在架构上，这是一款 Decoder-only 的稀疏专家模型：总参数量 160 亿，但每处理一个 token 只激活 28 亿参数。它包含 27 个解码层、隐藏维度 2048，采用门控多头潜在注意力（Gated MLA）。专家层面设有 2 个共享专家与 64 个路由专家，每个 token 实际只激活其中 6 个路由专家，再加上 2 个共享专家——稀疏结构让它的计算开销更接近一个参数少得多的稠密模型。

训练方面，Instella-MoE 在 AMD Instinct MI300X 与 MI325X 显卡、ROCm 软件栈上完成了 7.1T（万亿）tokens 的预训练，上下文窗口从初始的 4K 经 YaRN 位置编码扩展至 64K。后训练依次经历监督微调、DPO 偏好对齐与强化学习蒸馏，并推出了”Think”思考模型。

基准表现上，基础模型在标准评测平均得分 76.7，为当时全开放模型最高；在 WinoGrande 拿到 86.5，HumanEval+ 为 65.7，64K 长上下文 RULER 平均 79.4。思考模型平均 73.22，其中 IFEval 83.70、AIME25 73.40、AGIEval 82.50。横向比较，其基础模型强于 SmolLM3-3B、OLMo-3-7B、OLMoE 等开放模型，略低于 Qwen3.5-4B-Base（79.5）；思考模型则高于 Olmo3-7B-Think、Gemma-4-E4B、Qwen3.5-4B 等开放权重模型。

需要留意的是，Instella-MoE 采用 Research RAIL 许可证，仅限学术与研究用途，并非完全自由的商业授权。它的意义更多在于展示 AMD 的 ROCm 生态与开放模型路线——在英伟达几乎主导训练硬件的背景下，一个能完整复现训练全程的开放 MoE，对想要摆脱单一厂商绑定的研究团队颇具价值。

来源：AMD ROCm Blogs《Instella-MoE》（Jiang Liu 等，2026-07-24）

性能比肩英伟达、AI充当迁移工具：AMD正在撬动CUDA护城河

长期以来，”CUDA护城河”一直是英伟达最坚固的壁垒——不是GPU性能本身，而是围绕CUDA积累的庞大软件生态、开发者习惯和十余年的优化经验。AMD在2026年的一系列动作表明，这条护城河正在被从多个方向同时侵蚀。

### 性能层面：Helios与英伟达”已不相上下”

AMD在今年推出的Helios机架级系统是其挑战英伟达最硬件的筹码。Counterpoint Research分析师Neil Shah的评价格外直接： “Helios在GPU和CPU层面与英伟达已不相上下。”

AMD官方数据显示，全球十大AI巨头中有8家正在使用AMD Instinct系列GPU运行业务，客户包括OpenAI、Cohere，以及马斯克旗下SpaceX的人工智能部门。2026年2月，Meta宣布将分批上线总规模最高6吉瓦的AMD算力集群，首期1吉瓦依托Helios机架落地。OpenAI和甲骨文也敲定了今年大规模部署Helios的计划。

从财务数据来看，2026年第一季度，数据中心业务已占AMD营收的大部分，同比增长57%。AMD CEO苏姿丰此前表示，对在2027年实现数百亿美元数据中心AI年收入有信心。

### 生态层面：Anthropic与AMD的深度协同

真正可能改变英伟达长期优势的变量，并不是另一颗更强的GPU，而是AI本身。

在2026年6月的AAI大会上，AMD宣布与OpenAI、Meta和Anthropic等前沿AI公司建立大规模合作关系。其中与Anthropic的合作尤其具有标志性意义——这并非一次简单的GPU采购，而是一次深度协同创新。Claude将参与AMD硬件生态建设，包括优化Instinct GPU上的AI工作负载、推动ROCm软件平台发展；同时，AMD也将在工程研发和产品开发流程中广泛采用Claude。

Anthropic联合创始人Tom Brown在大会上分享了一个震撼案例：当AMD提供服务器进行测试时，团队原本预计适配会是一个”大工程”。结果一名工程师让Claude参与环境搭建和优化迭代，经过一个周末，团队就获得了主力模型在AMD硬件上的实际性能曲线。

核心逻辑正在改变： 如果AI可以写代码，AI本身就可能成为跨硬件生态的软件迁移工具。过去，开发者不愿意离开CUDA是因为迁移成本太高；现在，AI可以帮助自动完成这种迁移。

### 战略层面：苏姿丰押注中国市场

苏姿丰的战略眼光不止于硬件性能的追赶，她还做出了一项关键决策——押注中国。

中国市场的吸引力在于：这里有大量还没有被CUDA锁住的新客户，有成熟的移动互联网消费习惯，对价格敏感且技术中立。2026年，两个条件第一次同时成立：英伟达高端GPU供给变得不确定，AMD则将4000人的中国研发团队推到了前台。

AMD在中国的打法也与CUDA完全不同：CUDA是封闭的，英伟达说了算；ROCm是开源的，AMD用”和你一起建生态”的姿态切入。AMD在中国建设了四个AI卓越中心，工程师可以直接坐进阿里、字节、月之暗面的办公室解决具体问题。

### 差距犹存，但趋势已经改变

Counterpoint的Shah也坦承，CUDA生态经过长年沉淀，壁垒深厚，英伟达在软件层面依旧大幅领先AMD。ROCm软件适配成熟度弱于CUDA，第三方工具链支持覆盖面不足。SemiAnalysis的深度分析也指出，AMD的许多优化仍然停留在”单节点”层面，而市场已经进入分布式推理和更宽专家并行配置的时代。

但趋势已经明显改变：AI计算正在从单一GPU模式走向多元化芯片架构。云端Token推理价格随着竞争加剧持续下行，AMD正在从”单卡供货商”升级为”全栈方案提供商”。对于开发者而言，CUDA不再是唯一的选择——这个事实本身，就已经是英伟达护城河出现裂缝的最好证明。

核心论点：编程抽象层正在上升

Dieckman 解释称，当前 AI 企业普遍在更高抽象层级进行编程，开发者通过各类推理服务框架完成模型部署，而非直接与 CUDA 等底层框架交互。在这一层级，开发者根本接触不到 CUDA，工具链会自动完成到硬件底层操作的转换。

这意味着一个根本性的变化：当开发者不需要关心底层是什么芯片时，CUDA 的独占优势就被大幅削弱了。

更值得注意的是，Dieckman 提到一个 2026 年才出现的新现象——AI 代理和模型本身已经开始帮助客户自动优化到 AMD 平台。换言之，当 AI 自己就能完成跨平台适配时，CUDA 的不可替代性将进一步被侵蚀。

Anthropic 的震撼案例：AI 自举打破人力壁垒

AMD 并非空口放话。在 Advancing AI 大会上，Anthropic 联合创始人 Tom Brown 披露了一个极具冲击力的技术细节。

Brown 表示，Anthropic 计划部署 2GW 的 AMD Helios 算力设施，明确青睐 MI355 芯片。但真正改写行业认知的，是适配过程本身。

团队原本预期在新硬件上启动模型会是”一个大项目”。但实际体验截然不同：一名工程师让 Claude 执行适配任务后让流程在周末自行运转，周一便拿到了 Anthropic 领先模型在该硬件上”周末期间持续攀升”的实际性能曲线。

市场观察者随即评论称：”我们已过了 CUDA 护城河时代。”

当 AI 自身能够替代工程师完成硬件迁移中最昂贵的人力环节时，英伟达 CUDA 生态最根本的护城河——高昂的迁移成本——正在被 AI 从根基上侵蚀。

来自腾讯新闻的分析：一场更深刻的产业变革

腾讯新闻的深度分析进一步揭示，AMD 的动作并非孤立事件。随着 AI 推理需求快速增长，市场正在从单一 GPU 计算模式走向更加多元化的芯片架构。英伟达 CEO 黄仁勋早已果断地用 200 亿美元获得了 Groq 的 LPU 技术和团队。

真正可能改变英伟达长期优势的变量，并不是另一颗更强的 GPU，而是 AI 本身。在 AAI 2026 大会上，AMD 宣布与 OpenAI、Meta 和 Anthropic 等前沿 AI 公司建立大规模合作关系。其中与 Anthropic 的合作尤其具有标志性意义——Claude 将参与 AMD 硬件生态建设，包括优化 Instinct GPU 上的 AI 工作负载、推动 ROCm 软件平台发展。

过去，CUDA 生态的优势来自硬件、软件和开发者之间长期形成的正反馈循环。但随着 AI 能力跃升，模型公司自身已成为基础设施创新的重要参与者，它们希望通过与不同硬件厂商合作，降低对单一计算平台的依赖。

冷静看待：护城河不会一夜消失

当然，AMD 的判断带有明显的商业立场。即便 CUDA 对部分企业确实变得无关紧要，其他公司可能仍倾向于沿用已被验证的基础设施。AI 数据中心的投资规模动辄数亿美元，稳妥往往比省钱更重要。

CUDA 是否真正失去护城河效应，取决于更高抽象层编程和 AI 代理自动优化能否成为行业主流，而非停留在少数前沿团队的实践中。但无论如何，2026 年 7 月这次 Advancing AI 大会传递的信号是明确的：AI 芯片市场的竞争规则，正在被 AI 自身重新书写。

—

图片来源：AMD Newsroom 官方新闻稿

Anthropic 成为关键变量

大会最受关注的消息来自 AI 巨头 Anthropic。该公司计算主管 Tom Brown 在会上亲自宣布，Anthropic 计划部署高达 2GW 的 AMD Instinct MI455X GPU（采用 AMD Helios 机架方案），首期 1GW 将于 2027 年上半年上线。

这不是象征性的”备胎”采购。2GW 的部署规模意味着 AMD 芯片正式进入了 Anthropic 算力体系的核心层级。双方还启动了多年工程合作——AMD 承诺向 Anthropic 进行最高 50 亿美元的战略股权投资，同时全面采用 Claude 模型来加速自身芯片软件栈的开发。

更令行业震动的是 Brown 披露的一个技术细节。他提到，团队仅用一台 AMD 提供的机架和一名工程师，通过让 Claude 模型在一个周末内自主完成了 MI355 芯片与 ROCm 平台的完整适配。周一上班时，团队拿到的是性能持续攀升的实际运行曲线——

“我们原本预期这是个大型工程，”Brown 坦言，”但 Claude 的表现完全超出了预期。”

这一突破的意义在于，它直接挑战了英伟达最坚固的护城河。传统上，将大模型迁移至新硬件平台需要工程师团队投入数月甚至数年的手动适配、底层算子优化和稳定性验证。高昂的迁移成本构成了 CUDA 生态壁垒的核心。如果 AI 自身就能完成这项工作，那么硬件采购决策将回归性能、价格等本质因素。

MI455X：2nm 工艺 + 432GB HBM4

在硬件层面，AMD 发布了基于 CDNA5 架构的新一代 Instinct MI455X GPU。这是业界首个量产的 2nm（TSMC N2 工艺）数据中心芯片，领先于英伟达 Rubin 采用的 N3 工艺。

关键参数包括：

• HBM4 内存：12 个堆栈共 432GB，远超英伟达 Rubin 的 8 堆栈 288GB
• 内存带宽：23.3 TB/s
• 封装：5.5 倍光罩尺寸的 CoWoS-L 封装，总逻辑芯片面积 3,470mm²
• 指令集：MI455X 实际上是 NVIDIA Hopper SM90 ISA 的克隆，降低了迁移门槛

MI455X 驱动的 Helios 机架方案同样引人注目。单个机架连接 72 颗 GPU，FP4 算力高达 2.9 Exaflops，FP8 算力 1.4 Exaflops。通过 12 个 Broadcom Tomahawk 6 交换机实现单层全互联，每颗 GPU 拥有 1.8 TB/s 的 Scale-up 带宽。

开放正在成为武器

AMD 在软体生态方面的策略与英伟达截然不同。英伟达 CUDA 是封闭生态，一切由英伟达定义。AMD 则走开放路线——ROCm 平台完全开源，开发者可以自由查看、修改和贡献代码。

AMD 在大会上推出了 ROCm.ai 平台，核心能力包括 GEAK（自动编写和调优 AI 内核）和 Hyperloom 编排器。已验证在 MI355X 上实现约 21.8% 的全栈性能提升。

Anthropic 的大规模部署本身就是对 ROCm 生态的最佳背书。AMD 的数据也在说话：2026 年第一季度营收 103 亿美元，同比增长 38%；数据中心业务营收 58 亿美元，同比增长 57%。

但挑战依然严峻

SemiAnalysis 在深入分析后指出，AMD 面前仍有两道硬坎。

第一，Helios 机架的量产爬坡。由于 AMD 采用了 flyover 电缆而非英伟达 Rubin 的无电缆设计，每台机架需要 1,728 根电缆，导致组装困难。更棘手的是，AMD 的 SerDes 设计较弱，高达 85% 的背板需要重定时，每个机架需要超过 550 个 Broadcom 以太网重定时器。

第二，内部开发集群不稳定。AMD 内部工程师普遍抱怨缺乏稳定的 GPU 集群用于软件开发和自动化测试，甚至因为领导层临时抽调集群导致自动化门禁测试进度倒退。这个问题正在拖累软件优化的速度。

此外，Meta 向 AMD 定制了一款”缩水版”MI450X——计算单元减半、HBM 内存削减近三分之二。分析人士认为这是一个糟糕的选择，因为该配置在 LLM 训练和推理上无法与英伟达 Rubin 竞争。

市场格局正在松动

尽管英伟达目前在 AI 加速器市场仍占据 80%-90% 的份额，但趋势已经清晰。越来越多的客户不再满足于单一供应商。微软此前因 HBM 质量和软件问题放弃了 MI300X，但最新消息显示，微软已宣布将部署 MI455X Helios，OpenAI 很可能是这批机架的最终用户。

SemiAnalysis 的作者 Dylan Patel 总结道：”AI Agent 正在削弱软件生态的壁垒。编写和测试软件已不再是去年那样的护城河了。这对 AMD 来说普遍是积极的。”

英伟达 95% 的份额不会一夜之间消失。但下一个十年，AI 芯片市场将从独角戏变成双雄会——AMD 终于不再只是”备胎”。

—

图片来源：AMD Newsroom / SemiAnalysis