AMDとGoogleの提携、MetaのAIパートナーシップをNvidiaへの試金石に

AMDは、AIモデル構築に使われるソフトウェアでNvidiaが依然として強い支配力を持つなか、2024年のパートナー発表会を2026年のインフラ展開キャンペーンへと発展させた。AMDとGoogleの関係はクラウド分野での信頼性を支え、Metaはワークロード、エンジニアリング面での知見、さらに最大6ギガワットのGPU導入計画を提供している。

この組み合わせは、単なるベンチマークでの勝利以上に重要だ。AMDは主要なモデル開発企業とクラウド事業者に対し、シリコンやネットワークからフレームワーク、モデルコードまで、コンピューティングスタック全体の最適化への協力を求めている。この戦略は、開発者がすでに使い慣れた統合プラットフォームという、Nvidiaが歴史的に最も強みを発揮してきた領域に挑むものだ。

当初の発表では、Meta、Google Cloud、Microsoft、Oracle、複数のAI開発企業が、AMDのハードウェアとROCmソフトウェアを軸に集結した。これらの提携によって移行コストがすぐに解消されたわけでも、幅広い性能同等性が確立されたわけでもない。しかし、その後のMetaや他のモデル開発企業による取り組みは、この努力が一日限りの製品発表を超えて進展していることを示している。

AMDとパートナーが実際に変えたもの

AMDの重要な一手は、ワークロードを通じてハードウェアとソフトウェアを形作れる顧客に対し、製品ロードマップを開いたことだった。

AMDは2024年10月のAdvancing AIイベントで、Instinct MI325Xアクセラレータ、第5世代EPYCサーバープロセッサ、新しいネットワーキングコンポーネント、Ryzen AIエンタープライズチップを発表した。同社はまた、AMD GPUをプログラミングするためのオープンソースソフトウェアプラットフォームであるROCmの継続的な開発についても説明した。

パートナーによる開示は、このハードウェア発表に実用的な背景を与えた。AMDのAI製品発表によると、MetaはLlama 3.1 405BモデルのすべてのライブトラフィックをMI300Xアクセラレータ上で処理していた。AMDはまた、100万以上のモデルが個別の移植作業なしに自社プラットフォームで動作可能だと述べた。

Metaの役割はチップ購入にとどまらなかった。両社は、シリコン、完成システム、ネットワーク、ソフトウェア、アプリケーションにまたがって性能を最適化していた。高速なプロセッサであっても、メモリ移動、インターコネクトの混雑、未成熟なソフトウェアカーネルによって制約されたクラスターを救うことはできないため、この範囲は重要だ。

Googleは異なる役割を担った。GoogleはAI Hypercomputerアーキテクチャに関連するワークロードを含め、Google Cloudインフラ内でAMD EPYCプロセッサを採用していることを強調した。また、AMDの新しいEPYC 9005プロセッサを基盤とするクラウド仮想マシンも計画していた。

これは、Googleが自社のTensor Processing Unit、すなわちTPUをAMD GPUで置き換えたという主張ではない。Googleは、一部の社内およびクラウドAIワークロード向けにTPUを設計している。同時に、顧客が複数のプロセッサアーキテクチャを求める多様なクラウドプラットフォームを運営している。

したがって、AMDとGoogleの関係は排他的な同盟ではなく、インフラ選択を意味する。GoogleはAMD搭載コンピューティングを提供しながら、TPU、ArmベースのAxionプロセッサ、Nvidiaアクセラレータを中心としたサービスの開発を継続できる。

MicrosoftとOracleは、顧客需要を示す追加の証拠を提供した。MicrosoftはAzureおよびGPTワークロードでのMI300X利用について説明し、Oracleは自社クラウドプラットフォーム内のAMD CPU、GPU、ネットワーキング製品について言及した。

Databricksは、より具体的な性能主張の一つを示した。同社のテストでは、MI300Xハードウェアの使用により、Llamaモデルおよび独自モデルで50％超の改善が見られたと報じられている。この数値はAMDが取り上げたパートナーテストに基づくため、普遍的な結果として扱うべきではない。

中心的な変化は、単なる支持表明の集まりを超えるものだった。AMDは、大規模モデルを本番環境で運用する企業とのフィードバックループを構築していた。こうした企業はボトルネックを特定し、製品設計に影響を与え、後のユーザーが恩恵を受ける最適化に貢献できる。

このアプローチは、その後さらに具体化している。AMDは2025年、最大手のモデル開発企業およびAI企業10社のうち7社がInstinctアクセラレータ上で本番ワークロードを稼働させていると述べた。MetaはLlama 3およびLlama 4推論向けにMI300Xの展開を拡大したと報告している。

この提携は現在、連続する複数世代のハードウェアにまたがっている。この継続性は、アクセラレータ供給が不足していた時期に行われた一時的な実験と、戦略的な導入を分けるものだ。

なぜ今、AMDとGoogleのインフラが重要なのか

AMDとGoogleのつながりが重要なのは、信頼できる競争には高速なチップだけでなく、提供網、開発者の利用機会、再現可能なクラウド運用が必要だからだ。

Google Cloudは、2024年のイベント以降もAMD CPUポートフォリオの拡充を続けている。同社のC4D仮想マシンは、第5世代EPYCプロセッサとGoogleのTitaniumインフラを組み合わせ、選定されたネットワーキング、ストレージ、管理タスクをホストCPUからオフロードする。

Googleは、前世代のAMDベース製品と比べてウェブ配信スループットが最大80％向上し、汎用コンピューティング性能が30％改善したと報告した。C4Dの性能結果では、ローカルストレージのレイテンシが最大35％低下したことも示されている。

これらは生成AIトレーニングの直接測定ではない。しかし、AIシステムはアクセラレータだけに依存しているわけではない。データ準備、検索サービス、データベース、スケジューリング、アプリケーションサーバーはいずれも従来型のCPU能力を消費する。

AIアプリケーションはGPUで回答を生成する一方、CPUを使ってユーザー認証、文書検索、結果のフィルタリング、リクエストのルーティングを行う場合がある。周辺タスクを改善すれば、モデルそのものが変わらなくてもシステムスループットを高められる。

AMDとGoogleの提携は、エンジニアリングチームがAMDハードウェアに触れられる場所も広げる。開発者にテストと最適化のための利用環境がなければ、企業は第2のアクセラレータプラットフォーム導入をためらうため、親しみやすさは重要だ。

クラウドで利用できることは、この障壁を下げる。チームは、より大規模なインフラ投資を行う前に、ワークロードをプロファイリングし、ライブラリの対応状況を確認し、運用上の挙動を比較できる。また、別の場所で異なるアクセラレータ環境を評価しつつ、CPUワークロードは使い慣れたクラウドに維持することも可能だ。

推論がAIコンピューティングに占める割合を増すなか、AMDの機会は広がっている。推論とは、学習済みモデルを実行し、回答、分類、画像、その他の出力を生成するプロセスだ。限られた期間のトレーニングとは異なり、推論コストはユーザーとのやり取りごとに発生し続ける。

この反復的なコストは、モデル運用者に特定ワークロード向けのハードウェア最適化を促す理由となる。汎用アクセラレータは柔軟性を提供するが、明確に定義された本番タスクでは不要なメモリやコンピューティングリソースまで備えている場合がある。

Metaのレコメンデーションシステムは、この点をよく示している。これらは極めて大規模に稼働し、比較的安定したワークロードパターンを用いる。そうしたパターンに合わせたプロセッサは、最先端モデル研究で求められる幅広い能力よりも、コスト、エネルギー消費、レイテンシを優先できる。

Googleも同じ経済原理に直面しているが、その課題には自社TPUによっても対処している。AMD CPUを導入する意向は、ハイパースケーラーがすべてのレイヤーで単一のプロセッサアーキテクチャを採用する必要がないことを示している。

その結果、AMDとGoogleの関係は、より広範なヘテロジニアス・コンピューティングへの移行の一部となる。この種のシステムでは、運用者は各ワークロードを最適なプロセッサ、アクセラレータ、またはカスタムチップに割り当てる。

この移行は、顧客がNvidiaを手放さなくてもNvidiaに圧力をかける。クラウド事業者は、Nvidiaシステムを提供し続けながら、選定したジョブにAMDや自社設計のハードウェアを追加できる。部分的な多様化だけでも、交渉力を高め、単一のロードマップへの依存を減らせる。

開発者にとって実務上の問題は、ワークロードの移植性が維持されるかどうかだ。大規模なベンダー固有の書き換えを経なければ十分に動作しないモデルは、有利なハードウェアベンチマークを上回る切り替えコストを生み出す。

ROCmは、AMDによるこの問題への回答だ。その価値は、フレームワーク互換性、ドキュメント、デバッグツール、最適化ライブラリ、新たにリリースされたモデルへの迅速な対応に左右される。本番チームが既存ソフトウェアの挙動を再現できなければ、ハードウェアの利用可能性に大きな意味はない。

Meta、パートナーシップの議論を6ギガワット規模の試験へ

MetaはAMDのエコシステムに関する主張を、測定可能な節目と実質的な実行リスクを伴う導入テストへと変えた。

2026年2月、AMDとMetaは、最大6ギガワットのAMD Instinct GPU導入を対象とする複数年契約を発表した。システム構成や電力要件は変動するため、ギガワットは固定されたアクセラレータ数ではなく、電力容量を示す。

最初の1ギガワットは2026年後半に出荷開始予定だ。MI450アーキテクチャをベースとするカスタムアクセラレータ、第6世代EPYCプロセッサ、ROCmソフトウェア、AMDのHeliosラックスケール設計を採用する。

ラックスケールシステムは、サーバーラック全体を統合されたコンピューティングユニットとして扱う。アクセラレータ、CPU、メモリ、ネットワーク、冷却、ソフトウェアは、有用なモデル性能を提供するために連携する必要がある。

AMDによると、HeliosはOpen Compute Projectを通じてMetaと共同開発された。MetaのOpen Rack Wide仕様は物理設計に影響を与え、Metaの運用要件を中心に組織されたインフラへの道筋をAMDに与えた。

Metaとの導入契約は、両社のシリコン、システム、ソフトウェアのロードマップも整合させている。この表現は、生産開始後に標準アクセラレータカードを購入するよりも深い連携を示唆する。

MetaはAMDのVeniceおよびVeranoサーバープロセッサの主要顧客となる。Veranoには、性能、エネルギー消費、運用コストを中心に設計されたワークロード固有の変更が含まれる見込みだ。

この契約には、最大1億6000万株のAMD株式を対象とする業績連動型ワラントが含まれる。権利確定は出荷量、AMD株価の閾値、技術的・商業的条件に左右される。AMDの第1四半期提出書類によれば、2026年3月28日時点でこれらの株式は一株も権利確定していなかった。

こうした条件が重要なのは、見出しを飾る容量と導入完了は同じではないからだ。AMDは製品を製造し、システムを組み立て、ソフトウェアを支援し、Metaの要件を満たさなければならない。次にMetaは容量を導入し、意味のあるワークロードをそこへ割り当てる必要がある。

この契約は、AMDにモデル開発企業の参加が必要な理由も示している。MetaはLlama推論、広告システム、ランキングモデル、拡大中のAIアシスタントにおける運用レベルの特性を把握している。そうしたワークロード知識は、メモリ容量、インターコネクト設計、ソフトウェアの優先順位に影響を与え得る。

AMDは要求水準の高いリファレンス顧客を得る。Metaは代替サプライヤーと、選定タスク向けにカスタマイズされたプラットフォームを得る。両社は、依然としてNvidiaによって形作られているアクセラレータ市場に対する交渉力を得る。

この取り決めは、Metaが完全に移行することを意味しない。MetaはNvidiaにも大規模なコミットメントを行っており、独自のMeta Training and Inference Accelerator、すなわちMTIAの開発も続けている。

この組み合わせは合理的だ。最先端トレーニング、レコメンデーション推論、汎用AIサービスでは、求められる要件が同一ではない。Metaは一部のワークロードでNvidiaを使い、他のワークロードではカスタムAMD製品を使い、社内シリコンが適切な経済性をもたらす場合にはMTIAを使える。

したがって主な競争は、すべてのAIジョブを巡るAMD対Nvidiaではない。Nvidiaを標準選択肢とする統合型のアプローチと、特定ワークロードを中心に組み立てられたマルチベンダーのコンピューティング戦略との競争だ。

6ギガワット計画は、その代替手段が本番規模でも管理可能であり続けるかを試すことになる。2つのアクセラレータプラットフォームを運用すれば、認定、可観測性、人員配置、ソフトウェア保守に関する要件が増える。

Metaは、一般的な企業よりもその複雑さを吸収しやすい。最適化がROCmや共通フレームワークへ還元されれば、小規模な利用者も恩恵を受けられる。高度にカスタマイズされたままなら、この契約が示すAMDの幅広い利用しやすさは限定的になる。

その仕組みはハードウェアとソフトウェアの協調設計にある

顧客がモデルとシステムを共同で最適化すれば、AMDは性能差を縮められる。しかし市場を変えるには、協調設計が再利用可能なソフトウェアを生み出さなければならない。

モデルの性能は、チップの公称仕様だけで決まるものではない。運用者は、モデルアーキテクチャ、数値精度、メモリ配置、通信ライブラリ、コンパイラの挙動、スケジューリングを連携させる必要がある。

数値精度は、モデルの重みや中間値を何ビットで表現するかを決める。モデルが許容可能な出力品質を維持できるなら、低精度化によってメモリ使用量を減らし、スループットを高められる。

メモリ配置も同様に重要だ。大規模モデルは、重みや一時データを高帯域幅メモリ、アクセラレータ、ネットワークリンクの間で絶えず移動させる。これらの転送が演算ユニットを十分に稼働させられなければ、プロセッサはアイドル状態になり得る。

ソフトウェアカーネルは、行列乗算、アテンション、データ変換といった個別の処理を実行する。ベンダーは、特定のハードウェアやモデル形状に合わせてこれらのカーネルを調整する。小さな改善でも、数十億回に及ぶ反復処理では大きな差として積み重なる。

Nvidiaは、ハードウェアをCUDA、最適化ライブラリ、開発者ツール、長年にわたるフレームワーク対応と組み合わせることで優位性を築いた。組織は長年をかけて、CUDAのコード、専門知識、トラブルシューティングの慣行を蓄積してきた。

ROCmはオープンソースモデルを採用し、PyTorchなど広く使われるフレームワークをサポートしている。オープンであることは、開発者がコードを調査し、変更に貢献し、単一のプロプライエタリなプログラミング層への依存を避ける助けになる。

ただし、コードが公開されているだけで運用面の成熟度が自動的に得られるわけではない。チームには、安定したリリース、予測可能なインストール、完全な機能カバレッジ、明確な診断、そして多様なワークロードにおける性能が依然として必要だ。

AMDのモデル開発者とのパートナーシップは、こうした差を直接的に狙っている。MetaはPyTorch、Triton、大規模推論の経験を提供する。MicrosoftとOracleはクラウド導入の知見を提供する。独立系開発者はvLLMやSGLangなどのエンジンを最適化できる。

AMDの2025年プラットフォーム更新では、ROCm 7の改善、互換性の拡大、新たな開発ツールが報告された。同社はまた、MI350世代がMI300Xに比べて大幅な向上を実現したと述べたが、ベンダーによる比較はモデル、バッチサイズ、精度、システム構成に大きく左右される。

独立したベンチマークへの参加は、よりよい検証の道筋を提供する。MLPerfは、定められたワークロードとルールの下で提出結果を公開しており、購入者がローンチ時の発表だけに依存せずシステムを比較する助けとなる。

MLPerf results databaseには、Nvidiaやその他のアクセラレータを使ったシステムと並び、AMD Instinctの提出結果が含まれている。それでも、ハードウェア数、ソフトウェアバージョン、レイテンシ制約、ベンチマーク区分は異なり得るため、結果は慎重に読む必要がある。

あるカテゴリでの勝利は、普遍的なリーダーシップを証明するものではない。しかし、ベンダーが共通ルールの下で稼働するシステムを提出できるか、また十分な構成詳細を開示して情報に基づく比較を可能にするかは示す。

Googleはこの仕組みに別の側面を加える。同社のクラウドはAMD EPYCプロセッサを採用する一方、GoogleはTPUと独自の支援ソフトウェアを開発している。この共存は、インフラ企業があらゆる用途で単一ベンダーを選ぶことなく、複数の層で最適化できることを示している。

AMDとGoogleの関係は、ROCmの採用を直接的に解決するものではない。しかし大手クラウド内でのアーキテクチャの多様性を当たり前のものにし、AI周辺ワークロード全体でAMD技術が活用される機会を生み出す。

より強力なアクセラレータの実証例はMetaだ。LlamaのトラフィックをMI300Xで提供し、MI450ベースのシステムを共同設計することで、合成ベンチマークでは得られない実運用のフィードバックをAMDに与えている。

決定的な問いは、AMDがこうした顧客固有の学びを標準機能へ転換できるかどうかだ。モデルがリリースされた時点で実用的なサポートを提供するデイゼロ対応が、一つの指標となる。

ドキュメントの品質も別の指標になる。開発者は、インストールの失敗、メモリエラー、未対応オペレータ、性能劣化に直面したときにプラットフォームを評価する。プラットフォームは、そうした失敗を理解可能で修復可能なものにしなければならない。

協調設計が機能するのは、新しいモデルから信頼性の高い本番サービスまでの道のりを短縮するときだ。導入のたびにチップベンダーの専任チームがソフトウェアスタックを作り直さなければならないなら、それは不十分である。

AMDのパートナーシップ戦略が証明していないこと

大口顧客のコミットメントは需要を裏付けるが、幅広いソフトウェア同等性、大規模な提供能力、優れた経済性をまだ証明するものではない。

AMDの発表には、企業が報告する性能に関する複数の層が含まれている。スループット、エネルギー効率、世代間の向上に関する主張は、しばしば選択された構成に依存する。購入者は、自らに重要なレイテンシと品質要件の下で、自身のモデルを比較すべきだ。

推論性能は、とりわけバッチサイズの影響を受けやすい。多数のリクエストをまとめて処理することで高い総スループットを報告できるシステムでも、対話型アシスタントには受け入れがたい遅延をもたらすことがある。

モデルの長さも結果を変える。長いコンテキストはより多くのメモリを消費し、アテンション処理を増やす。短いレコメンデーションに適したプラットフォームでも、長文書や長時間のエージェントセッションを処理すると挙動が異なる可能性がある。

システムの利用率も経済性に影響する。フル負荷時には効率的に見えるアクセラレータも、需要に偏りがある場合には高コストになり得る。運用者は、アイドル容量、ネットワーク、電力供給、冷却、エンジニアリング人件費を考慮しなければならない。

Metaの6ギガワット計画は、製造リスクを導入する。AMDは、先端チップ、パッケージング、メモリ、その他の部品について外部ファウンドリとサプライヤーに依存している。いずれかの層でボトルネックが発生すれば、完成システムの提供が遅れる可能性がある。

Heliosは、ラックスケール製品がCPU、GPU、ネットワークインターフェースカード、スイッチ、ソフトウェア、冷却にまたがる調整を必要とするため、統合リスクを加える。個々のコンポーネントを検証しても、安定したクラスター運用が保証されるわけではない。

AMDの2025年年次報告書では、MI400とHeliosの量産出荷は2026年後半に向けて予定どおり進んでいるとされた。これは重要なスケジュールに関する声明であり、最初に計画された1ギガワットが稼働していることの確認ではない。

Metaのカスタムアクセラレータは、別の不確実性を生む。不要な能力を取り除いたり、演算、メモリ、ネットワークのバランスを変えたりすることで、既知のワークロードに対する効率を改善できる。

同じ専門化は柔軟性を制限する可能性がある。Metaがモデルや提供アーキテクチャを変更した場合、狭く調整されたアクセラレータは汎用システムより選択肢が少なくなるかもしれない。最終的なトレードオフは、未公表の仕様と実際のワークロード挙動に左右される。

Nvidiaも、ハードウェア、ネットワーク、推論ソフトウェア、ラックスケールシステムを継続的に改善している。AMDが競争している相手は、MI300Xのローンチ時に存在した製品ではなく、進化を続けるプラットフォームだ。

Googleの戦略は別方向から圧力を加える。TPUは、Geminiと一部のクラウド顧客向けにGoogleへ垂直統合型の代替手段を提供する。AmazonもTrainiumとInferentiaアクセラレータを開発しており、Microsoftは社内向けAIシリコンを導入している。

これらのカスタムプラットフォームは、AMDがハイパースケーラーが外部から調達したいAIコンピューティングの部分をめぐって競争していることを意味する。対象市場は急速に拡大し得る一方で、各ワークロードをめぐる競争はより厳しくなる。

AMDとGoogleというキーワードは、不正確な結論を招くこともある。GoogleによるEPYCプロセッサの利用は、Gemini向けにGoogleがInstinct GPUを大規模採用していることを示すものではない。検証済みの関係は、クラウドCPUとより広範なインフラ協力を中心としている。

同様に、Metaの採用は、通常の企業が摩擦なくCUDAからROCmへ移行できることを示すものではない。Metaには、エンジニアリング資源、モデルの管理能力、AMDのロードマップへの直接的なアクセスがある。

より強い解釈は、より限定的だ。AMDは、大手顧客が本番ワークロードと将来の容量を自社技術に託すのに十分な信頼を得た。今後は、個別対応の協業を、他の開発者が信頼して使えるプラットフォームへ変えなければならない。

この区別は、企業による評価の指針となるべきだ。購入者には、ワークロードレベルのテスト、総運用コスト、ソフトウェアサポートのコミットメント、信頼できる移行計画が必要である。パートナーロゴを技術検証の代わりとして扱うべきではない。

AMDがNvidiaに圧力をかけられるかを決める3つのシグナル

出荷、移植性のあるモデル性能、再現可能な第三者導入が、AMDの連合が競争バランスを変えるかを決定する。

最初のシグナルは、MetaによるMI450ベースの初期展開だ。AMDは、最初の1ギガワットを支える出荷を2026年後半に予定している。導入済み容量、本番ワークロード、マイルストーン達成の証拠があれば、協調設計が物理的な規模に到達できるという主張を強めるだろう。

遅延は一社の顧客以上に影響する。HeliosはAMDがラックスケールの野心を担わせると見込むプラットフォームであり、問題が生じれば後続の導入やパートナーネットワーク全体の信頼に影響し得る。

2つ目のシグナルは、非公開の顧客プロジェクト以外でのモデル対応だ。開発者は、ROCmが新しいLlama、Claude、Gemini関連のオープンモデルや、その他の広く採用されるリリースをどれほど迅速にサポートするかを注視すべきだ。

有用なサポートは、コンテナを起動できること以上を意味する。チームには、競争力あるレイテンシ、予測可能な出力品質、安定したマルチGPU動作、継続保守されるライブラリが必要だ。公開ベンチマークの提出結果は、各結果の背後にあるハードウェアとソフトウェア構成を明らかにすべきである。

AMDは2026年7月、Anthropicが最大2ギガワットのMI450 Series GPUを導入する契約を通じて、この戦略を拡大した。両社はまた、AMDのワークロードとROCm開発の改善を目的とした作業でClaudeを利用する計画だ。

この契約は新たな試金石となる。Meta、Anthropic、オープンソース開発者との最適化成果が公開ソフトウェアへ集約されれば、AMDのプラットフォームは採用しやすくなる。顧客ごとに別のブランチが必要なら、規模拡大は高コストのままだ。

3つ目のシグナルは、ハイパースケーラー級のエンジニアリングチームを持たない組織での再現可能な利用だ。Oracle、クラウドプロバイダー、システムメーカー、ソフトウェア企業は、HeliosとROCmがカスタム統合プロジェクトではなく製品として機能するかを明らかにできる。

最も説得力ある証拠には、継続的な本番トラフィック、公開された運用詳細、独立した測定結果が含まれる。追加の容量発表だけでも需要は示せるが、使いやすさは示せない。

Google Cloudで拡大するAMD CPUラインアップも、ここでは依然として重要だ。AMDとGoogleの関係は、顧客にEPYCベースのシステムへの成熟したアクセスを提供し、AMDのサーバーロードマップに対する継続的な信頼を示している。また、クラウドインフラが設計上ますますマルチベンダー化していることも思い起こさせる。

開発者と企業の購入者にとって、直近で取るべき行動は、抽象的にベンダーの主張を議論するのではなく、代表的なワークロードをテストすることだ。同じモデル、データ型、コンテキスト長、レイテンシ目標、障害条件をプラットフォーム間で使用する。

チームは各判断を支える証拠も保持すべきだ。検索可能なengineering knowledge baseは、プラットフォームの進化に合わせて、ベンチマーク結果、導入メモ、モデル変更、ベンダードキュメントを結び付けられる。

AMD、Google、Metaをめぐるこの話の核心は、モデル開発企業が共同エンジニアリングを通じて、実行可能な第二の選択肢を築けるかどうかにある。Metaによる最初の展開、ROCm対応モデルの公開準備状況、そして一般顧客による導入を注視すべきだ。これら3つすべてが前進すれば、Nvidiaは持続的なプラットフォーム競合に直面する。一方で、いずれかが停滞すれば、AMDのパートナーシップは重要であり続けるものの、不完全なものにとどまる。