2024年3月21日，AMD在北京成功召开了“AI PC创新峰会”。会后，PCEVA有幸采访到AMD高级副总裁，GPU技术与工程研发王启尚（David Wang）先生，对AMD AI领域的创新技术与生态布局进行了深入的探讨。

AMD高级副总裁，GPU技术与工程研发 王启尚（David Wang）先生

王启尚（David Wang）先生负责 GPU 技术开发，包括架构、IP 和软件。他同时领导着 AMD 显卡 、数据中心 GPU、客户端和半定制业务的 SOC 工程研发。王启尚先生有超过 30 年的显卡和芯片工程研发经验，他带着深厚的技术专长和复杂芯片开发管理的骄人履历回到了AMD，是AMD超越老对手的功勋级人物。

回归 AMD 之前，王启尚先生在 2012 到 2018 年 1 月期间担任 Synaptics 公司的系统芯片工程研发高级副总裁，负责产品的芯片系统开发。在加入 Synaptics之前，他曾在 AMD 担任公司副总裁，负责 AMD 处理器产品（包括 GPU、CPU 和 APU）的图形 IP 和系统级芯片 (SoC) 开发。更早之前，他曾在 ATI、ArtX、Silicon Graphics、Axil Workstations 以及 LSI Logic 等公司担任过多个技术和管理职务。

随着AI技术从各种应用进入到我们的生活，一个崭新的AI PC时代即将到来。作为行业领军者的AMD已经开始提前布局，从去年锐龙7040发布打响了X86平台AI PC的第一枪，到现在的锐龙8040系列处理器、锐龙8000G系列处理器以及Radeon 7000系列显卡的全面开花，无不体现AMD走在了业界前端，但是仅有硬件与技术是不够的。王启尚认为：“任何应用都起始于技术，但是仅有技术是不够的，必须要配合软件和系统，技术的优势和价值才能得以发挥。所以，我们AMD与众多的AI行业生态伙伴、产业链伙伴开展深度合作，使得各个AI 产品在我们的应用和软件上运行，希望大家能够看到我们在此方面所付出的努力。”

AI应用本地化是未来的方向

AI应用在最近两年呈现井喷式发展，相信不少用户或多或少听过或用过，比如ChatGPT、Stable Diffusion等生成式AI应用，而这些应用并不需要AI PC去处理，只需要普通PC甚至智能手机即可完成。在专访中，我们就这个问题咨询了王启尚先生，“推动这些用户将自己的PC更换成AI PC的主要推动力是什么？”

王启尚先生认为，AI PC支持在本地使用AI软件和工具，并且能够离线使用，如果你需要处理一些私人文件和照片，不希望上传到云端，AI PC就可以很好的满足需求。并且云端AI应用大多需要额外付费，而AI PC只需要你花费购买电脑的费用，不需要再为AI应用额外付费。基础的AI功能，例如做PPT时的AI模版生成，视频会议时的背景模糊、美颜等，AI PC已经内置了这些功能，不需要额外的软件去支持。

王启尚先生认为：“相比于通过云端AI处理方案，AI PC在本地进行任务处理，有效解决了延迟问题，提升了效率。它不需要像云端作业那样，等待上传和反馈。”

同时，AMD的XDNA架构的特殊设计，使其可以将架构区分成不同的区域，每个区域同时处理任务而不互不干扰，这一点是传统的GPU架构所不具备的能力。另外，XDNA的每瓦性能非常高，可以在低功耗的条件下执行AI工作任务，并且实现多任务并行处理，带给用户更优质的使用体验。

未来AI应用的发展方向，是从云端到边缘，进而到终端，AI技术对算力的要求会越来越高，无论是在云端还是终端。王启尚先生表示，AI技术未来的发展方向会更偏向“Hybrid AI”（混合式人工智能）方式。也就是通过数据中心来进行基础的大模型训练与推理，日常功能性的需求则通过AI PC在本地进行处理，不再需要将需求上传至云端。这样不但可以实现节能并降低延迟，还可以省去很多花费，又保护了隐私安全。

混合式人工智能是不错的解决方案

比较了解AMD产品的用户都知道，AMD已经在CPU和GPU产品中推出了搭载AI加速单元的产品，例如Radeon 7000系列显卡的AI加速单元、锐龙8040系列移动处理器以及锐龙8000G上的NPU，都是代表产品。那么，AI PC又是如何发挥出他们的优势？以及AI PC能否支持AI应用离线使用？PCEVA就这个问题咨询了王启尚先生。

王启尚先生表示，“目前Ryzen AI软件已经具备了定向编译能力，即可以将编译任务指定派发给CPU、GPU或NPU来执行。三者的运算单元各有其自身的优势。我们则希望可以实现智能化编译，通过对任务进行需求分析，根据硬件架构，智能化地分配给CPU、GPU或NPU，使得不同类型的编译需求分配给最适合的角色进行处理，使得CPU、GPU、NPU实现智能联动，充分发挥各自的优势能力。而除了绝对算力性能的提升，我们也必须要考虑到每瓦算力性能的平衡。”

人工智能技术的蓬勃发展，伴随着算力需求的高速增长，同时也带来了海量的用电需求，科技行业的巨头已经预警人工智能技术将面临“电力荒”问题。针对这一问题，王启尚先生认为：“我们既需要提升性能，也需要提高能效。正如我之前所提到的，并不是所有问题都需要通过大型数据中心解决，“混合式AI”则是一个不错的解决方案，让云端数据中心和本地AI PC各自执行相应的任务，这样不但能解决高功耗问题，还能够提升效率。”

展望未来

AMD最近为我们带来了FidelityFX Super Resolution（FSR）3.1版本，相信不少玩家非常关注这项技术的未来发展。AMD FSR技术与英伟达DLSS技术最大的不同在于其开源性以及适配性，你可以在全平台看到这项技术的应用，不受显卡、游戏、平台的限制。我们不禁好奇搭载AI加速单元的7000系显卡在FSR技术上效率会不会更高一些，还是说AI加速单元完全不参与FSR 3技术的运算中？

王启尚先生表示，目前AMD的FSR技术已经广泛覆盖到了行业各个领域，基本实现了我们当初的设计愿景。微软最近发布的DirectSR已经选择FSR作为他们的默认超级分辨率技术，这也充分印证了AMD FSR技术的优势。当然，这项技术也在不断完善和迭代中，我们会在有了明确的方向后，通过适当的时机跟各位分享。

最后，我们就“AI PC创新峰会”中提出的 Dataflow（数据流）架构进行了交流，王启尚先生深入浅出的讲解了Dataflow（数据流）架构的优势。王启尚先生表示：“传统的GPU架构的工作模式是把任务逐层传递，并且在显卡和内存之间反复执行“读”与“写”的动作，使得PC的功耗增大。而数据流架构可以并行执行“数据访问”和“数据计算”不需要逐级执行任务，这种架构可以消除指令操作导致的额外时间开销，避免了运算单元和外界显存之间的多次往返交互，从而使得每瓦性能得以提升。”

总结

2024年是AI元年，整个AI产业链迎来蓬勃发展，AMD作为AI产业链的龙头厂商无疑已经置身于这场变革中，而对于已经完成云端到终端部署的AMD来说，这场变革是一次大考，也是一个巨大的机会。

王启尚先生在这场专访中表达了AMD对这场变革的信心。专访的最后，他评价道：“未来，AI一定是无处不在的，而我相信AMD也有着独特的优势。无论在云端、边缘、终端，AMD都有着相应的产品部署，可以带给客户‘端到端’的优化体验。最后，我想说，我们对于中国市场是高度重视的，我们和本地的软件厂商、应用厂商、生态伙伴的深度合作大家有目共睹，我们希望能够把最好的本地化AI大模型、中模型、小模型提供给大家使用，并且带来更好的体验。”