围绕 MI400，最容易写进标题的是“训练更便宜”。可眼下能确认的内容，还不足以支撑一笔完整的成本账。
AMD 官方 X 账号给出的安排是，苏姿丰将在 Advancing AI 2026 于 7 月 23 日 9:30 AM PT 发表主题演讲，议题包括 AI 基础设施、架构和开发。现有可引用材料并未确认这场演讲会公布 MI400 的完整规格，也没有给出显存、带宽、功耗、售价和量产节奏。发布会只能算验证节点，参数还得等产品资料。
先别拿待确认参数算总账
MI400 若要与 NVIDIA H200、B200 竞争，首先要核对三类信息：是否采用 HBM4、chiplet 如何组织、Ultra Ethernet 是否进入规模化互联方案。这些问题都需要 AMD 的产品页、整机配置或客户测试来回答。
即使后续规格亮眼，单卡参数也不能直接换算成训练成本。采购价、电力与散热、网络设备、软件迁移、集群利用率和故障恢复，都会进入总账。更大显存可能减少模型切分与数据搬运，更低功耗可能缓解机柜供电和散热压力，但这些优势必须在持续运行中兑现。
如果没有统一的测试口径和可复核数据，提前给出明确降幅，只会把预期写成事实。
ROCm 要接住的是一整套工作流
大客户更换 GPU，不是在采购单上改一个型号那么简单。PyTorch、TensorFlow 的适配，算子性能、容器镜像、调度、监控、运维脚本和故障处理，都要重新验证。
ROCm 如果能让这些环节少改代码、少停机，AMD 的硬件优势才可能进入总账。反过来，即便采购价更低，兼容性和稳定性若需要长期补课，也会增加工程成本。
NVIDIA 的壁垒也在这里。CUDA 之外，NVLink、NVSwitch、Spectrum-X 以及客户已有的工程流程，共同构成迁移成本。Ultra Ethernet 能否成为可用选项，要看规模化通信、故障定位和集群运维，峰值带宽只是其中一项。
30 MW 项目把问题拉回交付
AMD 官网目前提到一项 30 MW AMD AI 算力的分阶段部署，用于受监管的企业工作负载。这不能直接算作 MI400 订单，也无法证明其训练成本，但它比未经证实的单卡报价更接近企业采购现场：芯片必须和电力、机柜、网络、合规及软件支持一起交付。
AMD 官方 X 对 Advancing AI 2026 的介绍，也同时提到开发者、客户和合作伙伴。对 AMD 来说，台上发布芯片只是起点，后面还要让云厂商和自建数据中心客户看到可迁移、可运维的方案。买方想减少对单一供应商的依赖，前提是替代方案能够按期交付，并跑稳现有工作负载。
发布会之后，先核对这些细节
- MI400 官方资料是否明确显存、带宽、功耗、互联方式和供货节奏；
- ROCm 测试是否公开软硬件版本、集群配置和复现方法；
- 首批客户是否说明实际用途、部署规模和迁移范围；
- 与 H200、B200 比较时，成本口径是否覆盖整机、电力、网络和工程人力。
英伟达不会因为一场主题演讲失去优势，AMD 也无需靠一串传闻数字证明自己。ROCm、互联和真实部署，才会决定 MI400 能否成为可用的替代选择。在这些证据出现前，任何明确的降本结论都应留在待验证栏。
