Meta部署数百万颗EPYC，AMD再投10亿美元

近日，AMD宣布与Meta进一步深化战略合作。Meta已经部署数百万颗AMD EPYC服务器处理器，并成为第六代EPYC处理器的重要客户。双方的合作还覆盖Instinct GPU、Helios机架级系统及软件生态，未来将进一步延伸至Instinct MI500系列和新一代机架级解决方案。

从服务器CPU到AI加速器，再到整机系统，AMD与Meta的合作正在向更完整的计算平台延伸。除了硬件部署，双方还在模型训练、推理优化和开源软件方面展开协作。此外，AMD还宣布将向Meta的股权发行投资10亿美元，进一步深化双方的战略联系。

EPYC服务器处理器是AMD与Meta长期合作的重要基础。AMD表示，Meta已在其基础设施中部署数百万颗不同世代的EPYC处理器，这些CPU也为Meta的Muse个人AI智能体提供计算支持。

第六代EPYC代号为Venice，采用Zen 6核心架构。对于大规模AI数据中心而言，CPU除了承担通用计算任务，还负责系统管理、任务调度和数据处理，并为GPU加速计算提供支持。AI训练与推理集群需要CPU、GPU等不同组件协同工作，服务器处理器仍是整个计算平台的重要组成部分。

今年2月，AMD与Meta宣布了一项多年期、多代产品合作计划，目标是部署最高6吉瓦的AMD Instinct GPU。首批平台将采用基于MI450架构定制的Instinct GPU、第六代EPYC Venice处理器、ROCm软件和Helios机架级架构，相关产品计划于2026年下半年开始出货。

AMD还透露，双方正在合作开发后续EPYC处理器，包括面向未来工作负载的Verano。Meta成为新一代EPYC的重要客户，也意味着其数据中心需求能够更早地融入AMD的产品规划，为后续部署提供基础。

除了CPU，AMD还希望通过Instinct GPU和Helios机架级系统，在Meta的AI基础设施中承担更多计算任务。

此次公告确认，首批AMD Helios机架级系统已经在Meta安装并进行测试，未来计划进一步扩大部署。Helios面向大规模AI计算，将计算芯片、内存、网络及系统设计整合起来，提供机架级解决方案。

对于大型AI集群而言，GPU性能只是影响整体效率的因素之一。数据传输、内存访问、网络通信、供电和散热同样影响系统表现。通过整合CPU、GPU和机架级系统设计，AMD能够围绕客户的实际工作负载进行协同优化。

在GPU方面，Meta已经在生产环境中使用AMD Instinct产品，承担模型训练、排序和推荐等任务。Meta还是Instinct MI450系列的早期定义客户，并计划部署针对自身工作负载定制的Instinct GPU。未来，双方的合作还将扩展至Instinct MI500系列和新一代机架级系统。

其中，MI350系列已经用于Meta的相关生产工作负载，MI450是双方大规模部署计划中的重要产品，MI500则属于后续合作方向。这条产品路线表明，双方的合作已从现有产品应用延伸至下一代计算平台的规划。

硬件部署只是合作的一部分，软件适配同样影响AI芯片的实际使用效果。

AMD和Meta正在针对Instinct MI350X优化推荐模型训练，并将相关改进贡献给PyTorch、Triton和ROCm等开源软件生态。

Meta研究人员公布的技术论文以AMD Instinct MI350X和英伟达B200为例，研究如何优化不同硬件平台上的推荐模型训练。相关研究表明，直接将模型迁移到另一种GPU架构上，未必能够充分发挥硬件性能，还需要结合芯片特点调整模型结构、软件配置和底层算子。

通过硬件与模型协同设计、性能分析和内核优化等方法，Meta将端到端训练吞吐量较直接迁移的基线方案最高提升约1.5倍。相关改进已经贡献给PyTorch、Triton和ROCm开源生态。

模型支持方面，AMD已为Meta的Muse Spark Open提供首日支持，开发者可以在Instinct MI350X和MI355X GPU上通过ROCm和vLLM运行该模型。Muse Spark Open采用混合专家模型架构，总参数量为8160亿，每个Token激活约420亿参数，并支持100万Token上下文窗口。

AMD公布的优化数据进一步展示了软件协同的效果。在搭载8颗MI350X GPU的单节点系统上，经过注意力计算、混合专家模块等优化，MXFP4版本的模型在4路并发请求下，输出吞吐量从每秒206个Token提升至350个；在32路并发请求下，则从每秒719个提升至1180个。

除了Muse Spark Open，双方还推动了Muse Glimmer在AMD Ryzen AI个人电脑和Radeon GPU上的支持，将模型适配扩展至更多AMD硬件平台。

Meta目前同时使用英伟达GPU、AMD GPU和自研MTIA加速器，以满足不同计算任务的需求。多种计算平台并行部署能够增加硬件选择的灵活性，但也对软件迁移和系统优化提出了更高要求。AMD与Meta的联合优化，有助于降低相关适配成本。

从数百万颗EPYC处理器，到Instinct GPU进入生产环境，再到Helios系统开始测试，以及MI500等后续产品规划，AMD与Meta的合作已经覆盖芯片、系统和软件多个层面。

对AMD而言，Meta这样的超大规模客户能够带来实际部署需求，也有助于验证产品在复杂生产环境中的表现，并推动软件生态完善。对Meta来说，CPU、GPU与机架级系统的协同，以及不同计算平台之间的配合，则为建设AI基础设施提供了更多选择。