重塑网络：为 AI 工作负载赋能助力
AMD Pensando 开放式网络解决方案是一套专为 AI 工作负载而设计的开创性高性能、可编程、开放式网络解决方案，可全方位增强和提升网络性能，助力数据中心满足未来发展需求。
AMD Pensando DPU 为前端网络赋能助力
以线速加速数据传输和基础设施服务，释放 CPU 资源用于处理 AI 工作负载。
纵向扩展网络：应对不断发展的 AI 工作负载
单一 GPU 已无法满足现代 AI 模型的需求。纵向扩展网络可在一个系统或机架内将多个 GPU 互连，形成统一计算域，从而满足智能体 AI 等大规模工作负载的超高带宽与低延迟需求。
借助 AI NIC 实现横向扩展和跨区域扩展
当 AI 工作负载跨多个服务器、机架和数据中心部署时，GPU 之间的无缝互连至关重要。AMD AI NIC 技术可充分满足大规模 AI 工作负载的高速同步需求。
AMD Pensando Vulcano 800 AI NIC
这款开创性 AI NIC 可在单 GPU 上支持高达 2.4 Tbps 的横向扩展带宽，将 AI 任务的处理速度提升高达 13%1。
助力打造面向 AI 工作负载的 AI 就绪型横向扩展网络
了解横向扩展网络如何提升 GPU 利用率、加速 AI 任务，并降低 AI 基础设施的扩展成本。
适配器和 CPU
AMD Solarflare 低延迟网络适配器为全球交易添能助力
面向资本市场设计的芯片、软件及适配器
全球 10 家中有 9 家证券交易所选择采用 Solarflare 解决方案来支持开展交易业务2
AMD x86 嵌入式处理器
AMD x86 嵌入式处理器为防火墙、路由器和网络设备等应用提供高吞吐量计算能力、强大的 I/O 性能以及卓越的可扩展性，确保在边缘或数据中心都能实现出众性能、出色能效和长期可靠性。
资源
我们基于开放标准构建网络，确保在各个规模层面均能实现卓越性能
附注
- 基于 AMD 工程芯片建模和 AMD 合成基准测试仿真，采用 MOE_4p5T hi_sparsity_ea9 基准测试和 FP8 训练数据类型，测算仿真 LLM 系统（搭载 8000 个 AMD Instinct GPU）在配备 3 个与 2 个 AMD Pensando Vulcano NIC 的情况下完成训练任务所需的天数，以此推测速度提升效果。
测算结果基于对纯训练计算（仅解码层）的分析；评估所使用的配置：全局批量大小为 4096，序列长度为 4K，同时使用 SwiGLU 激活函数。结果不包括评估和检查点开销。假定使用 FlashAttention v3，并支持 matmul–softmax 重叠。AllReduce 与 All2All 通信开销已全部纳入计算，未通过分块式计算与通信重叠进行隐藏。梯度同步和 FSDP 权重预取在不同重叠程度下进行评估，以评估横向扩展灵敏度。结果基于理想条件测算得出，无法反映经过充分优化的产品的实际运行表现；产品正式上市后，实际效果可能存在差异。MI400-018
- https://focus.world-exchanges.org/issue/june-2025/market-statistics（AMD 内部销售数据）
附注
- 基于 AMD 工程芯片建模和 AMD 合成基准测试仿真，采用 MOE_4p5T hi_sparsity_ea9 基准测试和 FP8 训练数据类型，测算仿真 LLM 系统（搭载 8000 个 AMD Instinct GPU）在配备 3 个与 2 个 AMD Pensando Vulcano NIC 的情况下完成训练任务所需的天数，以此推测速度提升效果。
测算结果基于对纯训练计算（仅解码层）的分析；评估所使用的配置：全局批量大小为 4096，序列长度为 4K，同时使用 SwiGLU 激活函数。结果不包括评估和检查点开销。假定使用 FlashAttention v3，并支持 matmul–softmax 重叠。AllReduce 与 All2All 通信开销已全部纳入计算，未通过分块式计算与通信重叠进行隐藏。梯度同步和 FSDP 权重预取在不同重叠程度下进行评估，以评估横向扩展灵敏度。结果基于理想条件测算得出，无法反映经过充分优化的产品的实际运行表现；产品正式上市后，实际效果可能存在差异。MI400-018 - https://focus.world-exchanges.org/issue/june-2025/market-statistics（AMD 内部销售数据）