启用状态，且完全透明、无需任何手动配置。这在云计算等多租户环境中尤为重要。

支持安全嵌套分页的 AMD 安全加密虚拟化 (SEV)
AMD SEV 可在硬件层面实现全面的内存隔离。虽然 AWS 也提供 Nitro Enclaves（基于软件的安全防护），但 SEV 是内置于 CPU 中的。一些相关的须知事项：SEV 目前仅在 6a 实例上可用；SEV 必须在启动时启用，启用后便无法关闭，而且会带来 10% 的成本上涨；SEV 不支持休眠或 Nitro Enclaves。但总体而言，安全嵌套分页技术提供了额外的一层保护，可防止虚拟机管理器级别的访问，甚至包括 AWS 自身的访问。

同步多线程 (SMT)
SMT 允许一个 CPU 核心同时运行两个线程。即使某个线程处于停滞状态，也能确保核心保持忙碌。

• 6a 实例已启用 SMT
• 7a 实例已禁用 SMT

不过，这需要做出一定的权衡取舍。对于在专用主机上运行 BYOL（自带许可证）Windows Server 等工作负载的情况，SMT 会影响您所需的许可证数量。例如：

• r6a（启用 SMT）：96 个物理核心 → 192 个 vCPU → 许可证费用约为 40626 美元
• r7a（禁用 SMT）：192 个物理核心 → 192 个 vCPU → 许可证费用约为 81252 美元

虽然 vCPU 数量相同，但许可证成本却翻了一倍。

（如果您希望较新一代的 7a 实例支持 SMT，AMD 期待您的反馈！请通过 AWS@AMD.com 联系我们。）

高级指令集：AVX-512、VNNI 和 bfloat16
AMD EPYC（霄龙）CPU 支持多种强大的指令集，可加速现代工作负载处理速度：

• AVX-512 能够同时执行多项计算，非常适合 AI、数据分析和高性能计算。
• VNNI 优化了 AI 推理性能，非常适合图像识别和自然语言处理等应用场景。
• bfloat16 是一种专为深度学习设计的 16 位浮点格式，可将内存使用量减少一半，同时保持数值的动态范围。它有助于实现更快、更高效的机器学习训练和推理。

简而言之：如果您从事 AI、机器学习或大数据相关工作，这些指令集将帮助您以更低成本、更高效率完成工作任务。

总结

以下是对本文内容的简要总结：

• 基于 AMD CPU 的 EC2 实例性价比高且性能出众。
• 相比上一代 M6a 实例，7a 实例性能提升了高达 50%。¹ 小芯片架构有助于解决“嘈杂邻居”问题，并实现更稳定的性能。
• SME 和 SNP 为数据提供了额外的一层安全保护。
• 高级指令集使基于 AMD 的实例成为 AI 和机器学习的适合选择。
• SMT 状态对许可成本和性能优化至关重要。

无需孤军奋战

无论您是要进行现代化改造、缩减规模，还是单纯追求成本效益，AMD 都能为您提供所需工具和专业指导。AMD EPYC（霄龙）咨询工具套件可助您选出适合工作负载的 EC2 实例；AMD 与 AWS 合作伙伴紧密协作，为用户提供量身定制的解决方案。许多组织会针对不同的工作负载组合采用多种策略，以实现最大投资回报率。

如果需要帮助，AMD 及其合作伙伴可随时为您提供支持，助您根据现有架构选择合适的方案。如果想要就这篇博文提供反馈或就后续主题提供建议，请通过 AWS@AMD.com 与我们联系。

©2026 AMD 公司版权所有。保留所有权利。AMD、AMD 箭头、AMD 霄龙、AMD EPYC 及其组合是 AMD 公司的商标。本文中使用的其他产品名称仅用于标识目的，也可能是其各自公司的商标。支持的功能可能因操作系统而异。有关具体功能，请与系统制造商确认。任何技术或产品都无法做到绝对安全。