在短短几天内，AMD将在其前进AI活动上展示全新的MI400系列数据中心加速器，但在该活动之前，我们认为尝试预测LLVM提交中的茶叶，看看我们能从中得出有关这代AMD加速器的哪些信息会很有趣。LLVM目前对AMD的两个新加速器有初步支持，代号分别为GFX1250和GFX1251。GFX1250是一个面向机器学习市场的加速器芯片，名为MI455X，将为Helios机架提供动力。而GFX1251则面向HPC市场，名为MI430X，AMD预计将提供超过200 TFLOPs的原生双精度计算。我们暂时专注于GFX1250，而把GFX1251留到另一天。我们将把架构与消费品变体进行比较，与前一代CDNA加速器以及在某种程度上与Nvidia的Blackwell进行对比。这里有趣的是，尽管我们知道这些加速器不是APU，但它们在LLVM中被列为APU。与消费架构最大的相似之处在于，我们现在有一个由两个SIMD32数组对组成的WGP（工作组处理器），但每个CU仍然有四个SIMD，就像GCN和CDNA中一样。这种看似矛盾的现象是因为不再需要软件将WGP中的两个CU分开，AMD似乎将这些术语互换使用。这个“变化”可能并不像最初看来那么结构性，甚至在硬件中可能不存在，缓存层级的变化使得编译器对于WGP共享向量L0缓存的区别变得没有意义。GFX1250仅在Wave32模式下运行，不同于RDNA可以在Wave64和Wave32模式下运行。以前的CDNA GPU只能在Wave64模式下运行，因此在将某些程序移植到新加速器时，我们可以从性能工程的角度看到一些奇怪的现象，许多内核需要重新评估以适应新架构。此外，GFX1250似乎每个SIMD可以运行20个波，相较于RDNA4多出四个。我们不知道这些特征是否是AMD在GPU发展方向的标志，但我个人猜测这预示着未来一代AMD GPU将会锁定在Wave32上，而当前存在的“WGP”将如渡渡鸟般消失，但似乎这不会在短期内发生。与RDNA4类似，我们现在获得了“WMMA”支持，不同于CDNA中较旧的“MFMA”，这是GFX1250大部分机器学习能力的来源，我们稍后会对此进行探讨。RDNA4中大肆宣传的动态VGPR分配功能缺失，这让我感到有些奇怪，因为我想象它在高注册压力的机器学习工作负载中会更重要，因为这些工作负载是处理整个张量，而不仅仅是单个向量或矩阵。模式切换仍然存在，但分配新寄存器的指令被文档化为无操作。在GFX125X中发现的最大变化之一是，每个SIMD中的每个波现在可以从寄存器文件中寻址多达1024个向量通用寄存器（VGPR）。这是一个重大改进，相较于之前的CDNA代数，CDNA代数中注册分配为最多256个VGPR和256个只能由矩阵单元使用的累积VGPR，总共可以一次为单个波分配最多512个寄存器。这比RDNA系列GPU的寄存器分配行为有更大的改进，RDNA只能为单个波分配最多256个寄存器，且没有分配拆分。这是一个重大的更新，可能在某个时候成为未来一代GPU IP的一部分，但我不敢保证它会很快到来。我们只能等着看，这项功能是否将锁定在Instinct系列，或者将多达1024个寄存器分配给单个波的能力是否会出现在Radeon系列中。现在每个波前可寻址的最大本地内存（LDS）为320kB，是CDNA4的两倍，远超过RDNA中可寻址的64kB。但实际的LDS可能甚至更大，GFX125X的一个重大变化是将LDS和向量L0缓存合并成AMD称之为WGP缓存（WGP$）。虽然nVidia和Intel已经很长时间以来采用了缓存和共享内存的单一结构，但AMD一直是采用分离缓存和LDS的奇特供应商。GFX1250现在有一个448KB的单一结构，可以根据编译器或程序员的请求进行不同的分配。GFX1250仍然支持打包fp32操作，使得SIMD中的一个通道可以同时处理两个fp32操作，和CDNA2及以后版本一样，这实际上意味着在使用打包指令时，它的向量宽度是RDNA的两倍。它还继承了更为强大和数量更多的SDMA单元。