[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-amd-microsoft-windows-ml-acceleration-zh":3,"article-related-amd-microsoft-windows-ml-acceleration-zh":35,"series-industry-20d0b5fc-a363-481d-86b2-e30276a49e92":88},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":27,"views":31,"created_at":32,"published_at":33,"topic_cluster_id":34},"20d0b5fc-a363-481d-86b2-e30276a49e92","amd-microsoft-windows-ml-acceleration-zh","AMD 與 Microsoft 把 Windows ML 推進 GPU 與 N…","\u003Cp data-speakable=\"summary\">AMD 與 \u003Ca href=\"\u002Ftag\u002Fmicrosoft\">Microsoft\u003C\u002Fa> 正把 Windows ML 往 GPU 和 NPU 兩條路一起推，重點是 DxCGC、圖編譯與本機推論\u003Ca href=\"\u002Fnews\u002Fopen-source-ai-tools-beat-claude-paid-tiers-zh\">工具\u003C\u002Fa>。\u003C\u002Fp>\u003Cp>說真的，這篇不是在講噱頭。它在講 Windows AI 的底層管線。AMD 這次把焦點放在 Microsoft Build 2026 的 \u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fwindows\u002Fai\u002Fdirectx-compute-graph-compiler\" target=\"_blank\" rel=\"noopener\">DirectX Compute Graph Compiler\u003C\u002Fa>，也就是 DxCGC。\u003C\u002Fp>\u003Cp>這個東西的重點很直接。它想把完整模型圖丟進 DirectX 管線。然後再去做圖最佳化、記憶體規劃、operator fusion，最後跑在 AMD 硬體上。講白了，就是讓編譯器先幫你想好怎麼跑。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>區域\u003C\u002Fth>\u003Cth>AMD 說的改善\u003C\u002Fth>\u003Cth>實際意義\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>DxCGC\u003C\u002Ftd>\u003Ctd>MLIR-based full-graph compilation\u003C\u002Ftd>\u003Ctd>模型圖可以先被編譯器整體最佳化\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>GPU 路徑\u003C\u002Ftd>\u003Ctd>Graph optimization、memory planning、operator fusion\u003C\u002Ftd>\u003Ctd>可減少額外開銷，提高 AMD GPU 吞吐量\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>NPU 路徑\u003C\u002Ftd>\u003Ctd>Inference、tooling、benchmarking、web integration\u003C\u002Ftd>\u003Ctd>本機 AI 更容易開發、量測與部署\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>DxCGC 才是這次的主角\u003C\u002Fh2>\u003Cp>真正有料的地方，是 Microsoft 的 \u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fwindows\u002Fai\u002Fdirectx-compute-graph-compiler\" target=\"_blank\" rel=\"noopener\">DirectX Compute Graph Compiler\u003C\u002Fa>。DxCGC 不是單純轉 tensor。它是把整個模型圖拉進編譯流程。這表示編譯器可以先看懂模型，再決定怎麼排記憶體、怎麼切算子、怎麼減少搬資料。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781047980407-vd5p.png\" alt=\"AMD 與 Microsoft 把 Windows ML 推進 GPU 與 N…\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>對開發者來說，這很實際。Windows 上做 AI \u003Ca href=\"\u002Ftag\u002Finference\">inference\u003C\u002Fa>，常常卡在 runtime、driver、framework 三層之間。你不是只在寫模型。你還在處理硬體差異。圖編譯器的價值，就是把一部分麻煩提前吃掉。\u003C\u002Fp>\u003Cp>AMD 的角色也很清楚。就是讓自家 GPU 和這條管線合作得更順。文中提到 MLIR-based representations，這點很重要。因為它代表 Microsoft 想用更高層的中介表示法來看模型，而不是只靠手寫 kernel 硬幹。\u003C\u002Fp>\u003Cp>這條路其實很合理。模型越大，越不能只靠局部最佳化。編譯器如果看得懂整張圖，就比較有機會把瓶頸壓下去。這不是魔法。這是工程。\u003C\u002Fp>\u003Cul>\u003Cli>完整模型圖會進入 DirectX pipeline\u003C\u002Fli>\u003Cli>編譯器負責圖最佳化與記憶體規劃\u003C\u002Fli>\u003Cli>operator fusion 可減少中間層開銷\u003C\u002Fli>\u003Cli>AMD GPU 會走這條 DirectX 執行路徑\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>NPU 這邊重點是開發體驗\u003C\u002Fh2>\u003Cp>AMD 的另一個重點是 NPU 路徑。它說新版\u003Ca href=\"\u002Fnews\u002Fclaude-code-dynamic-workflow-ai-harness-zh\">工作\u003C\u002Fa>會改善 inference performance、developer tooling、benchmarking 和 web integration。這幾個詞看起來很散，其實很合理。因為 NPU 不是只有跑得快就好。你還得能測、能追、能移植。\u003C\u002Fp>\u003Cp>問題在於，Windows 上的 NPU 支援常常碎片化。今天這台機器跑得順，換一台就要重調。這種事最煩。也最容易讓團隊放棄。工具鏈和 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> 如\u003Ca href=\"\u002Fnews\u002Fskatteetaten-public-sector-ai-should-be-judged-by-outcomes-zh\">果不\u003C\u002Fa>夠清楚，開發者根本不知道瓶頸在哪。\u003C\u002Fp>\u003Cblockquote>\u003Cp>“The Windows platform is becoming the place where developers can build AI experiences that run locally, efficiently and privately,” said Pavan Davuluri, Microsoft corporate vice president of Windows and Devices, in Microsoft’s Build 2024 keynote.\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>這句話是 Microsoft 自己講的。放到現在看，還是很貼切。Windows 想做本機 AI，就得讓 GPU、NPU、compiler stack 彼此講得通。否則延遲壓不下來，移植成本也下不來。\u003C\u002Fp>\u003Cp>AMD 這次補的洞，就是讓這套系統比較不難用。尤其是 web integration，這點我覺得很值得盯。因為瀏覽器內 AI 和本機 AI 的邊界，正在變得模糊。開發者會想要同一套推論邏輯，能在 app 和 web 都有機會跑。\u003C\u002Fp>\u003Ch2>AMD 硬體故事，現在更像一套系統\u003C\u002Fh2>\u003Cp>AMD 一直想把 Ryzen、Radeon、軟體堆疊串成一條線。這次 Build 更新的價值，在於它不是只講晶片規格。它把 AMD 的硬體故事，接到 Microsoft 的編譯器故事上。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781047973245-gsxi.png\" alt=\"AMD 與 Microsoft 把 Windows ML 推進 GPU 與 N…\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>如果你是開發者，差別很明顯。GPU 路徑比較像通用平行運算，適合吞吐量高的工作。NPU 路徑則偏省電，適合支援的模型和場景。上面再疊一層編譯器，決定哪些部分能被整體重排，哪些部分要交給特定裝置。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.amd.com\u002Fen\u002Fproducts\u002Fprocessors\u002Fconsumer\u002Fryzen-ai.html\" target=\"_blank\" rel=\"noopener\">AMD Ryzen AI\u003C\u002Fa> 主打本機 AI 加速\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.amd.com\u002Fen\u002Fgraphics\u002Fradeon-graphics.html\" target=\"_blank\" rel=\"noopener\">AMD Radeon\u003C\u002Fa> 負責 GPU 加速\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fwindows\" target=\"_blank\" rel=\"noopener\">Windows\u003C\u002Fa> 是兩條路共同的 runtime 層\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fwindows\u002Fai\u002Fwindows-ml\" target=\"_blank\" rel=\"noopener\">Windows ML\u003C\u002Fa> 才是開發者最常碰到的抽象層\u003C\u002Fli>\u003C\u002Ful>\u003Cp>更白話地說，這次的重點不是誰的 TOPS 比較漂亮。重點是開發者到底要手動調多少。若 DxCGC 真的能穩定把圖編譯到 AMD GPU 和 NPU，上層軟體就少很多碎活。\u003C\u002Fp>\u003Cp>這對 AMD 也很重要。AI PC 市場已經不是只看硬體數字。軟體支援、工具成熟度、部署成本，現在都會影響採購決策。你硬體再猛，開發者嫌麻煩，一樣沒用。\u003C\u002Fp>\u003Ch2>數字拿來比，才知道這波在幹嘛\u003C\u002Fh2>\u003Cp>這類平台更新很容易講得很虛。所以我們直接看幾個數字與技術點。雖然這次 AMD 沒丟出新 benchmark 分數，但它公開的範圍已經夠看出方向。\u003C\u002Fp>\u003Cp>先講時間點。這次更新掛在 Microsoft Build 2026。再來是技術層。DxCGC 明確提到 MLIR-based representations。最後是路徑數。它同時涵蓋 GPU 和 NPU。這三個點放一起，就知道這不是單一裝置優化，而是整個 Windows AI 管線在重整。\u003C\u002Fp>\u003Cp>如果拿競品來看，\u003Ca href=\"\u002Ftag\u002Fnvidia\">NVIDIA\u003C\u002Fa> 在 AI 開發者心中的優勢，還是 \u003Ca href=\"\u002Ftag\u002Fcuda\">CUDA\u003C\u002Fa> 生態。Qualcomm 在 Windows NPU 上，則強在行動與省電敘事。AMD 這次比較像是走中間路線。它不想只拼峰值，也不想只講省電。它要的是 Windows 原生整合。\u003C\u002Fp>\u003Cul>\u003Cli>時間點：Microsoft Build 2026\u003C\u002Fli>\u003Cli>技術核心：MLIR-based graph compilation\u003C\u002Fli>\u003Cli>執行路徑：GPU + NPU 兩條線一起推\u003C\u002Fli>\u003Cli>關注指標：inference、tooling、benchmarking、web support\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這裡還有一個很現實的比較。若編譯器真的成熟，開發者就不必每台機器都重做適配。這對 Windows PC 生態很重要。因為 PC 型號太多了。碎片化一直是老問題。\u003C\u002Fp>\u003Cp>所以這波的價值，不是某個模型突然快了 2 倍。它比較像是把「能不能穩定部署」這件事往前推。對企業端和軟體團隊來說，這比單次跑分更有意義。\u003C\u002Fp>\u003Ch2>Windows ML 其實是在補過去的洞\u003C\u002Fh2>\u003Cp>Windows 一直想做本機 AI，但中間卡了很多年。問題不是沒有 API。問題是 API、driver、framework、硬體支援常常各走各的。開發者要自己補洞，成本很高。\u003C\u002Fp>\u003Cp>這也是為什麼編譯器路線重要。當模型越來越大，runtime 只管執行已經不夠了。你得先在編譯階段看懂整張圖。這樣才有機會把資料搬運、算子切分、裝置選擇一起處理掉。\u003C\u002Fp>\u003Cp>AMD 和 Microsoft 這次合作，某種程度上是在補這個洞。它不是告訴你 AI 會多神。它是在告訴你，Windows 上的 AI 開發，可能會變得比較像一套完整系統，而不是一堆零件拼裝。\u003C\u002Fp>\u003Ch2>接下來要看的，是實際支援範圍\u003C\u002Fh2>\u003Cp>下一步最重要的，不是再聽一次簡報。是看 DxCGC 到底支援多少真實模型。編譯器最怕的就是 demo 很漂亮，到了 production 就卡住。能不能跑常見的 LLM、vision model、embedding pipeline，才是重點。\u003C\u002Fp>\u003Cp>我也會盯 benchmark 公開程度。若 AMD 和 Microsoft 之後能把前後差異講清楚，像是圖編譯前後的 latency、吞吐量、記憶體占用，那這件事就更好判斷。沒有數字，大家很容易只剩感覺。\u003C\u002Fp>\u003Cp>我的判斷很直接。Windows AI 會越來越像 compiler-first 的世界。AMD 想吃到這波，就得讓 GPU 和 NPU 都能被這套編譯器順手照顧到。接下來你可以先問自己一句：你的模型，現在是靠手調跑得動，還是靠工具鏈就能穩定落地？\u003C\u002Fp>","AMD 與 Microsoft 正把 Windows ML 往 GPU 和 NPU 兩條路一起推。重點是 DxCGC、MLIR、圖編譯與本機推論工具，讓 Windows 上的 AI 工作更容易落到 AMD 硬體。","www.amd.com","https:\u002F\u002Fwww.amd.com\u002Fen\u002Fblogs\u002F2026\u002Fadvancing-windows-ml-acceleration-with-amd-at-microsoft-build-2026.html",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781047980407-vd5p.png","industry","zh","317dc8b9-9ab1-4d29-8741-a50d795f7727",[17,18,19,20,21,22,23,24,25,26],"AMD","Microsoft","Windows ML","DxCGC","DirectX Compute Graph Compiler","GPU","NPU","MLIR","本機 AI","Windows AI",[28,29,30],"DxCGC 是這次更新的核心，重點在完整模型圖編譯。","AMD 把 GPU 與 NPU 一起接到 Windows ML 管線。","真正要觀察的，是實際模型支援與 benchmark 公開程度。",0,"2026-06-09T23:32:31.304436+00:00","2026-06-09T23:32:31.287+00:00","52b99689-cc68-441d-88ea-d81cd649df12",{"tags":36,"relatedLang":47,"relatedPosts":51},[37,39,41,43,45],{"name":18,"slug":38},"microsoft",{"name":17,"slug":40},"amd",{"name":20,"slug":42},"dxcgc",{"name":19,"slug":44},"windows-ml",{"name":21,"slug":46},"directx-compute-graph-compiler",{"id":15,"slug":48,"title":49,"language":50},"amd-microsoft-windows-ml-acceleration-en","AMD and Microsoft push Windows ML on GPU and NPU","en",[52,58,64,70,76,82],{"id":53,"slug":54,"title":55,"cover_image":56,"image_url":56,"created_at":57,"category":13},"0d604500-3a70-40ec-a70e-370f972a66ab","korea-nvidia-talks-ai-factory-push-zh","韓國與 Nvidia 對話，重點是 AI 工廠","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781057871797-7uxx.png","2026-06-10T02:17:21.099824+00:00",{"id":59,"slug":60,"title":61,"cover_image":62,"image_url":62,"created_at":63,"category":13},"173b8876-1867-4e0b-948f-27891d6b6364","openai-should-not-rush-its-ipo-just-to-win-the-ai-race-zh","OpenAI 不該為了搶 AI 賽道而急著 IPO","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781053365610-1hko.png","2026-06-10T01:02:19.886627+00:00",{"id":65,"slug":66,"title":67,"cover_image":68,"image_url":68,"created_at":69,"category":13},"3d7ff80a-4045-4b66-9e21-b6a8eb3b6f6d","openai-europe-privacy-policy-zh","OpenAI 歐洲隱私政策更新重點","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781052479369-yomr.png","2026-06-10T00:47:31.176745+00:00",{"id":71,"slug":72,"title":73,"cover_image":74,"image_url":74,"created_at":75,"category":13},"69002c63-177a-4723-9e63-d28506f08edd","openai-ads-sensitive-chats-policy-zh","OpenAI把廣告擋在敏感對話外是對的","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781051578409-en02.png","2026-06-10T00:32:23.404084+00:00",{"id":77,"slug":78,"title":79,"cover_image":80,"image_url":80,"created_at":81,"category":13},"ea98a8c9-ebe1-4258-8a2b-b0d82b25deed","ai-bootlegs-streaming-royalties-stick-figure-zh","AI bootlegs 正在抽走串流版稅","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781050681742-3rdh.png","2026-06-10T00:17:31.017287+00:00",{"id":83,"slug":84,"title":85,"cover_image":86,"image_url":86,"created_at":87,"category":13},"9a0692ba-a9c5-42eb-823d-8a0e6e6ae3fc","openai-ipo-filing-turns-hype-into-scrutiny-zh","OpenAI IPO 讓神話變審核","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781042614962-bj12.png","2026-06-09T22:03:04.524304+00:00",[89,94,99,104,109,114,119,124,129,134],{"id":90,"slug":91,"title":92,"created_at":93},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":130,"slug":131,"title":132,"created_at":133},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":135,"slug":136,"title":137,"created_at":138},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]