跳至内容
网昱智算
  • 首页
  • 关于网昱
  • 专业服务
  • 服务与支持
    • 联系我们
    • 保修政策
    • 保修期查询
  • 网昱产品
    • 静音工作站
    • GPU算力服务器
      • 4 GPU服务器
      • 8 GPU服务器
    • 国产信创
    • 通用型服务器
    • 存储服务器
  • 技术文档
    • 强哥聊算力
    • 高校智慧教育
    • 企业智能制造
    • 互联网计算平台
    • 智能公共算力
网昱智算
  • 首页
  • 关于网昱
  • 专业服务
  • 服务与支持
    • 联系我们
    • 保修政策
    • 保修期查询
  • 网昱产品
    • 静音工作站
    • GPU算力服务器
      • 4 GPU服务器
      • 8 GPU服务器
    • 国产信创
    • 通用型服务器
    • 存储服务器
  • 技术文档
    • 强哥聊算力
    • 高校智慧教育
    • 企业智能制造
    • 互联网计算平台
    • 智能公共算力

互联网计算平台

12
  • GPU服务器监控与告警怎么做:温度、显存、任务和磁盘都要看
  • 多GPU服务器组网怎么选:AI训练平台的网络与存储基础
  • 向量数据库需要GPU服务器吗:RAG知识库算力与存储规划
  • 大模型推理并发怎么估算:本地AI服务器配置前的关键问题
  • GPU资源池建设入门:从单机多卡到多用户共享平台
  • 私有化知识库问答服务器配置建议:RAG场景如何规划算力
  • 中小团队AI推理服务器选型:并发、显存与成本怎么平衡
  • 从构想到实现:某科技公司AI模型训练的算力服务器解决方案
  • 轻量化算力方案:某科技公司的AI研发算力服务器定制案例
  • 超越极限:某科技公司高性能算力服务器解决方案
  • 某科技公司AI与科学计算算力服务器解决方案
  • 高性能算力服务器解决方案:为某科技公司提供网昱算力服务器计算平台

高校智慧教育

17
  • 高校GPU算力平台日常维护要点:管理员需要关注哪些指标
  • AI实验室数据存储怎么规划:训练盘、共享盘与归档空间的区别
  • 科研GPU服务器软件环境部署指南:驱动、CUDA、容器与框架怎么配
  • 高校AI算力预算怎么规划:GPU服务器采购前的配置与成本拆解
  • 多课题组共享GPU服务器怎么规划权限与资源配额
  • 高校科研算力平台验收清单:GPU服务器到货后要测试什么
  • 高校AI实验室GPU服务器配置怎么选:从课题组到学院共享平台
  • 高校算力服务器采购价格解析:如何用有限预算获得最大算力回报?
  • 助力全球领先科研,某大学研究团队的高端算力服务器解决方案
  • 打造极致算力:某科技大学AI实验室的GPU算力服务器定制解决方案
  • 推动科研进步:某科技大学科研团队的高性能算力服务器解决方案
  • 某科研团队高性能科学计算解决方案
  • 某科技大学科研团队的科学计算算力服务器解决方案
  • 某科技大学科研团队的算力服务器解决方案
  • 高性能算力服务器解决方案:为某科技大学科研团队提供网昱算力服务器计算平台
  • 高性能算力服务器解决方案案例:为某科学院某研究所提供8张RTX 4090 GPU卡的计算平台
  • 算力服务器解决方案案例分析:为电子某大学科研团队提供高效科学计算支持

企业智能制造

13
  • CAE仿真与AI训练共用GPU服务器可行吗:企业研发平台规划建议
  • AI工作站和GPU服务器怎么选:企业研发团队的选型建议
  • 工业AI私有化部署为什么重要:数据安全、模型权限与本地算力
  • 企业AI项目从POC到生产部署:GPU服务器配置如何升级
  • 企业GPU服务器上架前的供电、散热与噪音评估
  • 机器视觉AI服务器配置建议:训练、推理与数据存储怎么配
  • 企业部署本地大模型服务器前要确认的10个问题
  • 网昱G8-i5c2 GPU服务器测评:定制服务器如何突破企业计算难题
  • 超级算力之王:为某科技公司打造终极深度学习服务器解决方案
  • 某药物研发公司的高性能计算药物筛选算力服务器解决方案
  • 某生物科技公司基因组分析与药物研发算力服务器解决方案
  • 某科技公司金融数据分析算力服务器解决方案
  • 某影视制作公司的算力服务器解决方案

智能公共算力

11
  • AI算力平台如何分期建设:一期可用、二期扩容、长期演进
  • 智算平台机房准备清单:供电、制冷、机柜与网络如何提前确认
  • GPU集群性能瓶颈不一定在GPU:存储、网络和调度同样关键
  • 公共AI算力平台运营模式:免费试用、配额管理与资源计量
  • 边缘AI推理节点部署建议:小型算力平台如何稳定运行
  • 智算中心GPU服务器交付验收清单
  • 公共算力平台建设方案:节点、调度、存储与运维要点
  • 成都某数据中心GPU服务器部署项目|技术落地案例分享
  • 某气象研究所的高精度气象模拟算力服务器解决方案
  • 某环保科技公司气候模拟与环境大数据分析算力服务器解决方案
  • 未来医疗的算力支柱:网昱深度学习服务器助力某医疗研究机构

行业资讯

28
  • 赋能教育数字化,共探算力新未来|网昱智算邀您共赴第 87 届中国教育装备展示会
  • CITE2026 盛大开幕|强民科技携网昱品牌算力产品亮相深圳
  • 三度入围川省框架采购 强民科技以本土算力赋能数字四川建设
  • 智算赋能,共赴未来 | 网昱算力诚邀莅临2026第三届AI算力产业大会暨展览会
  • 四川强民科技加入中国教育装备行业协会 网昱算力获教育行业权威认可
  • 中国调查Nvidia H20芯片安全风险:地缘政治与科技博弈加剧
  • Nvidia成为全球首家4万亿美元市值公司:AI革命的巅峰象征
  • OpenAI转向Google AI芯片支持ChatGPT:AI算力市场的新转折
  • 华为AI CloudMatrix挑战英伟达GB200:技术突破与争议并存
  • 英伟达新款芯片在AI训练中取得突破:算力效率再升级
  • Tom’s Guide AI Awards 2025:最佳AI设备与工具揭晓,GPU性能成焦点
  • 英伟达持续领跑AI芯片市场:Blackwell架构创新再掀热潮
  • AMD推出Ryzen Threadripper 9000系列处理器:为AI与专业工作负载注入新动力
  • 英伟达发布GeForce RTX 5060笔记本电脑GPU:游戏与创作性能再突破
  • 英伟达计划推出符合出口管制的H20芯片改版:应对政策挑战,稳固中国市场
  • 华为自研GPU与英伟达GPU对比,究竟是什么样的水平?
  • 光计算机处理器突破:AI处理速度飙升至GPU的295倍,引领算力新纪元
  • Nvidia面临出口限制冲击:AI芯片霸主地位能否延续?
  • IBM深度学习芯片AIU的突破:企业AI的算力新星与技术挑战
  • 中国教育AI革命:算力驱动的未来与挑战
  • 算力服务器供应危机:Nvidia RTX 50 系列的辉煌掩盖了致命隐患?
  • 深度学习在生物研究中的突破——FragFold 的详细分析
  • DeepSeek 本地部署的行业应用建议:释放 AI 潜能的实用指南
  • DeepSeek 本地部署全攻略:从零到精通的保姆级教程
  • DeepSeek-R1优化突破:单卡4090也能跑满血大模型
  • 国产AI算力崛起:华为与伙伴联手挑战GPU霸主
  • DeepSeek从入门到精通——探索 DeepSeek本地部署的智能之旅
  • DeepSeek引发全球AI竞赛,低成本AI模型震撼业界

强哥聊算力

56
  • 基层医疗机构算力支撑落地案例|新津卫生院2U双路机架服务器部署
  • 《算力江湖·AMD逆袭史》第一集:硅谷最会卖梦的人,如何创办AMD?
  • 《算力江湖·国产GPU突围:摩尔线程故事》第二集:国产GPU为什么不能只会跑AI?摩尔线程押注“全功能GPU”
  • 《算力江湖·国产GPU突围:摩尔线程故事》第一集:从英伟达老将到国产GPU创业者:张建中为什么要做摩尔线程?
  • 《算力江湖·Intel帝国往事》第五集:AI时代迟到的巨人:Intel还能不能翻身?
  • 《算力江湖·Intel帝国往事》第一集:两个仙童“叛徒”,如何点燃硅谷第一王朝?
  • 《算力江湖·AMD逆袭史》第五集:AI时代,AMD还能不能撕开英伟达的护城河?
  • 《算力江湖·AMD逆袭史》第四集:苏姿丰接手时,AMD已经快没有退路了
  • 《算力江湖·AMD逆袭史》第三集:54亿美元买下ATI:神来之笔,还是自我拖累?
  • 《算力江湖·AMD逆袭史》第二集:K8一战封神:AMD第一次把Intel打疼了
  • 《算力江湖·国产算力突围:海光成长史》第五集:国产算力真正的突围,不是能用,而是好用、敢用、规模化
  • 《算力江湖·国产算力突围:海光成长史》第三集:从采购清单到机房业务,海光CPU怎样打进关键行业?
  • 《算力江湖·国产算力突围:海光成长史》第二集:拿到x86入场券,海光为什么选择最现实的突围路线?
  • 《算力江湖·英伟达传奇》第八集:一块GPU卖几十万,客户到底在买什么?
  • 《算力江湖·英伟达传奇》第七集:ChatGPT出现前夜,英伟达发生了什么?
  • 《算力江湖·英伟达传奇》第六集:AI爆发前,黄仁勋其实赌输了很多次
  • 《算力江湖·英伟达传奇》第五集:为什么AMD总差最后一口气?
  • 《算力江湖·英伟达传奇》第四集:CUDA到底厉害在哪里?强哥给你讲明白
  • 《算力江湖·英伟达传奇》第三集:很多人以为英伟达靠GPU成功,其实错了
  • 《算力江湖·英伟达传奇》第二集:创业第一款产品失败,为什么英伟达没有死?
  • 《算力江湖·国产GPU突围:摩尔线程故事》第五集:国产GPU真正的突围:不是上市,也不是跑分,而是进机房长期跑起来
  • 《算力江湖·国产GPU突围:摩尔线程故事》第四集:从图形到AI:摩尔线程为什么必须冲进大模型赛道?
  • 《算力江湖·国产GPU突围:摩尔线程故事》第三集:MUSA生态:国产GPU真正难的,不是芯片,是让开发者愿意用
  • 《算力江湖·Intel帝国往事》第四集:Intel最危险的傲慢:手机没上车,工艺也掉队了
  • 《算力江湖·Intel帝国往事》第三集:安迪·格鲁夫的铁血时代:Intel为什么能把对手逼到墙角?
  • 《算力江湖·Intel帝国往事》第二集:IBM递来一张船票,Intel坐上了PC时代的火箭
  • 《算力江湖·国产算力突围:海光成长史》第四集:AI时代不能只靠别人家的卡,海光DCU背后的国产算力野心
  • 《算力江湖·国产算力突围:海光成长史》第一集:被卡住的底层算力,为什么中国需要一个“海光”?
  • 《算力江湖·英伟达传奇》第一集:黄仁勋9岁被送错学校,这件事影响了英伟达30年
  • 高校科研 AI/GPU 服务器怎么选型?深耕算力交付多年,聊聊高校采购落地实操
  • AI训练服务器配置方案:为什么很多GPU服务器“参数很高”,实际训练效率却并不高?
  • 5090显卡服务器实测:为什么越来越多科研团队开始用5090做AI算力?
  • A100 GPU服务器科研团队交付案例:一套真正能长期稳定运行的科研算力平台,应该怎么做?
  • 网昱工作站推荐:国产海光平台的安全与性能双优选择
  • 算力服务器工作站厂商如何突破算力基础设施困境
  • 强哥看《Steam, Steel, and Infinite Minds》:AI 不是“无限心智”的降临,而是一场昂贵而现实的工业革命
  • 蒸汽、钢铁与无限心智(Steam, Steel, and Infinite Minds)全文
  • RTX 5090 vs A100:训练效率全面对比与实战建议
  • 高校 AI 算力平台部署全指南:强哥从技术与实践层面拆解方案
  • 强哥聊算力:从黄仁勋“五层结构”看中美 AI 竞争的真实落点
  • 2025 年高校科研 GPU 集群该怎么搭?避坑、选型、落地全干货
  • 高校 GPU 科研集群该怎么搭?强哥告诉你:别被参数忽悠,能跑实验才是硬道理
  • 为什么高校科研 GPU 集群总是不够用?强哥从底层架构讲清楚:该怎么搭,才能跑得快、跑得稳、还能扩展十年
  • NVIDIA 黄仁勋勾勒 AI 十年蓝图:6G、量子、机器人、自动驾驶 全面开花
  • 研究所的AI算力革命:强哥谈GPU服务器配置与科研场景方案
  • AI训练服务器推荐:高校科研的高效算力基石
  • GPU 服务器配置深度指南:我在高校科研一线的实战分享
  • ChatGPT 操作系统来临,科研算力体系迎来新拐点—— 从高校科研到企业创新,AI 平台化时代对GPU服务器的全新考验
  • 从显卡到架构:我这些年为科研团队搭建 AI 训练服务器的经验谈
  • 科研 GPU 服务器的性能、稳定性与故障率解析——强哥给科研团队的专业建议
  • 科研服务器性价比如何提升?高校与科研团队选型指南
  • AI训练服务器显卡配置怎么选?最新5090方案深度解析来了!
  • AI服务器租赁 vs 自建成本分析:2025年技术选型与优化指南
  • 高性能 GPU 服务器价格深度解析:科研团队如何选到合适的方案
  • AI服务器如何选?强哥带你看懂英伟达 DGX、HGX 与 MGX 的真正区别
  • RTX 5090 vs 专业级算力卡:科研与AI训练如何选型最优?
View Categories

《算力江湖·AMD逆袭史》第三集:54亿美元买下ATI:神来之笔,还是自我拖累?

网昱智算
《算力江湖·AMD逆袭史》第三集:54亿美元买下ATI:神来之笔,还是自我拖累?
强哥聊算力 · 《算力江湖·AMD逆袭史》第三集:54亿美元买下ATI:神来之笔,还是自我拖累?

本集导读:上一集我们讲到,AMD靠K8和x86-64打出了一场漂亮仗。那是AMD历史上少有的高光时刻,它不只是做出了一颗好CPU,而是在64位计算这件事上,走了一条比Intel更懂客户的路。Intel想推倒重来,AMD说不用重来,原来的x86生态还能继续用。最后市场…

大家好,我是强哥。上一集我们讲到,AMD靠K8和x86-64打出了一场漂亮仗。那是AMD历史上少有的高光时刻,它不只是做出了一颗好CPU,而是在64位计算这件事上,走了一条比Intel更懂客户的路。Intel想推倒重来,AMD说不用重来,原来的x86生态还能继续用。最后市场证明,AMD这一次真的打到了Intel的痛处。可芯片江湖最残酷的地方就在于,你刚打赢一场仗,下一场更大的赌局马上就来了。

2006年,AMD做了一个震动行业的决定:花大约54亿美元收购ATI。今天我们回头看这件事,可能觉得很自然。因为现在大家都知道,CPU和GPU一定会越来越融合,AI、高性能计算、游戏主机、图形渲染、异构计算,都离不开CPU和GPU协同。可是在2006年,这个决定一点都不轻松。那时候AMD刚刚在CPU战场上打出一波气势,正面和Intel硬刚,资金、制造、产品迭代压力都很大。就在这个时候,它突然拿出一大笔钱,买下一家显卡公司,这不是小修小补,而是把公司的未来又押上了一张新牌桌。

ATI不是普通公司。它是当年显卡市场的核心玩家之一,长期和英伟达竞争。那个年代,游戏显卡市场非常热闹,ATI有Radeon,英伟达有GeForce,玩家会为了谁的画质更好、谁的驱动更稳、谁的帧率更高吵得不可开交。AMD买ATI,表面上是CPU公司买GPU公司,深层看,是AMD想把两种关键计算能力放到同一个屋檐下。它看到的未来是:计算不会永远只靠CPU,图形处理、并行计算、低功耗融合平台,都会变得越来越重要。

这个判断从战略上看,其实很有远见。后来游戏主机大量采用AMD方案,APU把CPU和GPU集成在一起,数据中心开始讲异构计算,AI时代更是把GPU推到舞台中央。你会发现,AMD当年买ATI,方向并不是错的。它确实提前看到了一个趋势:未来的芯片竞争,不会只是CPU对CPU,而是CPU、GPU、系统平台、软件生态一起竞争。问题是,看见未来,不等于马上吃到未来的红利。很多公司不是死在看错方向,而是死在方向看对了,但现实撑不到未来兑现。

这就是AMD收购ATI最有戏剧性的地方。买下ATI以后,AMD确实拿到了GPU能力,也拿到了进入更多市场的门票,但同时也背上了沉重包袱。54亿美元对AMD来说不是小钱,它不像Intel那样家底厚,也不像后来英伟达那样现金流充裕。收购以后要整合团队,要处理产品线,要承担债务压力,还要继续面对Intel在CPU市场的猛烈反击。你想想,一个挑战者本来就资源有限,现在同时要打CPU战场,又要打GPU战场,还要消化一场巨额并购,这个压力是非常大的。

更麻烦的是,收购一家公司从来不是把两个Logo放在一起那么简单。CPU团队和GPU团队的文化不一样,研发节奏不一样,客户群体也不一样。ATI以前是和英伟达在显卡市场拼产品、拼驱动、拼游戏生态;AMD原来主要和Intel在CPU、服务器、PC平台上打仗。两家公司合在一起,理论上可以形成互补,但现实里要花很长时间磨合。很多并购失败,不是因为战略错,而是因为执行太难。把两个技术体系、两个团队、两个市场节奏揉成一个真正能打的整体,本身就是一场硬仗。

而这时候,Intel也没有闲着。Intel在CPU市场依然强大,后来酷睿架构重新打出优势,AMD的CPU压力越来越大。AMD原本靠K8赢来的势头,开始被Intel重新压回去。与此同时,英伟达在GPU战场上继续加强自己的地位,尤其是后来CUDA生态慢慢成型。AMD手里虽然有了ATI这张牌,但它还没有马上形成像英伟达那样强的软件护城河。也就是说,AMD拥有了CPU和GPU两块拼图,但拼图到手,不代表马上就能拼出完整帝国。

我做算力这些年,对这一点感受特别深。很多客户买设备也会有这种误区,以为把最好的CPU、最好的GPU、最大的内存、最快的硬盘堆在一起,就一定是一套好平台。其实不是。真正难的是系统能力。硬件之间能不能配合,驱动和软件能不能稳定,负载能不能吃满,长期运行会不会出问题,后期扩展是不是顺。公司并购也是一样,你买到能力,不等于整合出了战斗力。AMD买ATI,拿到了未来的关键门票,但真正把这张门票变成持续收益,它用了很多年。

所以这笔交易到底是神来之笔,还是拖垮自己的豪赌?我觉得答案很复杂。从长远看,它是神来之笔。因为没有ATI,AMD后来很难在游戏主机、APU、图形计算和今天AI加速市场里有完整布局。你看现在的AMD,CPU有Ryzen和EPYC,GPU有Radeon和Instinct,游戏主机有定制芯片,数据中心也能讲CPU加GPU平台。如果没有2006年这一步,AMD可能只是一家CPU挑战者,不会拥有今天这种完整牌面。

但从短期看,这笔收购也确实差点把AMD压垮。它买到了未来,也买来了债务、整合压力和更复杂的战场。方向是对的,但时间太早,身板太薄,现实太重。很多企业最痛苦的地方就在这里:你明明看到了未来,却没有足够资源轻松等到未来到来。AMD当年就是这样,它不是没有远见,而是远见来得太贵了。

这一集我们要记住的是,战略不是写在PPT上的漂亮话。真正的战略,是你愿意为一个未来付出多大代价,而且在回报来临之前,你能不能扛住现实的压力。AMD收购ATI,就是这样一次豪赌。它让AMD获得了未来AI和异构计算时代的入场券,也让AMD在之后多年里背着沉重包袱往前走。

我是强哥。下一集我们讲AMD最危险的一段时间。ATI买了,CPU战场又被Intel重新压制,公司财务压力巨大,市场信心越来越弱。很多人都觉得AMD快不行了。就在这个时候,一个华人工程师走到了台前,她叫苏姿丰。她接手AMD的时候,公司已经几乎没有退路了。


如果你正在规划 GPU 服务器、AI 工作站或本地算力平台,可以查看网昱智算 GPU 服务器产品,也可以联系方案工程师沟通具体场景。

返回「强哥聊算力」栏目

继续阅读同栏目文章
需要配置建议,联系方案工程师
  • 基层医疗机构算力支撑落地案例|新津卫生院2U双路机架服务器部署基层医疗机构算力支撑落地案例|新津卫生院2U双路机架服务器部署
  • 《算力江湖·AMD逆袭史》第一集:硅谷最会卖梦的人,如何创办AMD?《算力江湖·AMD逆袭史》第一集:硅谷最会卖梦的人,如何创办AMD?
  • 《算力江湖·国产GPU突围:摩尔线程故事》第二集:国产GPU为什么不能只会跑AI?摩尔线程押注“全功能GPU”《算力江湖·国产GPU突围:摩尔线程故事》第二集:国产GPU为什么不能只会跑AI?摩尔线程押注“全功能GPU”

产品中心

  • 算力服务器
  • 算力工作站
  • AI服务器
  • 静音工作站
  • GPU服务器

解决方案

  • 高校智慧教育
  • 企业智能制造
  • 互联网计算平台
  • 智能公共算力

联系我们

  • 销售电话:18608014545
  • 服务热线:4000 4545 11
  • 商务合作:(028) 85571106
  • qm@2008qm.com

Copyright © 2026 网昱智算 蜀ICP备08100424号