这周的Hot Chips 2026（8月23-25日，斯坦福）有点意思。英伟达讲Rubin，英特尔讲Diamond Rapids，三星和海力士为了HBM吵了半天，Arm还端出了第一颗自研AI服务器芯片。但真正让我翻来覆去看了两遍的，是AMD——它一口气连开了两场演讲，明面上讲MI455X，实际上想卖的根本不是这颗GPU，而是一整套"机架"的新玩法。
先说结论：如果你是看参数来的，这篇可以省了，MI455X的参数7月23日就全公布了。Hot Chips这次真正放出来的新东西，是三个。
参数是旧闻，一分钟带过
MI455X：CDNA 5架构，台积电2nm计算die加3nm缓存/IO die，3200亿晶体管，号称全球首颗量产2nm GPU；432GB HBM4，带宽23.3TB/s；MXFP4精度下40.26 PFLOPS。知乎这些都是7月底Advancing AI大会上的内容，各路媒体都报过一轮了。
要提醒一句：这个40.26 PFLOPS已经有争议了。微博上有芯片圈博主直接吐槽"MI455X把硬件稀疏直接标成稠密算力，可能是本轮AI升级里最创新的一集"——意思是这个数字的含金量要打问号。微博AMD官方没回应，大家心里有数就行，别拿着这个数直接去跟别家的稠密算力对线。
新东西一：把卡拆开给你看，缓存被"抽"出来了
Hot Chips这种场合的价值，就是厂商得把PPT背后不想讲的东西讲出来。AMD这次把MI455X的die布局摊开了：8颗N2工艺的计算die负责算力，连接、缓存和IO全部放到N3P工艺的die上，再靠3D混合键合加CoWoS-L封装拼成一颗"超级GPU"。知乎
关键变化在缓存。上一代MI300/MI350系列，每颗计算die各带各的L2，各扫门前雪，谁不够用谁卡住。CDNA 5把L2从计算die里整个抽出来，集中到两颗专门的FCD（Fabric and Cache Die）上，每颗96MB，8个计算die共享一个192MB的大缓存池。知乎好处很直接：缓存命中率上去了，对HBM的访问就少了，带宽压力和功耗一起降。在HBM又贵又缺的当下，这招等于变相省显存。
还有个容易被忽略但对开发者影响很大的改动：wavefront宽度从64线程砍到32线程，计算单元的说法也从CU改成了WGP。粒度更细，调度更灵活，但代价是底层算子和编译策略得重新调优。ROCm的代码里已经能看到gfx1250的身影，有较真的网友已经对上了：这就是CDNA 5。知乎
新东西二：72张卡，当"一台机器"用
第二场演讲的主角是Helios机架。账面数字先摆一下：72颗MI455X加18颗EPYC Venice CPU，整机架31TB HBM4，HBM总带宽1.7PB/s，机架内scale-up互联260TB/s，对外scale-out 43TB/s，FP4算力2.9 EFLOPS。知乎
数字不是重点，重点是这句话：这72颗GPU，被设计成一个支持Load/Store直接访问的共享内存计算域。知乎翻译成人话：以前你跑一个超大模型，得切成几十块塞进几十张卡，卡与卡之间来回搬数据，通信开销吃掉一大块性能；AMD现在的目标是在这个机架里，72张卡的432GB显存连成一整片"内存"，程序像访问一台机器的内存一样访问它们。机架就是一颗超大号GPU。
为什么非要这么做？因为这轮大会的风向变了。英伟达、AMD、英特尔、富士通都在谈"智能体AI"：上下文从32K冲到100K、400K，模型要反复观察、调工具、执行、再推理。这类负载吃的不是峰值算力，是显存容量和带宽。美光在大会上给了组扎心的数据：AI加速器的算力大概每两年涨3倍，而2.5D HBM的带宽涨不到2倍——缺口还在扩大。知乎所以你看AMD拼命堆432GB、三星把HBM基底die做成4nm逻辑工艺、d-Matrix干脆把DRAM叠在逻辑上面，全都在攻同一堵"存储墙"。知乎
显存大的实际好处也有现成例子：36氪报道过，跑Kimi K3这种大模型，16张B200才装得下的权重，8张AMD的卡就装下了——因为单卡显存够大，少切几刀，通信和延迟都省了。36氪
新东西三：真正的杀招，是以太网杀进了scale-up
这次最该划重点的，是UALoE。
先补个背景：AI集群的网络分两层。一层为"机架内"的scale-up，几十张卡紧耦合互联，延迟带宽要求极高，这块一直是英伟达NVLink这类私有互联的自留地；另一层是机架之间的scale-out，以太网早就普及了。
AMD干的事，是把以太网（具体叫ESUN）直接塞进了第一层：每颗MI455X集成18个800G的UALoE适配器，通过多平面网络把72颗GPU全互连起来，同时提供整个机架共享的Load/Store内存视图。知乎也就是说，以前只有专用私有互联能干的事，AMD想用开放标准的以太网来干。
再配上往外一层的UALink做scale-out、UEC做网络，AMD在Helios上押的是三件全开放标准的东西，跟英伟达NVLink加NVSwitch加InfiniBand的封闭全家桶形成了鲜明对照。对云厂商和大客户来说，这背后是实打实的议价权：任何愿意配合的OEM和网络设备商都能入局，不用被单一供应商锁死。这也是为什么7月发布会上，OpenAI、Meta、微软的技术负责人会齐齐站台。知乎
顺带一提，Day 2的网络环节还排了博通Thor Ultra AI/HPC以太网卡、英伟达BlueField-4和Spectrum-X Multiplane。网络正在从AI基础设施的配角，变成独立的架构层——这是今年Hot Chips的一条暗线。
泼三盆冷水
第一盆，纸面赢不等于交付赢。单纯比参数，MI455X对英伟达下一代Vera Rubin是显存容量多50%、带宽略高、FP4算力高15%上下，账面确实好看。但英伟达在同一个会场讲的也不是单卡——Rubin被定义成横跨七类芯片、五类机架的"全栈AI工厂"。知乎真正的比拼在交付节奏：OpenAI现在训练下一代模型用的还是MI355X，MI455X和Helios的大规模部署节点，目前还停留在路线图和站台名单上。知乎
第二盆，大客户也不是照单全收。SemiAnalysis上个月有篇报告说得很直白：Meta定制版MI450算力减半、内存大缩水。36氪超大客户为了自己的负载深度定制，本身就说明"标准版碾压一切"的叙事没那么简单。
第三盆，英伟达的护城河从来不在单卡。CUDA十几年攒下的软件生态、调度习惯和存量代码，不会因为一颗芯片、一种互联就搬家。ROCm这几年进步肉眼可见，PyTorch、Triton、SGLang这些主流框架都能跑，但智能体这种新负载上的实际表现，还得看接下来的实测。
接下来盯三个信号
明天（8月26日）英伟达财报。重点不是营收，是它怎么讲Rubin的出货节奏和供应链——英伟达的交付一旦顺，AMD这边抢到的窗口就窄一分；反过来，英伟达供应越紧，Helios的机会越大。
今年Q4，看MI455X/Helios有没有真实部署落地：OpenAI的6GW大单、Meta的Llama训练集群、Azure的云实例，哪个先兑现，哪个就是硬信号。知乎
ROCm在智能体负载上的实测：长上下文推理、SGLang/vLLM的适配质量。硬件已经把桌子摆好了，软件才是最后那道护城河。
一句话总结：AMD这次在Hot Chips端出来的，不是"一颗更强的卡"，而是"另一种装机架的方式"——用开放标准和以太网，去撬英伟达最赚钱的封闭腹地。能不能撬动，PPT说了不算，看接下来两个季度的部署。
