电子发烧友网报道（文/黄晶晶）近日，历史根据市场研究机构PassMark对于服务器
CPU市场占有率调查的首次U市数据显示，截至2025年一季度
AMD在服务器CPU 市场市占率首次达到50%，占率
与竞争对手
英特尔持平。历史根据AMD的首次U市数据显示，自EPYC CPU推出以来，占率其在服务器领域的历史市场份额由2018年的2%提升到2024年上半年的34%。在持平之后未来竞争将变得更加激烈。首次U市
回看每一代AMD EPYC
处理器的占率演进，它们都致力于为客户提供性能更高、历史能耗更省的首次U市CPU。2017年AMD推出基于Zen架构的占率EPYC霄龙服务器处理器Naples，一举打破了英特尔在服务器市场的历史优势，正式开启高性能计算赛场的首次U市征战。2019年基于Zen 2架构的占率第二代霄龙
Rome问世，首次将7nm先进制程带入数据
中心。2021年，AMD发布采用Zen 3架构的第三代EPYC霄龙服务器处理器Milan。以及后续第四代产品Genoa、
Bergamo等，直到去年第5代EPYC CPU Turin将核心数推升至192核。
AMD抓住
AI时代数据中心领域对高性能CPU适配
GPU以及承担AI推理任务等需求，凭借核心密度、能效、性价比等优势强势崛起。
CPU适配助GPU发挥潜力GPU 加速器已成为现代 AI 的主力军，在训练大型复杂模型和支持高效的大规模实时推理方面表现卓越。GPU 能够利用其并行处理能力，加速大型和中型模型的训练。同时，GPU 为大规模部署的实时推理提供所需的速度和可扩展性。但要充分发挥GPU的潜力，与合适的 CPU结合可显著提高 AI 效率。
而这样的CPU需要具备高频率，快速高效地处理大量数据准备和后处理任务；大容量高速缓存，便于快速访问海量数据集；高内存带宽和高性能 I/O，支持 CPU 和 GPU 之间快速无缝地交换数据；高能效核心，节约功耗以供 GPU 使用，同时有助于降低整体能耗；兼容 GPU 和软件生态系统，实现性能优化、效率提升和流畅运行。
AMD EPYC（霄龙）9005 系列处理器专为加速数据中心、
云计算和 AI 工作负载而设计，助力企业将计算性能提升到全新水平。该处理器基于Zen5/Zen5c架构，采用台积电4nm/3nm工艺制造，IPC提升高达17%，最高规格为192核/384线程，运行频率最高可达
5GHz。采用全新“Zen 5c”核心架构可提供更高的吞吐量和更高的能源效率，与竞品相比，插槽吞吐量预计可提升高达1.3倍，每瓦效能预计可提高1.3倍。每个插槽高达6TB的
DDR5存储器容量、扩展的I/O连接性以及透过CXL2.0支援高达160条PCIeGen5通道，还支持更多安全功能。
据介绍，使用 AMD EPYC（霄龙）9005 处理器，在机架数量减少多达 86% 的情况下仍能实现与原有硬件相当的整数性能，大幅减少了物理占用空间、功耗和所需软件许可证数量，从而为运行全新或扩展的 AI 工作负载腾出空间。
基于 AMD EPYC（霄龙）9005 CPU 的纯CPU型服务器能够高效处理大量 AI 工作负载，如具有 130 亿个及以下参数的语言模型、图像和欺诈分析或推荐系统。与上一代产品相比，运行两个第五代 AMD EPYC（霄龙）9965 CPU 的服务器可实现高达2倍的推理吞吐量提升。
作为CPU AI 平台，基于 AMD EPYC（霄龙）处理器的服务器可高效运行推理工作负载，满足各类模型和应用场景的需求。AMD EPYC（霄龙）CPU 具有出色的灵活性，可充分满足从实时推理到批量推理或离线推理等的一系列需求。
以 FP32 精度运行常用的梯度提升模型 XGBoost（Higgs 数据集）时，基于 192 核 AMD EPYC（霄龙）9965 处理器的双路服务器的推理吞吐量（平均每小时运行次数）是原有解决方案的 3 倍之多。
AMD EPYC（霄龙）9005 系列中的有些型号经过专门优化，在搭载 GPU 的系统中用作主机 CPU时可帮助提高特定 AI 工作负载的性能，从而提高每台 GPU 服务器的投资回报率。例如，运行 Llama3.1-70B 时，在相同情况下使用高频 AMD EPYC（霄龙）9575F 处理器且搭载 8 个 GPU 的服务器在系统性能上可提升高达 20%。
五大CPU推理负载AI 推理是指将经过训练的 AI 模型应用于全新数据并据此做出预测。AMD 具有一系列专为 AI 推理打造的出色解决方案，可适应不同模型大小并胜任不同的应用需求。对于需要尽量接近数据源的中小型 AI 模型和工作负载而言，AMD EPYC（霄龙）处理器是适合之选。对于延迟不会造成重大影响的批处理或离线处理应用而言，AMD EPYC（霄龙）处理器是可以满足推理需求的高性价比解决方案。
具体来看，一个现代的数据中心必须支持多种AI工作负载，而这些工作负载中很少有是完全相同的。通过精心配置，数据中心可以在成本较低的CPU上支持许多AI服务，并将预留的GPU用于更繁重的工作负载。
传统的
机器学习算法无法从并行计算GPU中受益，使用决策树、随机森林和线性统计模型的机器学习任务能从多核心CPU中受益而通常并不充分利用并行计算GPU所提供的优势。如果情感分析、文本和图像分类、欺诈检测或时间序列预测等工作负载在您的负载中占很大比例，那么配备最高可用核心数的CPU将是一个明智的投资选择。
模式识别和
深度学习视觉模型在CPU上表现良好。面部识别、物体检测、图像分类、热图分析，乃至缺陷和异常检测，都可以在GPU上以极快的速度运行，但可能并不一定需要达到那样的响应速度。在企业级和边缘用例的规模化场景下，CPU通常也能相当高效地处理视觉任务。
在内存密集型图分析方面，对于大型数据集的图分析，CPU通常优于GPU。复杂网络如社交网络、IT系统、物流和供应链等拥有复杂的节点、交互和模式，最适宜用图算法进行分析。它们还能生成庞大的数据集。CPU拥有直接且低延迟的访问系统
RAM的能力，这使得它们能够在内存中处理大型数据集，从而省却了与存储设备的读写循环。选择拥有最高可用内存速度和容量的CPU以获得最佳性能。
小型到中型推荐系统上，CPU非常适合实时推荐引擎。频率更高、核心数量更多的CPU为推荐系统提供了足够的并行化和处理速度。对于实时的推荐系统，应选择具备大缓存、支持高速RAM且能充分利用系统内存的CPU。
此外，CPU为特定任务微调模型可以显著减少其占用空间。诸如参数高效微调(PEFT)和低秩适应(
LORA)等技术能够将大型通用模型转化为更小、更高效的模型，从而提供高度准确的结果。在特定知识库(如产品目录、技术文档或托管文件)上经过微调的模型，能够支持在CPU上高效运行的专家代理、聊天服务和决策应用。
更省能耗和空间的方案单颗AMD EPYC基于9005 CPU的服务器可以完成超过7台2019年款的英特尔Xeon®Platinum服务器的工作量，这有助于降低能源消耗并缩小数据中心占地面积，腾出空间用于新的服务器基础设施，以满足日益增长的AI工作负载需求。
将1,000台基于
IntelXeon Platinum 8280 CPU的服务器替换为127台基于EPYC 9965 CPU的服务器，以提供391,000单位的整数性能，这将使电力消耗减少多达69%，在五年期间节省多达340万美元的能源账单。
AMD已将硬件创新聚焦于AI领域，提供了诸如AMDInstinct这样的优化解决方案。加速器与EPYCCPU相结合，可帮助您最大限度地发挥在AI领域的投资效益。例如，一个由1,000个节点组成的AI集群，使用了8xAMD Instinct MI300X加速器与EPYC 9575FCPU，在运行Llama 3.1-70B（128/2048 I/O tokens,FP8)时，相比使用Intel Xeon Platinum 8592+ CPU的同规模集群，每秒可处理最多70万个tokens。
通过测试AMDEPYC9575Fvs.IntelXeon8592+在AMDInstinctMI300x和基于NVIDIA H100 GPU的系统，可以看到AMD EPYCCPU 降低了推理延迟，提高GPU的利用效率。
在Llama 3.1和Mixtral等AI模型上，基于AMD Instinct™ MI300 GPU的系统平均推理时间快了9%。在Llama3.1和Mixtral等AI模型上，8个Nvidia H100 GPU系统平均推理时间快了8%。
小结：AMD2025年一季度营收达74.38亿美元，同比增长36%，净利润为15.66亿美元，同比增幅达55%。其中数据中心业务表现尤为突出，一季度营收37亿美元，同比增长57%，超出预期的36亿美元。AMD预计二季度营收在71亿至77亿美元之间，中值为74亿美元，略高于分析师预期的72.4亿美元。
得益于
人工智能产业的爆发式增长，以及AMD产品竞争力的提升，后续有望在数据中心处理器市场持续扩大份额。
