当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > AMD收购MK1,加速AI推理布局

AMD收购MK1,加速AI推理布局

2025-11-16 21:03:34 0浏览 收藏

**AMD收购MK1,加速AI推理发展,打造全栈式AI基础设施** 2025年11月11日,AMD宣布完成对AI推理初创公司MK1的收购,旨在加速其在AI推理领域的布局。MK1专注于高性能推理及推理链AI技术,其“Flywheel”系统针对AMD Instinct GPU进行了深度优化,具备强大的token处理能力。此次收购将增强AMD在企业级AI软件生态方面的实力,提升推理性能并优化总体拥有成本。MK1团队将整体并入AMD的AI业务部门,结合AMD Instinct GPU及ROCm平台,为金融、医疗等行业提供高效、可审计的AI服务。此举延续了AMD“软硬协同”的发展路径,进一步完善其从模型训练到实际推理的全覆盖式AI基础设施,旨在吸引更多企业客户,挑战NVIDIA在AI市场的地位。

AMD 完成收购 MK1,加速 AI 推理布局

AMD在2025年11月11日正式宣布已完成对人工智能推理初创公司MK1的收购,此举标志着其在AI推理赛道上的关键布局迈出实质性一步。

MK1长期聚焦于高性能推理及基于推理链的AI技术研发,其核心成果“Flywheel”系统针对AMD Instinct GPU架构进行了深度适配与优化,具备每日处理逾一万亿token的强大能力。通过此次并购,MK1团队将整体并入AMD的AI业务部门,助力增强公司在企业级AI软件生态方面的实力,进一步提升推理性能并优化总体拥有成本。

Flywheel技术充分利用了AMD Instinct GPU所具备的高带宽内存优势,实现了极低延迟与超高吞吐量的推理表现。配合如Instinct MI300X等先进加速器平台,该方案可为金融分析、医疗诊断、智能客服等关键行业提供更高效、可审计且节能的AI服务。

这项收购延续了AMD一贯坚持的“软硬协同”发展路径,与此前发布的ROCm 6开发平台、Instinct系列加速卡以及开放AI工具包形成有机联动,致力于打造从模型训练到实际推理全覆盖的一体化AI基础设施,吸引更多寻求替代NVIDIA方案的企业客户。

近年来,AMD持续加码AI领域,先后宣布与OpenAI合作建设6吉瓦级别的Instinct计算集群,并收购硅光子技术公司Enosemi以强化互连能力。此次整合MK1的技术与人才资源,进一步增强了其在AI推理市场的技术壁垒,加速推进从底层芯片到上层应用的全栈式能力建设。

到这里,我们也就讲完了《AMD收购MK1,加速AI推理布局》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

Golang依赖管理全攻略详解Golang依赖管理全攻略详解
上一篇
Golang依赖管理全攻略详解
晋江阅读亮度调节方法详解
下一篇
晋江阅读亮度调节方法详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    263次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    312次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    291次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    269次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    86次使用