人工智能的风向正在发生微妙的变化。
过去一年多，大家最熟悉的是“生成式 AI”——你提问，大模型帮你写文章或画图。但现在的行业焦点，正在向两个更深度的方向演进：一个是“AI智能体（Agentic AI）”，也就是让 AI 变成像独立员工一样的代理人，它能自己拆解任务、调用企业软件、甚至自己写代码并执行，“养虾”就是它最开始的样子；另一个是“物理实体 AI（Physical AI）”，简单来说，就是让 AI 拥有“身体”，进入机器狗、工厂机械臂甚至农业设备中，去真实世界里干活。
正如 AMD 董事会主席及首席执行官苏姿丰博士（Dr. Lisa Su）在 Advancing AI 2026（AAI 2026）大会主题演讲中指出，智能体（Agent）将成为 AI 发展的重要方向之一。她表示，智能体在执行复杂任务时，需要经历多个步骤，包括推理、调用工具、访问数据，并持续执行相关操作直至完成任务。随着 AI 能力不断演进，智能体带来的计算需求增长，也成为 AMD 此次全系新品发布的重要技术背景。
苏姿丰展示AMD最新成果
大会之后，最大的感受是：这不仅仅是几款新芯片的发布，而是 AMD 试图用一套从端到云的系统级方案，去打破现有算力的格局。而在宏大的战略蓝图与纸面参数的优势背后，AMD 能否真正动摇现有的市场竞争格局？这篇文章将为您全面拆解 AAI 26 大会的核心看点与背后的商业逻辑。
云端重构：CPU 重新找回存在感，GPU 开启“算力集群”对决
数据中心依然是主战场。过去一年，GPU 抢走了太多风头，但 AMD 这次明确提出：到了“AI智能体”时代，CPU 的地位正在强势回归。
为什么大模型时代还需要强大的 CPU？苏姿丰在演讲中指出，随着智能体 AI 的发展，服务器 CPU 将迎来新的增长机遇。AMD 预计，到 2030 年，服务器 CPU 市场规模将达到 2000 亿美元。因为当成千上万个 智能体 AI 在后台独立运行、频繁调用企业私有数据和 API 接口时，不仅需要大量 GPU 来执行冻结操作，更需要海量 CPU 来协调围绕它的每一个逻辑步骤。
为此，AMD 推出了专为这类工作负载定制的第 6 代 EPYC 9006 系列（代号“Venice”）处理器。
其产品线切分得相当精准：面对高密度的代理执行需求，EPYC 9006 SP7 塞入了惊人的 256 核心和 512 线程。AMD 官方直接给出了一个极具攻击性的对比——在 100Kw 的机架功耗下，其核心数是竞争对手（NVIDIA Vera）的 2.08 倍，直接把“算力密度”和“性价比”拉满。此外，还有专门负责在后端给 GPU 输送数据的 LP 版本（EPYC 9006 LP），以及面向传统超算，带 3 倍 L3 缓存的 X 系列，和通用企业级市场的细分型号。
当然，算力的重头戏同样离不开 GPU。新一代 Instinct MI400 系列明确了双线作战：MI455X 专攻前沿模型训练和 AI 工厂，MI430X 则配备了高达 288 TFLOPS 的硬件 FP64 性能。值得注意的是，该系列全面引入了 HBM4 内存，不仅能塞下更庞大的模型，还进一步降低了分布式推理的架构复杂度。
不过，比起单颗芯片的参数，大会释出的最强信号是：AMD 开始全面转向“系统级”交付。苏姿丰指出，前沿 AI 正在对基础设施提出更高要求，未来 AI 系统不再只是单个芯片或单台服务器的竞争，而需要从系统层面出发，以整个机架作为一个整体进行设计。
直接对标竞品的 Helios 机架级方案，将 MI455X、第 6 代 EPYC 以及 Pensando 网络技术打包在了一起。对比行业标杆（英伟达 NVL72），Helios 峰值 FP4 性能高出 15%，HBM 内存容量和横向扩展带宽分别多出 50%，最终实现了 Tokens 每美元性价比 30% 的领先。这标志着 AMD 正式在超大集群赛道上与对手展开了系统级的正面对抗。
走向现实：物理 AI 与边缘侧的野心
在云端算力激战正酣的同时，AMD 在边缘侧也落下重子。物理 AI（Physical AI）正在成为下一个巨大的增量市场。在这个领域，算力并非唯一指标，系统的低延迟、功能安全以及确定的网络同步同样关键。
要让 AI 在物理世界里跑起来，面临的最大门槛就是硬件的碎片化。为此，AMD 这次重磅推出了 Kria AI 解决方案（涵盖系统模块 SOM 与机器人开发者平台）。
如果你想造一台下一代自主机器人，Kria AI 就像是一个“开箱即用”的超级大脑。它内部搭载了最新的 Ryzen AI Embedded X100 系列处理器，将感知、推理和自主决策能力直接集成在了一个单一平台上。结合 AMD 的 Versal 自适应 SoC/FPGA，AMD 实际上构建了一套完整的硬件控制链：FPGA 犹如关节，负责低延迟反射；Kria AI 模块和 CPU 则是中枢和大脑，负责全级协同与决策。
此外，硬件做好了还不够，AMD 宣布成立的“开放机器人合作伙伴网络”（Robotics Partner Network）更具战略意味。过去，机器人开发往往受制于高度封闭的专有平台。现在，通过提供像 Kria AI 这样的标准化开发者平台，并联合 ODM 厂商、传感器企业与软件开发者，基于 ROS 2 和开源环境，AMD 希望大幅缩短企业从机器人原型到量产的周期，这在很大程度上迎合了行业苦闭源久矣的痛点。
软件补齐与商业落地：ROCm.ai 的进阶
提到 AMD，软件生态始终是避不开的焦点。这次的 ROCm.ai 选择了一个相对巧妙的解法：AI 原生化。
通过引入 AMD Skills 功能，ROCm.ai 与 Claude、Cursor 等主流 AI 编程助手打通，让开发者能用自然语言获取针对 AMD 平台的排错和优化建议，这在很大程度上降低了开发门槛。同时，新的 Hyperloom 工具将端到端推理优化实现了自动化，将原本需要数周的工作缩短至几小时。
在真实场景落地方面，结合微软与 AT&T 合作的 Open Telco（开放电信网络）案例，AMD 也在向外界证明，其软硬件方案足以胜任严苛、且高度依赖多供应商协同的企业级真实业务环境。
写在最后：AMD 真的稳了吗？
苏姿丰在演讲中强调，AI 产业的发展需要开放生态的共同推动，没有任何一家企业能够独立解决所有挑战。AMD 认为，开放的软件、硬件和合作伙伴生态对于推动 AI 创新至关重要。通过持续推进开放生态建设，AMD 正与行业伙伴共同探索下一代 AI 基础设施的发展方向。
AMD 在本次大会上交出了一份极具竞争力的成绩单。但在其宏大布局背后，也面临着必须攻克的难题：
首先，开发者习惯的迁移是一场持久战。尽管 ROCm.ai 的体验大幅改善，但在过去十余年里，竞争对手已经建立起极深的生态壁垒，要说服长尾的中小开发者和初创团队主动迁移，仍需极大的耐心和持续的投入。
其次，超大规模集群的真实大考才刚刚开始。 Helios 机架方案的纸面数据非常优异，且主推基于以太网（UALoE）的开放互联标准。然而，当面临几万甚至十万张卡互联的极端场景时，网络的真实利用率、系统纠错能力与长期稳定性，依然需要通过顶级大厂的大规模实机部署来验证。这远比单纯的带宽堆砌要复杂得多。
最后，物理 AI 赛道呈现出极度碎片化的特征。从农业机械到仓储物流，每个场景的标准都不尽相同。AMD 的硬件与生态网络虽然已经搭建，但要在如此分散的市场中跑出规模效应，极其考验其在垂直行业的整合能力与攻坚的信心。
虽然前路并非平坦，但AMD AAI 2026 大会让我们看到，AMD 正在告别单一的芯片供应商角色，而是在布局一套完整、开放的基础设施体系去重塑目前的算力市场格局。从云端的巨型机架到边缘的机器人，硬核参数已经就位，接下来，我们也可以期待，AMD与各大科技巨头企业在人工智能领域的合作，或许能够带给我们非同一般的效果。
声明：新浪网独家稿件，未经授权禁止转载。 -->众和策略提示：文章来自网络，不代表本站观点。
