6月19日的新闻，技术媒体芯片沙奶酪昨天（6月18日）发表了一篇博客文章，该文章报道AMD已正式推出了其ADNA 4. Architecture。除了维持通用矢量计算领域的好处外，它主要集中于改善低精确数据类型的矩阵乘法的性能，从而提高人工智能工作量（AI）的处理能力。 ADNC 4继续具有ADNC 3的模块化设计，该设计使用类似于CPU的花栗鼠设计。每个计算芯片单元（XCD）配备了ADNC（CU）计算机单元，该计算机单元将八个XCD通过四个板芯片集成，形成一个完整的GPU体系结构，其中包括256 MB内存侧缓存。与ADNC 3中的MI300X相比，ADNC 4中的MI355X通过减少单个XCD中的CU和某些单元的CUS来提高性能，但以高时钟频率减少了性能差距。在计算低预测的关键指标中离子矩阵，ADNC 4将CU的每个矩阵的性能加倍，而FP6的精度性能与传输多处理器NVIDIA B200（SM）相同。但是，在8和16位数据类型之间，NVIDIA仍然保持单个周期收率的优势。但是，由于CUS的数量和频率很高，AMD在共同的矢量计算中保持绝对潜在客户（例如FP32）。单个CU仍然提供128 FP32计算机管道，其一般性能远高于NVIDIA Blackwell Architecture。 ADNC 4的核心改进之一是增加本地数据交换（LDS）的能力和带宽。 SUS容量从64 KB增加到160 KB，读数带宽增加了一倍，达到每个周期的256个字节，并且添加了“ transpos读取”指令，以优化矩阵乘法的命中式访问效率。 NVIDIA的共享内存具有单个缓存和缓存灵活性的出色容量（最多228 kb的共享内存）。 だったります）AMD弥补了中央级别缺乏存储，完全容量为40 MB LDS GPU（B200约为33 MB）。在视频内存方面，MI355X已更新为HBM3E技术，总计8TB/SY带宽的容量为288 GB，大大超过7.7tb/sy 180GB NVIDIA B200。在大型数据计算中，尤其是当AMD的体系结构可以减少数据交换中的延迟时，尤其是当AI模型超过内存容量时，这一优势尤其重要。媒体认为，AMD的ADUNC 4继续通过优化而不是破坏性的创新来整合收益，以及Zen的迭代逻辑。Strategy专注于增加计算机规模和内存带宽，同时瞄准AI缺陷。必须被认为重要的媒体是在提高性能方面的AMD和NVIDIA之间的差异。虽然AMD基于“大芯片 + Gran Cache”模型，但NVIDIA对该禁令更加关注视频记忆的单个核的昏迷和效率。