AMD столкнулась со слабым спросом на ИИ-ускорители Instinct MI325X

Ускорители AMD Instinct MI325X, запущенные во втором квартале 2025 года, не смогли привлечь крупных клиентов, уступив по популярности решениям от Nvidia. По данным аналитиков SemiAnalysis, покупатели предпочли графические процессоры Blackwell от Nvidia из-за более выгодного соотношения производительности и стоимости.

Обзор Intel Core Ultra 7 270K Plus — лучший Arrow Lake за полцены

От Ryzen 7 1800X до Ryzen 7 9850X3D: девять лет эволюции AMD в одном тесте

Больше кадров — больше лага: тестирование латентности с генерацией кадров DLSS и FSR

Можно ли экономить на DDR5 для Ryzen? Сравниваем дешёвую память с дорогой

Компьютер месяца — май 2026 года

Обзор Apple MacBook Neo: удивительно хороший ноутбук с процессором от iPhone

Одним из ключевых факторов низкого спроса стал предел масштабируемости MI325X — до восьми GPU на систему. Для сравнения, конкурирующий продукт Nvidia GB200 NVL72 объединяет до 72 графических процессоров в едином кластере, что критически важно при выполнении масштабных задач в области искусственного интеллекта.

Ранний интерес к MI325X проявила компания Microsoft в 2024 году, однако после первых закупок корпорация не разместила повторных заказов. AMD попыталась исправить ситуацию, снизив цены для привлечения новых клиентов. Oracle и ещё несколько крупных операторов дата-центров заинтересовались предложением, но объёмы их закупок остаются незначительными по сравнению с поставками Nvidia.

Тем не менее у AMD Instinct MI325X сохраняются перспективы в сегменте, где не требуется большое количество объединённых GPU. Компания намерена улучшить экосистему программного обеспечения и сохранить конкурентные цены для привлечения разработчиков моделей ИИ с небольшим числом параметров.

AMD выпустила Instinct MI325X одновременно с Nvidia H200 и платформой Blackwell, что существенно осложнило конкуренцию на рынке высокопроизводительных вычислений. В последние годы Nvidia занимает лидирующие позиции благодаря более гибким решениям и высокой производительности в задачах искусственного интеллекта и глубокого обучения.