训练栈成熟度之战：Trainium3 拿 30.47% MFU 叫板，AMD 用 93% CI 通过率追赶
· 阅读需 4 分钟
推理侧的性价比之争已经打了两年，现在战场挪到了训练侧——这里检验的不是单点峰值，而是「任意模型、任意形状、任意分布式策略都能稳定跑」的 generality。两份 SemiAnalysis 报告给出了最新的记分牌。
Trainium3 的记分牌
SemiAnalysis《Amazon's Trainium Takes a Strike at the Training King》给出实测：
- TorchTitan 训练 Qwen3-32B：MFU 30.47%（编译模式）——模型算力利用率是训练效率的硬指标，30%+ 属于可用区间
- FlexAttention 96 项测试通过 89 项（93%）——PyTorch 新特性在非 CUDA 平台的适配覆盖率
- TorchNeuron 支持原生 PyTorch eager 模式、torch.compile 与标准分布式 API——与 CUDA/ROCm 的人体工学差距基本抹平
- 8 万物理 CI 核用于自动化质量保障——硬件厂商 CI 投入的新高，SemiAnalysis 直接以此为行业标准定锚
- 中尺寸 MatMul 形状上 Trainium3 表现优于 GB300
- 分析工具 Neuron Explorer 被评为优于 AMD 的 profiler
AMD 的记分牌
同系列报告披露了 AMD 的追赶代价与成果：
- vLLM gating 测试组达到 93% parity——SemiAnalysis 明确指出，这是与 AMD 高层缠斗 9 个月的产物，说明这个数字不是自然演进而是倒逼结果
- ROCm 的 profiler 被 trainium 对比评为落后——AMD 工具链投资需求被点名
- 单请求推理侧的优化见我们的MI355X megakernel 专文
为什么 generality 是新战场
训练栈的竞争分三个阶段：
| 阶段 | 标准 | 现状 |
|---|---|---|
| 能跑 | 单模型单配置跑通 | 2024 年已解决 |
| 跑得快 | 峰值 MFU、特定模型调优 | 2025–2026 主战场 |
| 什么都能跑 | 任意模型的 generality | 2026–2027 的胜负手 |
FlexAttention 93% vs 96 项测试的差距，正是 generality 问题的缩影：非 CUDA 平台面对 PyTorch 的快速演进，每个新特性都是一次全量适配工程。AWS 的应对是砸 CI——8 万核的自动化回归测试把「新 PyTorch 版本发布到 Trainium 可用」的周期压到行业最快。
对采购方的含义
- 训练负载选型看 MFU 而非峰值算力：Trainium3 的 2.52 PFLOPS FP8 与 GB300 的纸面差距，在 30.47% MFU 的实际利用率下要重新折算
- CI 覆盖率是新的尽调指标：问供应商两个问题——FlexAttention/最新 PyTorch 特性的测试通过率是多少？新框架版本到平台可用的滞后是多少天？
- Neuron 栈的人体工学已不是障碍：eager 模式 + torch.compile 原生支持意味着迁移成本集中在数据并行策略与超参重调，而非代码重写
结论
训练栈之战的有趣之处在于：AWS 用 CI 军备证明了「平台质量」可以被工程投入买出来，而 AMD 的 93% parity 证明了「生态差距」可以被组织压力追平。剩下的问题是代价——8 万核 CI 与 9 个月缠斗都是真金白银，这笔投入的回报取决于 2027 年 Trainium3 的 5GW 级订单能否兑现。
数据来源与口径说明
- MFU 30.47%、FlexAttention 93%、8 万 CI 核、中尺寸 MatMul 优于 GB300、Neuron Explorer 评价：SemiAnalysis 报告，AMD News Daily 摘要转述（2026-10-24）
- AMD 9 个月缠斗与 93% parity：SemiAnalysis 口径
- MFU 数据为特定模型（Qwen3-32B）特定配置结果，不可外推至所有负载