AMDMI300在AI正面交锋英伟达16年CPU突围成功能否复制

M300正面交锋英伟达，能否复制6年PU突围战的成功？回顾CU领域中MD与英特尔自6年开始的争锋历程MD曾凭借领先的制程一举颠覆英特尔一家独大的局面，成为其CU业务和股价的拐点。在0年7月，MD和英特尔的股价首次出现倒挂而到了2年2月5日MD的市值达5亿美元，首度超越英特尔的市值。目前，MD也试图在数据中心的I应用，特别是训练端里，以新产品M0跟英伟达正面交锋，到底MD这次能否复制他们在CU一役中的成功？图表：6至今MD及英特尔股价对比图及主要事件（美元）：彭博终端、 AD、英特尔、6年上半年，MD发布了企业端CU技术路线图，其中明确表示了制程上的突破，基于台积电7m的CU将于9年推出。随后6月，MD发表了Zen架构，涵盖C端及服务器端CU产品并在27年宣布以Zen架构重新整合其C及服务器产品。在该Zen架构技术路线图中MD进一步明确了9年将有7m产品推出0年将向更先进制程迈进。反观彼时的英特尔，由于在制造更先进制程芯片的过程中遭遇技术困难，m芯片良率不佳，导致原定于6年下半年的m（相当于台积电m）量产多翻推迟至9年下半年。目前，MD的Zen架构已发展到台积电5m制程，而年新版技术路线图进一步更新了其进入台积电m制程的计划。图表：MD在6年发表的企业端U技术路线，明确指出台积电m制程PU将于/9年推出：Videcdz、：7年D示n构U在0越m 图表：2年MD表示Zn架构PU将在4年发展到：AMD官网、 ：AMD官网、6年6月，MD宣布推出Zenx-4微架构。对比彼时英特尔的kake架构，Zen的CU部分面积较小缓存空间有所提升且散热片间距加宽默认频率更高功耗更低，价格也较低。随后在7年初上市，同样基于Zen架构的Ren7系列C端CU，采用了m制程及8核6线程工艺，对标同为m制程的英特尔酷睿-0（基于6年6月推出的rodwel-E升级架构从此时开始MD的C端产品已逐渐逼近英特尔，而蚕食份额的趋势也初见苗头服务器端方面MD于同年也推出了同样基于Zen架构PCCU产品对标英特尔XenC（同为m制程PC凭借高性能表现及高能耗效率，也开始在数据中心的市场份额上攻城略地。在英特尔正深陷良率等问题不断推迟1nm量产的同时MD联手台积电在制程上不断取得突破在C及服务器端的制程上纷纷弯道超车英特尔为市场份额的提升开了绿灯。8年MD推出了采用当时GoalFondry1m半节点制程的Ze架构并基于此推出C端Ren52600及Ren7200CPU首度在制程上超越当时还是4m的英特尔，加速抢占英特尔的U市场份额。随后在9年MD在C和服务器端的制程均更上一层楼MD推出了基于台积电7m制（相当于lm制程的Zen2架构当中包括Ren9系列的C端U及PCRome服务器端CU。Zen2架构采用了hpet小芯片设计，通过CU和核心分离，解决超多核心并行问题的同时也降低了生产成本，并达到降低延迟的效果。而在差不多时间里，英特尔的IceLkeC产品也终于上市量产，该产品采用了英特尔早在5年发表的lm制程。英特尔虽勉强追赶上MD在C端的制程进度，但在制程上的落后也并没有改善。ItlXeonE5Brz/SilrtlXeonE7Gl/PliItlXeonE5Brz/SilrtlXeonE7Gl/PlinmMDNlsPlfrm系列代号SklkeSPSklkeSPADEPCen架构Sklae制程核心线程8核心,/6线程8核心,/6线程面积mm2mm2工艺节点 m m PCH eisrgPCH eisrgPCH S二级PCH eisrgPCH eisrgPCH S三级缓三级缓存（每核心） 8B,mm2 8B,.mm2最大核心数682最大线程数最大核心数682最大线程数264

ScktPGA

ScktPGA

SP3GAsckt散热散热片间距（m） 8 2x金属片间距（m）2最大三级缓存.5B3.5B34BL3标准tSRM（mm）.06.08DDR4内存支持6通道DDR46通道DDR48通道DDR4金属片层数2/iM3/iM热设计功耗-W-0W01W：AMD官网、英特尔官网、 ：AMD官网、英特尔官网、0年7月底英特尔宣布将推迟l（对标台积电m制程至2年以后反观MD在Q2财报中C端业务营收大涨%，并进一步上调了全年营收预期。当月MD股价大涨%并首度超越英特尔的股价同年0月MD宣布收购头部可编程逻辑器（FG生产商赛灵（Xnx并于2Q1完成并表对比英特尔在5年收购了FGA生产商（tera，收购赛灵思能为MD带来FGA、可编程oC及自适应计算加速平台产品并将MD的产品矩阵扩充至与英特尔看齐为MD数据中心及嵌入式业务如虎添翼。1年MD推出了基于台积电7m制程的Zen3架构并推出了CMian服务器CU对比姗姗来迟的英特尔此时才推出采用l10m制程的第三代Xen可扩展CU。2年，MD基于台积电m制程的Ren7000系列产品顺利量产，再次拉开与英特尔C端制程的距离（当时英特尔仍处于Inel7阶段，对标台积电7m。图表：MD与英特尔C端制程发展进度对比及相关产品举例，8年MDPC端制程首度超越英特尔*注：计划中进度，公司还未推出相关产品：AD官网、英特尔官网、图表：MD与英特尔服务器制程发展进度对比及相关产品举例，9年MD服务器制程首度超越英特尔*注：计划中进度，公司还未推出相关产品（其中SapieRaids已推出，EmldRids未推出）：AD官网、英特尔官网、Q，MD在台式机和笔记本的CU份额仅为%%。而Zen架构及相关产品推出后，MD开始逐步蚕食英特尔的C份额，并在8年制程反超英特尔后，份额提升加速。MD的服务器CU在Q1份额仅为%，市场基本被英特尔所垄断，但7年PC推出后，服务器CU的份额也开始一路上涨。至Q，MD在C端（台式机/笔记本CU份额分别攀升到0.%/24.%为史上最高但随后Q3出现回落截止Q，MD台式机笔记本CU份额为19.%/16.2%，服务器端CU市场份额为%；英特尔台式机笔记本CU份额为0.%/83.8%；服务器端CU市场份额为%。MD管理层在2Q3财报电话会表示，主要鉴于C市场疲软，客户大幅调整供应链中的库存导致该季度C端营收同比由Q2的增长%大幅降低至下滑%MD的下游客户先前积累了较多MD产品库存，因此在需求走弱后先消化额外库存，导致MD的份额短暂下滑，但随后在4即开始恢复。另外，MD在服务器端也受到宏观环境影响速下调，在Q3开始份额增长也放缓。图表：1MD与英特尔在C端PU市场份额 图表：1MD与英特尔在服务器端PU市场份额：MercuryResearch、 ：MercuryResearch、目前MD的M0CUGU正准备进军I训练市场与英伟达GaeHopper正面交锋M0或成为MD与英伟达在I竞争的拐点能否重演6年与英特尔在CU角逐中的成功？MD于CS223介绍了新一代Instnct0加速器结合CU与GU，同时聚焦I语言大模型训练端及推理端对标英伟达GraceHoprGraceCU+HopprH0GPU，一改过去MD的GU产品主要应用在图像处理及I推理领域的局限。我们认为0应该是除了谷歌的TU之外能与英伟达在I训练端上匹敌的产品在规格及性能方面全面追击英伟达raceHoper，重点发力数据中心的HC及I领域。公司早前在Q4财报电话会里提及，0已开始送样给重要客户，而正式推出将会在下半年4年将看到明显贡献MD的宿敌英特尔也不甘示弱在2年的C英特尔公布了其结合x86CPU与XeGU的FaconShores芯片组，该产品原定于4年上市，但在3年3月被公司宣布将推迟至5年以后，具体架构信息暂未公布。我们将从芯片架构和制程算力内存带宽价格和软件生态对MDM0和英伟达GaeHopper两者竞争优势展开对比：芯片架构CUGU仿生人脑结构制程看齐英伟达0是MD首款结合了Zen4CU与CNDA3GU的产品，也是市场上首款“CUGU内存一体化产品。采用D堆叠技术和Chpet设计，配备了9个基于m制程的芯片组（据Cgamers推测包括3个CU和6个GU置于4个基于6m制程的芯片组之上因此在制程上，MI00属台积电5m，相较MI00系列的m实现了跃迁，并与英伟达GraceHoper的m制程（属台积电m体系）看齐。0晶体管数量达到0亿，多于英伟达H100的00亿，以及前代250X的2亿晶体管数量。CDNA3架构是MI00的核心DN，300配备了4个Zen4数据中心CU核心和18GBHM3内存，并以位宽总线配置运行。图表：MDMI0使用Dilt结构 图表：MI0产品示意图 ：AD官网、 ：CES22、图表：英伟达reoper架构示意图：英伟达官网、图表：英特尔lnShores芯片组结合6PU与eGP，预计5年或以后上市：英特尔官网、算力：MI30的性能逼近英伟达GaeHopper。MD上代X（发布于1年1月F2算力达9TFLO虽已超越英伟达0的5TFLO（发布于年6月，但其发布时间在英伟达之后。MD暂时未公布0与英伟达GraeHopper在算力上的对比，但相较上一代的X，300在I上的算力（TFLO）预计能提升8倍，能耗性能（TFLO/watt）将优化5倍。因此，此次I0的性能提升后有望逼近GraceHoper水平。另外，raceHoper支持8位浮点精度，而X仅支持6位及以上，但0或将在I训练中支持4位和8位浮点精度，可进一步节省算力。图表：MD宣称M0I性能将是MIX的8倍，能耗性能将为MX的5倍：CES22、图表：MDInsinctMI系列PU发展历程产品名称MI0MI0MI0MI0MIXMI0MI0发布时间22.1峰值算力（OPS）P6:2.82P2:1.41P6:2.49P2:1.75P6:14P2:2.1P6:3.1P2:4.3P6:33P2:4.87P6:11P2:2.6NA工艺制程及芯片面积m,3mm2m,31mm2m,70mm2m,74mm2m,74mm2m,74mm2m,117mm2晶体管数量（亿）60内存容量6BHB22BHB22BHB28BHB2e8BHB2e4BHBe8BHB3内存带宽24B/s24B/s29B/s77B/s77B/s2138B/sNA热设计功耗DP（W）：AD官网、英伟达官网、图表：英伟达及MD主要PU相关产品参数对比产品名称A10PCI｜SXM英伟达H0PCI｜SXM｜NVLMIXMDMI0发布时间2.1峰值算力（OPS）P6:32｜24P2:1.5P4:1.5P:,6｜,5｜,96P6:1,1｜,99｜,8P2:5｜｜34P4:5｜｜34P6:3P2/6:4.9P2/64tix:9.7NA工艺制程及芯片面积m,8mm2m,84mm2m,74mm2m,117mm2晶体管数量（亿）60内存容量0BHBe｜｜88BHB38BHB2e8BHB3内存带宽9｜,09B/s｜.5TBs｜.TBs3高达.2TBs2NAItronet0B/sNVinkor2PUs4B/sPCIeGn40｜9｜00B/sNVik5BsPCIeGe5PCIeGn4PCIe热设计功耗DP（W）0｜4003｜0｜23-00：AD官网、英伟达官网、内存带宽MI30通“统一内存架构（UnifiedMemo便利GU-CU间数据传输，效果类比英伟达NLink技术。0的3DChplet架构使其内部CU和U可共享同一内存空间针对相同数据同时展开计算实现“o-cp（即CU执行计算时无需先将数据从某处内存复制到另一个特定内存区域便利单节点内GU-CU之间的数据传输，减少内存带宽的占用。而英伟达GraceHoper则通过NLnk-C2C实现GU-CU高速互联，双方作为内存共享对等体可以直接访问对方的对应内存空间，支持90G/s的互联速度。尽管MD暂未公布0的传输带宽，但其创新的统一内存架构实现了GU-CU在物理意义上真正的内存统一。MD虽未公布MI00HBM的更多信息，但最新代HM3内存带宽约为1G/s与英伟达NLnkC2C90G/s带宽相近因此内GU-CU的统一架构可绕过传统连接协议速度的障碍，突破GU-CU之间的数据传输速度限制满足未来I训练和推理中由模型大小和参数提升带来的海量数据计算和传输需要但值得一提的是英伟达GraceHoper还通过Linkwtch实现多达6个GU的互联，支持高达10TB的高带宽内存访问，可有效解决GU大规模并行运算中“单节点本地内存不足”的痛点，在内存带宽表现上或更胜一筹。图表：MI0向第三代统一内存架构转实现了PU和PU的内存共享：CES2、图表：英伟达reoper通过VLC和Linkwih实现GPU和GPPU互连900G/s

900G/s

900G/s：英伟达官网、价格高性价比策略或为MD在与英伟达的竞争中再添一码尽管MD尚未公布定价管理层在F2Q1财报电话会中表示数据中心产品将延续往日的高性价比定价风格，重点关注先把市场打开。成本效益乃云厂商的重中之重，加上单一依赖一个厂商也并非他们所愿。公司预计0将于今年底前推出，并将搭载于劳伦斯利弗莫尔国家实验室的百亿级超级计算机ICaptan及其他大型云端客户I模型中公司预计0营收将在2Q4开始放量，4年持续爬升。图表：英伟达四代Vink产品：英伟达官网、软件生态：对比英伟达的CUD（ComputeUnifiedDevicerchitetue）生态圈，MD的ROC（RadeonOpenComputecosytem或是其打破英伟达独大局势的一大障碍。英伟达于7年发布CUDA生态系统，开发人员可以通过CUDA部署GU进行通用计算（GGU。通过先发优势和长期耕耘，UDA生态圈已较为成熟，为英伟达GU开发优化和部署多种行业应用提供了独特的护城河。MD的ROm发展目标是去建立可替代CUDA的生态而ROm于6年4月发布相比7年发布的CUDA起步较晚。全球CUDA开发者0年达0万，223年已达0万，包括dbe等大型企业客户而ROm的客户主要为研究机构多应用于HC对任何一种计算平台和编程模型来说，软件开发人员、学术机构和其他开发者与其学习、磨合和建立生态圈都需要时间，更多的开发者意味着不断迭代的工具和更广泛的多行业应用，进一步为选择CUDA提供了更为充分的理由，正向循环、不断完善的生态也将进一步提高其用户粘性。ROCm暂时或难以匹敌CUDA的主要原因包括：1）ROCm仅支持Instinct系列（即RadeonPro系列）GPU的部分SKUs，包括RadeonProW6800和RadeonProV620，近期方扩展至RadeonRX6900XT，RadeonRX6600，以及已有9年历史的RadeonR9Fury，而CUDA广泛支持英伟达多条产品线；2）CUDA1.0即支持Linux、ows，而ROCm长期只支持Linux（甚至是特定的Linux内核版本），在今年4月刚刚宣布登录ows，但仅支持RadeonProW6800，RadeonRX6900XT和RadeonRX6600；3）英伟达拥有丰富的CUDA软件库，以便利开发者利用GPU构建新应用或加速现有应用，覆盖广泛终端应用场景，包括资源受限的物联网设备、自动驾驶及超级计算机等领域，而ROCm软件库则仅包括CUDA中的一些部分，例如部分数学函数、并行算法库Trust（ROCm中为ParallelSTL）以及深度学习库中的cuDNN（ROCm中为MIOpen）。针对这样的现状，AMD在丰富其软件生态也持续有积极动作。虽然目前仅有部分SKU支持ows系统，但主流Radeon显卡用户可以开始试用过去仅专业显卡才能使用的AMDROCm(5.6.0Alpha)。23Q1公司宣布其ROCm系统融入PyTorch2.0框架，目前TensorFlow和Caffe深度学习框架也已加入第五代ROCm。ROCm也能对应到CUDA的部分内容，例如ROCm的HIP对应CUDAAPI，只需要替换源码中的CUDA为HPI就可以完全移植。图表：英伟达DXI生态圈及相客户矩阵资料来源：英伟达官网、图表：英伟达DA软件库及应用场景种类软件包组成功能应用数学库cBAS、cFT、cuRAND、cSARSE、cTENSOR、AmgXcSOVER、为分子动力学、计算流体学、计算化学、医学成像和地震勘探等领域的计算密集型应用奠定基础并行算法库Tst用于C++中的多项运算并在研究自然科学物流、旅行规划等领域的关系时与图形一起使用图像和视频库vJPEGNVDA性能基元NVDA视频编解码器SDK、NVIDA光流SDK用于通过CUDA和GPU的专用硬件组件来进行图像和视频的解码、编码和处理通信库NVSHE、NCCL性能经过优化的多GPU和多节点通信基元深度学习库NVDAcuDNNNVDAsTNVIDARiv、NVDADeStrmSDK、NVDADALI用于利用CUDA和专用硬件组件的深度学习应用合作伙伴库OeCVFmegAraFie、AGA、ISLotrn数值库、Gnck、CHOLOD、itnOcanSDK、CUVIib包含GPU加速的开放源代码库等覆盖矩阵信号图像、音频、视频等多种数据类型处理：英伟达官网、IPAAPIOmDA图表：IPAAPIOmDAVC A函数库 OC库、C库Pfilr OmPPfilr OmPfilrAGB OmGBVIAmi OmSIsT sleirctGPURsT sleAckr OmckrccN IOn：CSDN、图表：Om软件堆栈架构：CSDN、MD强调I为公司第一战略重点定位微软或入局助其一臂之力塑造I训练端竞争格局AD管理层在2Q1财报电话会中强调I为目前公司第一战略重点公司正致力于构建更加多元的I整合产品矩阵包括融合RenI的Ren740系列CU自适应数据中心平台ersal、Aveo加速器、第四代CGeoa处理器，以及目前公布即将上市的InstnctI300。Ren700处理器配备8颗Zen4核心和MDRDNA3显卡内置的RenI每秒可完成高达2兆次I运算用于改善视频背景中的模糊自动对焦及降噪功能ersalIEde系列将协助开发者加速传感器系统和I算法迭代优化I性能功耗比包括自动驾驶工业及医疗保健场景中的实时系统以及航空航天与国防场景中的多任务负载等MDAleo70I推理加速器采用XNA架构，峰值I算力达O，而其TDP仅W且其兼容esorFow和Porch框架适用于视频分析和自然语言处理应用根据S203中的展示在智慧城市智慧零售等应用中veoV70的能效对比英伟达在1年推出的T4推理加速器高逾%（英伟达在今年的TC里发布了新一代的4推理加速器。另外根据彭博社5月4日的报道微软将注资MD并开展合作推动其在I处理器领域的发展。该报道称，目前合作研发的微软I芯片名为“雅典娜”(thn)，旨在为chtGT等大型语言模型(L)的训练及推理提供英伟达芯片以外的替代方案随后5月5日微软发言人Frakhw表示MD参“雅典娜项目的报道不实但并未明确微软与MD的合作关系我们认为大型云计算供应商拥有财力物力面对较高的外购成本和较有限的灵活性，选择自己设计I芯片也并非意外。微软与OpnI的合作中应用到大量的英伟达芯片，而若与MD开展战略合作，或将取代部分英伟达芯片的需求。云厂商自研芯片为大势所趋除微软外谷歌及亚马逊等头部云厂商也在推进I芯片自研进程谷歌于6年推出基于IC专用芯片的I推理芯片esorrocessngUnit(TU)，在7年迅速发展到第二代并拥有I训练功能，TU目前已发展到第四代，并应用于aLM等大语言模型的训练但谷歌并没有发售T仅通过GogeCoudatfom对外进行算力租赁服务亚马逊则分别在9和0年推出I模型推理端芯片Inerentia以及训练端芯片ranium并整合到其WS中云厂商推进芯片自研首先出于节约外采芯片成本、降低芯片能耗（IC基于专用性能耗更低）以削减TCO的考量。其次，公司推动自研芯片，自主可控。另外，芯片自研可集成公司本身拥有软件生态圈深化竞争壁垒，如谷歌的TU即为其esoFow深度学习框架量身打造，在其中充分发挥其性能。图表：MD的I产品矩阵布局：AD财报、图表：MDRzn0系列处理器，融合Rzn：AD官网、综上所述，MD的M0也许是谷歌TU之外，最有潜力在I训练端中与英伟达匹敌的芯片但生态系统或是MD打破英伟达独大局势的一大障碍？0在规格及性能上接近英伟达的GraceHoper其CUGU架构更加符合人脑信息处理流程并能顺应多模态模型发展趋势。0通过CU与GU统一内存的架构，跟英伟达NLnk的传输性能可比，并逐步攻克CIe总线瓶颈限制数据传输速率的问题。然而，MD对英伟达市场份额的挑战并非一蹴而就。一方面，英伟达GU芯片的算力壁垒以及I训练端的深入布局一时难以撼动另一方面MD的软件生态也限制其与客户系统的融合及渗透应用场景人脑神经网络的运作模式始终是人工智能追求的终极形态MD对芯片与人类大脑的操作理解较为超前。早在01年，MD产品构想中就以CU和GU分别类比人类左右脑，并基于此提出了CU+GU的异构产品策略。类比人脑，MD认为左脑更像CU，负责对信息的逻辑处理，如串行运算、数字和算术、分析思维理解、分类、整理等，而右脑更像GU，负责并行计算、多模态、创造性思维和想象等。人类大脑神经网络的运作模式，始终是人工智能追求的终极形态，因此，我们认为CUGU的异构集成，对比人类可实现左右脑协同工作，整体调动神经网络，或将成为I芯片的主流技术方向目前MD的英伟达的GraceHoper和英特尔的Faconhres在此均有布局。GU的算力高，并针对并行计算，但须由CU进行控制调用，发布指令在I训练端，CU可负责控制及发出指令指示GU处理数据和完成复杂的浮点运算（如矩阵运算。在面对不同模态数据的推理时，我们认为，CU与U的分工也各有不同，因此，同部署CU和GU能提供最大的运算支撑例如在处理语音语言和文本数据的推理时，I模型需逐个识别目标文字计算有序因此或更适合使用擅长串行运算的CU进行运算支持；但在处理图像、视频等数据的推理时（对比人类的操作，每一个像素是同时进入眼睛需要大规模并行运算或更适宜由GU负责例如英伟达L4GU可将I视频性能提高0倍，据英伟达测试，4与基于CU的传统基础设施相比能源效率提高9%。图表：1年MD已提出PU概念，将结合PU与PU在左右脑层的分工区别和组合构想：AD推特官方、图表：人类大脑不同部分功能及对应芯种类：HaiR.rmbin–evirnmtcnctistotmoldnmicsndscialitectin:pincilesfumnbinfctin[J.Nuo,1,4):133-3、BiFct、图表：人脑处理信与人工智能训练和理的流程对比：CSDN、谷歌官网、VasaniA,SazerN,PmarN,tl.Attntinislloue[J].Advncsinurlinfmtinrcessingsstms,1,3.、以GaeHopper为例，可以具体观察CUGU异构的优势所在。英伟达通过NLnk-C2C技术使CGU构成一个完整的系统，并实现内存相互访问，无需沿循“U-内存主板-显存-G基于主板CIe的迂回路线从而减少CU计算损耗并大幅提升功耗、延时和带宽。U在视频处理、图像渲染等方面的优势毋庸置疑，但并非所有工作负载都是单纯的GUbund，因此我们认为，其CU部分或主要用于发出指令，以及在推理阶段处理，尤其是文本、音频等信息。图表：英伟达reoper与6+opper的最终用户应用程序性能拟：英伟达官网、PC需求持续下行欲见底，发力云端I欲与英伟达一决高下MD营收及利润均超预期，但较低指引触发股价下跌。MD2Q1营收为3亿美元，同比下滑%-GAPES为0美元同比下滑%均略超彭博一致预期的亿美元和8美元，-GAP毛利率同比下降3ct至%。公司指引二季度营收约为3亿美元同比下降%但环比基本持平其中客户端数据中心以及游戏业务营收同比将继续下滑但嵌入式业务营收将增长-GP毛利率预计保持在%水平全年指引营收将会由数据中心和嵌入式业务的同比增长所拉动，而-GP毛利率也将在下半年扩大虽然Q1营收及利润表现均超市场预期但二季度较悲观的营收指引导致盘后股价下跌。：MD及GP元 图表：MD季度分业务营收占比

心 端 戏 务 NnGAP

心 端 游戏 嵌入式业务*注：公司自22起采用新的业务划分方式进行财报披露AMD财报、

*注：公司自22起采用新的业务划分方式进行财报披露；赛灵思在2Q1开始并表：AD财报、图表：MD季度分业务营收同比增速 图表：MD季度分业务营收环比增速 *注：公司自22起采用新的业务划分方式进行财报披露；赛灵思在2Q1开始并表AMD财报、

*注：公司自22起采用新的业务划分方式进行财报披露；赛灵思在2Q1开始并表：AD财报、MD23Q1营收下滑主要鉴于C出货量持续下行，公司控制出货量以消耗下游库存，致客户端营收同比大幅下滑。Q1营收9亿美元，同比降幅达%，对比一季度IDC数据，个人电脑Q1出货量同比下滑%，行业的不景气也影响了主要竞争对手英特尔相关C业务，营收下滑%。全球C出货量的底部目前虽还未出现但下半年有望迎来修复。MD管理层预计今年整体C销售将下跌%，即约6亿部。竞争对手英特尔也表示，3年全年C出货量预计为7亿未来将提高并稳定至每年3亿部MD也表示正致力于平衡出货量与需求，并认为二季度和下半年C市场将回暖。彭博数据显示，3年初戴尔、华硕、联想等主要C厂商存货周转天（2.8/12.1/5.1相较2年下半（2.5/13.9/53.3可以看到一些厂商的存货周转天数虽已开始出现下降但根据IDC数据C出货量环比依然下滑。图表：全球C出货量及同比和环比变（单位：百万台）：IDC、图表：部分主要C厂商的存货周转天，3年初较2年有所下降：彭博、C方面，MDQ1推出Ren700X3D系列处理器（包括0和，而也于4月初推出，配备MD3D-Cache堆栈缓存技术，拥有更高的数据获取速率及缓存容量。移动设备方面，笔记本电脑系列MDRen9的HXCU在电子设备测评平台NotbokCheck中获CU性能测试排名第一。另外，Ren7040系列henixCU处理器已量产，相关笔记本产品将在5月中下旬开始陆续上市。以上产品均基于en4架构和台积电5m制程。图表：根据obookhek3年1月的测评，Rzn9XU多核性能表现在市面上多款U中最佳注：绿色数字表示以ADRzen960HX为基础的性能评分提升幅度：NotbkCheck、MD数据中心业务Q1营收5亿美元，同比2.3亿美元基本持平。公司表示，二季度数据中心业务应录得增长，但也需取决于宏观环境。数据中心经营利润率%，同比降幅达pct经营利润率下滑主要由于公司发力产品矩阵及研发费用投入根据公司管理层，Q1云巨头进一步扩大了MD产品部署，微软ure、谷歌云及甲骨文云等客户的28个新项目搭载了PC系列CU处理器。截至目前，已公开的由MD产品驱动的项目超过0个。公司早前在2Q4财报电话会也表示，数据中心CU第四代PC系列新产品ergamo预计于Q2末上市PCGeo-X处理器也将于本年内上市而公司也认为ergamo将会成为下半年营收的重要贡献。ergmoCU基于台积电5m制程工艺，采用ZenC架构，具有多达8个内核，针对吞吐量提升进行了优化。第四代PC家族的另一位新成员Geoa-X与前代PC中的Ma-X同样采用D-Cache技术Ma-X基于Zen3架构最大缓存为而基于Zen4架构的Geo-X在同为5核心的情况下最大三级缓存超过1G。另外，公司在今年一月发布的InstnctMI00CUGU剑指人工智能和高性能计算，该产品预计下半年开始放量，或可成为英伟达在AI训练端的有力竞争者。图表：MDEPC系列PU产品路线图CES22、图表：MDEPCPU产品矩阵系列名称VierinSinaBermoGnoXGnoaMinXMinRmeNals系列编号C*C*C4C4C4C4C4C3C2C1发布年份+CPU架构n*n5n4nCn4en4n3n3n2n1制程mCmCmCmCmCmCmCmCmo插座5/665553333插槽A 6)A4A6A6A6A4A4A4A4最大核心数**最大线程数**最大三级缓存2B4B8B6B6B4BCilt设计8 s2sDe2sDe8s8s4s)1)2s1)8s1)2)2 /+1D+1D1)+1D+1D1)+1D+1D+1D)内存支持**存储器通道D2)s)s2s2s2s8s8s8s8sPCIeGn支持DD6n50n58n58n58n48n48n44n3最大热设计功耗DWPW)WWPW)WWWWWW*注：具体参数官方尚未确认Wccfc、图表：MD发布PC处理器系列新产品rgm，预计3年第二季度末上市CES22、图表：MD发布PC处