AMD MI350とGPU競争環境

2025年12月11日更新

2025年12月更新： OpenAIがAMDの最大10%の株式を取得し、6GWのGPU供給を確保。MI350は288GB HBM3e（Blackwellの180GB対比）、8TB/s帯域幅で出荷中。Microsoft AzureはMI300XでCopilotワークロードを本番稼働。Oracleは16,384 GPU MI300Xスーパークラスターを展開。NVIDIAの代替選択肢として信頼性が高まる中、AMDのROCmソフトウェアスタックがエンタープライズレベルの成熟度に到達。

OpenAIは最大6ギガワットのGPU供給を確保するため、AMDの最大10%の株式取得を含むパートナーシップを発表した。¹ AMDは2025年10月にOracleとクラウドインフラ向けAIチップ供給契約を締結。² Microsoft AzureはAMD Instinct MI300X上でプロプライエタリモデルとオープンソースモデルの両方を本番稼働中。³ NVIDIAがAI GPU市場の80%から95%を維持する一方、AMDは推論ワークロードとコスト最適化において企業が検討する信頼できる代替選択肢として地位を確立している。⁴

MI350シリーズは2025年第3四半期にローンチされ、NVIDIAのBlackwellにスペック上で挑戦する仕様を備えている：288ギガバイトのHBM3eメモリ、毎秒8テラバイトの帯域幅、競合アクセラレータに対し2.2倍のAI性能を主張。⁵ エンタープライズインフラ計画者にとっての問題は、AMDのハードウェア優位性と改善されたソフトウェアスタックが、NVIDIAの確立されたエコシステムからの移行を正当化するかということである。

MI350の仕様とポジショニング

AMD Instinct MI350シリーズは1,850億個のトランジスタと288ギガバイトのHBM3eメモリを搭載。⁶ 第4世代AMD CDNAアーキテクチャに基づくMI350シリーズは、AI推論、トレーニング、HPCワークロード向けのMXFP6およびMXFP4を含む拡張データタイプサポートを提供。⁷ フラッグシップMI355Xプラットフォームは前世代MI300Xに対し最大4倍のピーク理論性能を実現。⁸

メモリ容量はAMDの最も明確なハードウェア優位性を提供する。MI355Xの288ギガバイトのHBM3eはNVIDIAのHopper H200の141ギガバイトとBlackwell B200の180ギガバイトを上回る。⁹ メモリ帯域幅は毎秒8テラバイトに達し、H200の毎秒4.8テラバイトとB200の毎秒7.7テラバイトを上回る。¹⁰

消費電力はMI355Xで1,400ワットに達し、Blackwell Ultraの要件と同じ。¹¹ 同様の電力プロファイルにより、この性能層でのベンダー間でのインフラ要件は実質的に差がない。

AMDはMI355XをNVIDIA B200およびGB200プラットフォームと比較テストし、Llama2-70BのファインチューニングとLlama 3.1-405Bの推論におけるトレーニングスループットを測定。¹² ベンチマークは競合性能を示すが、実際の結果はソフトウェア最適化に大きく依存する。

MI350は2025年第3四半期にパートナーとハイパースケールデータセンターに出荷。¹³ AMDの年次アクセラレータリフレッシュサイクルは、2026年開発が確認されたMI400シリーズで継続。¹⁴ Helios AIリファレンスデザインはMI400 GPU、EPYC Venice CPU、Pensando Vulcano NICをフルラックアーキテクチャに統合。¹⁵

クラウドプロバイダーの採用が加速

IBM Cloudは2025年前半にAMD Instinct MI300X GPUを追加予定。¹⁶ このコラボレーションは、IBMのwatsonx AIプラットフォームとRed Hat Enterprise Linux AI推論内でのAMDアクセラレータサポートを実現。¹⁷ エンタープライズフォーカスは本番AIワークロード向けNVIDIA代替を求める顧客をターゲット。

Microsoft AzureはスウェーデンとアイルランドリージョンでMI300XベースのAIクラスターをローンチし、カスタムCopilotワークロードをサポート。¹⁸ MicrosoftがプロプライエタリモデルでAMDを本番運用することは、ソフトウェア成熟度がエンタープライズ要件に到達したことを実証している。

Oracle Cloud InfrastructureのCompute Superclusterインスタンスは単一クラスター内で最大16,384個のMI300X GPUをサポート。¹⁹ この規模により数千億パラメータモデルのトレーニングと展開が可能。²⁰ Oracleの展開は、AMDのメモリ容量が優位性を提供するヘルスケアとゲノムAI用途にフォーカス。²¹

VultrとOracle Cloudの勝利は、AMDのアクセラレータ技術における勢い拡大を実証。²² Lenovo、Dell、SuperMicroがMI300ベースのオファリングを発表。²³ ベンダーエコシステムは現在エンタープライズ規模でAMDをサポート。

CohereはAMD Instinct MI300X上でCommandモデルを展開し、高スループットとデータプライバシーでエンタープライズグレードLLM推論を実現。²⁴ AIモデルプロバイダーによる採用は推論ワークロードにおけるAMDの地位を検証している。

ソフトウェアエコシステムの成熟

ソフトウェアエコシステムは歴史的にAMDの採用を制限してきた。CUDAの定着によりNVIDIAがデフォルト選択となった。この状況は2025年に大幅に変化した。

PyTorch 3.1はトレーニングと推論向けのネイティブROCmサポートを提供。²⁵ DeepSpeedやHugging Face Accelerateを含む人気ライブラリがAMD固有の性能フラグを追加。²⁶ 開発者はMI300X環境向けの直接構築に徐々に慣れている。²⁷

エンタープライズAIチームは性能を犠牲にすることなくコストを削減するため、推論ワークロードをAMDに移行している。²⁸ 推論は継続的に実行され長期支出を支配するため、コスト差は推論でトレーニングよりも重要。

NVIDIAのCUDAは依然としてより広い開発者採用とより成熟したツールを提供。²⁹ 本番環境での実世界性能は、生のハードウェア能力よりもエコシステム最適化によりNVIDIAを有利にすることが多い。³⁰ 組織はAMD最適化に必要なエンジニアリング投資に対するコスト削減を比較検討する必要がある。

AMDのUntether AIからのAIハードウェア・ソフトウェアエンジニア獲得により、コンパイラ、カーネル開発、チップ設計能力が強化。³¹ この投資はCUDAの堀が狭まる推論市場でのAMDの地位を強化。³²

市場ダイナミクスとシェア

NVIDIAは2025年にAI GPU市場の80%から95%を維持。³³ Wells Fargoのデータは、AIアクセラレータにおけるNVIDIAシェアが80%から90%の間に残ることを示す。³⁴ NVIDIAはデータセンターGPU分野で90%以上のシェアを保持し、ほとんどの基盤AIコードがCUDA上で構築。³⁵

AMDの2025年第3四半期データセンター収益は43億ドルに到達。³⁶ NVIDIAの2025年7月末までの四半期データセンター収益は411億ドルに到達。³⁷ 収益ギャップは市場リーダー間の規模差を実証。

JPRデータではNVIDIAがディスクリートGPU市場の94%を制御し、AMDは約6%を制御。³⁸ AMDのシェアは依然として遠い2位だが、市場は両ベンダーが成長できるほど急速に拡大。

データセンターAI GPUにおけるAMDの市場シェアは2023年第1四半期以降着実に増加。³⁹ 2025年第1四半期にNVIDIAの大規模Blackwellランプが開始し、AMDの回答が2025年第3四半期にのみ到着したため、AMDシェアは一時的に低下。⁴⁰ 各ベンダーが新世代をリリースする中、競争サイクルは継続。

AMDの戦略的機会

AMDはNVIDIAのCUDAの堀が狭い推論市場でニッチを開拓。⁴¹ 推論は最終的にトレーニングより大きくなり、AMDを市場の長期成長軌道にポジショニング。⁴²

AMDのアプローチは、すべてのセグメントでNVIDIAとのマッチングを試みるのではなく、戦略的に選択された機会にフォーカス。⁴³ この戦略はNVIDIAの優位性が最も強いところでの直接競争を避けながら、急速拡大する市場でのAMDの取り分を拡大。⁴⁴

OpenAIパートナーシップは主要な検証を表す。最大6ギガワットのAMD GPU向けのOpenAIの潜在的2,000億ドルのコミットメントは、AMDのロードマップへの信頼を示すシグナル。⁴⁵ この取引はエンタープライズ認識に影響を与える看板顧客をAMDに提供。

AMDの積極的価格戦略はNVIDIAをアンダーカットするが、価格だけではAMDがNVIDIAの市場シェア獲得での性能をマッチングできていない。⁴⁶ 競争ハードウェア、改善ソフトウェア、有利価格の組み合わせがコスト意識の高いエンタープライズとの機会を創出。

エンタープライズ展開の考慮事項

AMDを評価する組織はワークロードミックスを考慮すべき。トレーニングワークロード、特に広範なCUDA依存のあるものは依然としてNVIDIAを有利とする。推論ワークロードはより低いスイッチングコストでAMD採用の機会を提供。

メモリ容量の優位性は大型モデルで重要。MI350の288ギガバイトは複数のNVIDIA GPUを必要とするモデルの単一GPU処理を可能にする。メモリ優位性は最大モデルを実行する組織のインフラ複雑性を削減。

ソフトウェア投資要件を過小評価すべきでない。ROCmは大幅に改善したが、CUDAに慣れたチームはAMD最適化に時間とリソースを必要とする。学習曲線は新展開の本番稼働時間に影響。

マルチベンダー戦略はリスク軽減を提供。NVIDIAとAMDの両方を認定する組織は、より良い価格交渉、供給制約回避、各ワークロードタイプでの最適ハードウェア選択が可能。両プラットフォームサポートの投資は大規模展開で効果を発揮。

クラウドベースAMDアクセスは採用障壁を削減。IBM、Microsoft、Oracleなどプロバイダーはハードウェア調達なしでのテストを可能にするAMDインスタンスを提供。組織はインフラ購入コミットメント前に自社ワークロードでのAMD性能を検証可能。

迅速な意思決定フレームワーク

AMD vs NVIDIA選択：

仕様比較：

主要なポイント

インフラアーキテクト向け： - AMD MI350は288GB HBM3eを提供—B200の180GBより60%多い - ROCmソフトウェアスタックは2025年に大幅成熟—PyTorch 3.1がネイティブサポート提供 - 推論ワークロードはNVIDIAからの最低スイッチングコストを提供 - クラウドプロバイダー（IBM、Azure、Oracle）がハードウェア調達なしでのテストを可能化

調達チーム向け： - OpenAIの10% AMD株式取得は長期供給信頼のシグナル - AMD価格はNVIDIAをアンダーカットするが同等の市場シェア獲得に変換されていない - マルチベンダー戦略により交渉レバレッジと供給回復力が向上 - メモリ容量優位性により大型モデルの単一GPU処理が可能

戦略計画向け： - NVIDIAは80-95%の市場シェアを維持—AMDは信頼できる代替であり置き換えではない - 推論市場は最終的にトレーニングを超える—AMDのターゲットセグメント - AMD最適化にソフトウェア投資が必要—TCO分析に要因として組み込む - MI400シリーズ2026年確認—ロードマップ可視性が計画を改善

AMDは予見可能な将来、NVIDIAに対して遠い2位に留まるだろう。⁴⁷ しかし、大きく成長するAI市場は、少数シェアでも実質的収益を意味し、AMDを実行可能なエンタープライズオプションとして確立する。AMD専門知識を開発する組織は、市場発展に伴いコスト最適化と供給多様化でポジションを確立する。

参考文献

1. Tech Research Online. "NVIDIA vs AMD (2025): GPUs, AI & Market Share." 2025. https://techresearchonline.com/blog/nvidia-vs-amd-the-gpu-battle-for-ai-dominance/

2. 36Kr. "AMD's Aggressive Pricing Stabs Intel but Fails to Outperform NVIDIA." 2025. https://eu.36kr.com/en/p/3541331537719433

3. AMD Newsroom. "AMD Unveils Vision for an Open AI Ecosystem." June 2025. https://www.amd.com/en/newsroom/press-releases/2025-6-12-amd-unveils-vision-for-an-open-ai-ecosystem-detai.html

4. Tech Research Online. "NVIDIA vs AMD (2025)."

5. AMD. "AMD Instinct MI350 Series GPUs." 2025. https://www.amd.com/en/products/accelerators/instinct/mi350.html

6. Kontronn. "AMD Instinct MI350 Officially Announced: 185 Billion Transistors and 288GB HBM