AMD 在 SC26 质疑 Nvidia Ozaki 方案:FP64 仿真存在内存膨胀与适用性局限
随着超级计算 2026 (SC26) 在芝加哥开幕,AMD 针对 Nvidia 数据中心 GPU 缺乏原生 FP64(双精度浮点)支持的情况提出了技术层面的批评。AMD 指出,Nvidia 采用的 Ozaki 仿真方案在高性能计算(HPC)领域存在显著缺陷,并借此宣传其 Instinct MI430X 加速器在科学计算和模拟场景下的优势。

Nvidia 架构调整与 Ozaki 仿真的背景
近年来,Nvidia 对其数据中心 GPU 的模块区域进行了重新分配,以优先支持低精度矩阵数学运算,从而满足现代 AI 推理的需求。这一策略基于市场趋势:AI 计算的总可定位市场爆炸式增长,而大型超级计算设施对双精度数学的需求相对持平。为了弥补原生 FP64 支持的缺失,Nvidia 引入了包括 Ozaki 方案在内的技术手段来模拟 FP64 操作。
AMD 对 Ozaki 方案的技术反驳
AMD 认为,Ozaki 仿真无法完全替代原生双精度处理,主要基于以下三点技术考量:
- 工作负载匹配度低: Ozaki 仿真假设工作负载类似于密集的通用矩阵乘法 (GEMM)。然而,AMD 的应用程序概况显示,只有不到 10% 的 HPC 工作负载执行密集的 GEMM 操作。对于稀疏线性代数、笔和水力学、高阶有限元分析、蒙特卡洛方法、粒子运输以及经典分子动力学等工作负载,开发人员仍需依赖强大的 FP64 矢量性能以获得最佳结果。
- 矩阵大小敏感性: 即使对于适合 GEMM 映射的工作负载,Ozaki 方案也要求矩阵尺寸足够大才能达到最佳性能。此外,操作数必须与硬件相适应,错误缩放的操作数会导致性能下降。相比之下,MI430X 的原生 FP64 矢量数学能力对这些操作数大小问题不敏感。
- 内存足迹膨胀: 使用 Ozaki 仿真方法可能导致应用程序的内存占用大幅增加,最高可达原生 FP64 需求的三倍容量。
内存容量对系统规模的影响
HBM 容量直接关联现代超级计算装置中的 GPU 配置。如果机器仅能模拟 FP64 操作,由此产生的内存需求增加将对所需的 GPU 数量和计算节点产生级联影响,进而导致支持系统所需的地面空间、电力消耗和冷却需求大幅上升。
AMD 强调,每个 MI430X 节点配备高达 432GB 的 HBM4 内存容量,允许客户在系统中配置更少的 GPU 和计算节点,从而节省网络布线、电力和地面空间。
MI430X 与 Helios 平台的差异化定位
除了 FP64 HPC 性能外,AMD 也将 MI430X 定位为人工智能推断平台,适用于将模型开发作为研究过程一部分的工作负载。但该系统与由同一 CDNA5 架构家族驱动的 Helios 机架级加速器(搭载 MI455X GPU)存在关键差异:
- 原始算力对比: 每个 MI430X GPU 提供 9.2 PFLOPS 的理论 FP4 计算性能,而专注于 AI 的 MI455X 加速器则具备 403 PFLOPS 的 FP4 计算性能。
- 互连域大小: 当与第六代 EPYC 主机 CPU 结合时,四个 MI430X 组成的 Infinity Fabric 互连本地扩展域大小远小于 Helios 架中 72 个 MI455X 加速器的域大小。AMD 表示,前者更适用于延迟敏感型操作,而非大规模扩展领域。
尽管机构超级计算机通常不会试图兼任云推断提供商的角色,但对于科学家和工程师而言,MI430X 节点提供了 1.72TB 的总 HBM4 容量和 93.2TB/s 的内存带宽。四个 MI430X 通过 12.3Tbps 的可扩展带宽协同工作,其推断性能可能足以应对需要与双精度计算并行运行的 AI 应用任务。
市场采纳情况
目前,MI430X 已在多个超级计算机设计中胜出。计划采用该芯片原生 FP64 支持的系统包括:
- 美国橡树岭国家实验室即将推出的 Discovery 超级计算机
- 法国的 Alice Recoque 装置
- 芬兰 CSC 的 LUMI-AI 系统
- 德国的 Herder 系统
AMD 坚持保留原生 FP64 支持,即便 Nvidia 已在其产品中放弃这一能力,这体现了其架构师和工程师的技术路线选择。通过半定制设计切片经验,AMD 能够将 MI430X 等产品灵活定制以适应专业市场需求,而非追求单一通用的解决方案。





