作者：电子创新网编辑部
在 AI 大模型时代，训练算力固然重要，但 真正掣肘产业落地的往往是推理环节。企业每天处理海量请求，低延迟、高吞吐、成本可控的推理系统，才是 AI 商业化落地的关键。然而，当前市场上存在三大痛点：
算力利用效率低：大多数 GPU 虽然在训练阶段表现强劲，但在推理阶段，低吞吐和冗余计算导致能耗高、成本昂贵。
软硬件生态割裂：推理软件与底层硬件兼容性差，企业部署复杂，迁移成本高，尤其是非 NVIDIA 平台的企业。
端到端解决方案缺失：从训练到推理的闭环不完整，企业需要多套工具链协同工作，难以快速上线大模型服务。
一. MK1 的 Flywheel：直击行业痛点
AMD 在 2025 年 11 月收购的 AI 初创公司 MK1，正是为了直击这些痛点。其核心产品 Flywheel 技术，专为推理而生，能够每天处理超过 1 万亿 token，通过以下方式解决痛点：
低延迟高吞吐：通过动态 token 调度和流水线处理，充分利用 AMD Instinct GPU 的高带宽内存，实现实时推理。
软硬件协同优化：Flywheel 可深度绑定 ROCm SDK 和 Instinct MI300X 平台，减少冗余计算，提高每 token 的能效比。
企业级部署友好：兼容多框架（PyTorch、JAX 等），支持多租户和流式推理，为金融、医疗、客服等行业提供可追溯、可管理的 AI 服务。
这一设计不仅提升推理效率，更有效降低企业部署成本，直接回应了行业对 高性能、低成本、易部署推理平台 的刚性需求。
二. AMD 的战略考量：软硬件协同的非 NVIDIA 路径
收购 MK1，并非孤立事件，而是 AMD 端到端 AI 战略的重要落子：
在硬件端，Instinct MI300X 与高带宽内存（HBM3）为推理提供基础算力保障；
在软件端，ROCm 6 与开放式 AI SDK 形成开发闭环；
Flywheel 的加入，实现训练到推理的 全链条优化，真正做到软硬件协同。
可以说，AMD 的目标是建立一个 企业可用、生态开放、非 NVIDIA 的 AI 推理解决方案，为市场提供更多选择，打破单一生态垄断。
三. 产业视野：推理是下一个竞争制高点
随着大模型落地规模化，推理环节的效率直接影响企业成本、用户体验和产品迭代速度。AMD 通过整合 MK1 技术，正在形成一个 高性能、低功耗、可扩展的推理平台，具备以下产业意义：
推动推理生态多元化：不再只有 NVIDIA 独占市场，企业有了更多可选方案；
降低部署门槛：Flywheel 与 ROCm 的结合，减少迁移成本，提升企业部署效率；
驱动行业创新：金融、医疗、客服等行业可在本地部署高效推理服务，加速 AI 商业化落地。
可以预见，未来 AI 推理将成为硬件厂商的新竞争制高点，而 AMD 正在用软硬件一体化战略抢占这一赛道。
四. 结语：从训练算力到推理智能化，产业变革已来
过去两年，AI 行业热衷于“谁的训练算力更强”，但真正推动产业落地的，是高效可控的推理能力。AMD 收购 MK1，不只是一次技术整合，更是一场面向企业级应用的 产业级布局：它回应了行业痛点，补齐了非 NVIDIA 推理生态的短板，也为 AI 商业化提供了可复制的模板。
推理，将成为下一轮 AI 竞争的核心，而 AMD 正在引领这场变革。
* 本文为原创文章，转载需注明作者、出处及原文链接，否则，本网站将保留追究其法律责任的权利