Wafer AI 首席执行官表示，AMD 可以通过软件优化来匹配 Nvidia 的性能

旧金山初创公司 Wafer 声称其人工智能驱动的优化使 AMD 的 MI355X 的吞吐量达到 Nvidia B200 的 80%，而成本不到一半

埃米利奥·安德雷 (Emilio Andere) 有一个简单的论点：英伟达的主导地位实际上并不在于硬件。这是关于软件的。而且软件与硅不同，是可以重写的。

Wafer AI 联合创始人兼首席执行官认为，当 AMD GPU 上运行的代码得到适当优化时，AMD GPU 的性能可以与 Nvidia 的性能相媲美。

索赔背后的数字

2026 年 7 月，Wafer 对 Z.AI 的 GLM-5.2 模型进行了微调，使其可以在 AMD 的 MI355X GPU 上运行。结果：大约是 Nvidia B200 的 80% 的吞吐量，而成本却不到 Nvidia B200 的一半。

Wafer 更广泛的宣传是，它可以在各种开源模型中提供比库存基准高 2 到 2.8 倍的加速。该初创公司构建了人工智能代理，充当自主性能工程师，自动优化 GPU 工作负载以获得更好的吞吐量。

生产环境中的平均 GPU 利用率约为 20%。这意味着组织实际上消耗了他们所支付的 80% 的计算资源。

五个月内从种子轮到 A 轮融资

2026 年 9 月 1 日，Wafer 完成了由 Marathon 和 Chemistry 共同领投的 4000 万美元 A 轮融资。该交易对这家初创公司的估值超过 2 亿美元，较五个月前（即 2026 年 4 月）完成的 400 万美元种子轮融资大幅攀升。

支持者包括 Google 的 Jeff Dean 和 OpenAI 的 Wojciech Zaremba。安德雷（Andere）和他的联合创始人史蒂文·阿雷拉诺（Steven Arellano）都是芝加哥大学的校友。他们的公司总部位于旧金山。

为什么英伟达的护城河可能比看起来更浅

英伟达的竞争优势从来都不是纯粹与晶体管有关。真正的堡垒是 CUDA，这是一种专有的软件生态系统，它使得 Nvidia GPU 的开发比其他替代方案更加容易。事实上，每个主要的人工智能框架、每个训练管道、每个推理引擎都是在构建时考虑到 CUDA 的。

AMD 的答案是 ROCm，它的开源 GPU 计算堆栈。 AMD 的 ROCm 堆栈经历了快速迭代，该公司声称与之前的版本相比，推理性能提升了 3.3 倍。

Wafer 的方法又增加了一层。该初创公司没有等待 AMD 有机地缩小软件差距，而是使用人工智能代理自动为 AMD 硬件生成优化的代码路径。

这对 GPU 市场意味着什么

如果 Wafer 的优化在规模上保持不变，AMD 在 MI355X 中拥有具有竞争力的硬件。但从历史上看，没有竞争性软件的“竞争性硬件”在 GPU 计算市场上意义不大。

对于推理工作负载来说，性价比尤其引人注目。如果 AMD 加上晶圆优化以不到一半的价格提供 80% 的性能，那么在许多生产用例中，总拥有成本计算将发生巨大变化，对 AMD 有利。