AMD苏姿丰在上海被中国AI开发者“追星”，未来50亿人用AI的时代，属于会省Token的人

5月 19 日一大早 9 点不到，上海前滩香格里拉 3 层就已经人头窜动，来自全国的 AI 开发者、合作伙伴等都来到这里，参加 AMD AI 开发者大会 2026，这是 AMD 第一次在北美之外的中国上海举行。

“本来是千人大会，结果报名报了 4000 多人。”AMD 的相关工作人员说，全天到场的开发者超过2000人。

早上9 点半，AMD 董事会主席&CEO 苏姿丰出现在展区，现场直接“炸锅”了，年轻的开发者和合作伙伴把通道围得满满的，手机、摄像机高高的举在头顶，展台介绍、求合影、求签名……被称为“苏妈”的苏姿丰，简直被中国 AI 开发者们的热情包围了！

“大家早上好！我必须问一句，你们兴奋吗？”苏姿丰在主题分享时一出场就这样问，现场一片正面回应。苏姿丰说：“很高兴来到上海，与这么多朋友相聚。我可以感受到上海的热情——这场活动已经是站票难求了。”

“我们正在共同为下一代AI计算构建基础。”苏姿丰说，AMD的技术每天真正触及数十亿人，无论是数据中心、PC还是边缘设备，AI实际上正在重新定义计算的每一层。

AMD高级副总裁、大中华区总裁潘晓明接受采访时表示，中国是全球AI发展最活跃的市场之一，无论是人才储备、产业基础还是开发者生态，都展现出很强的创新活力和发展潜力。

从“烧卡竞赛”到“效率主权”，AI产业正在换赛道

苏姿丰的主题演讲中，迅速切入AMD对AI产业核心矛盾的判断：当全球AI日活用户从 10 亿奔向50亿，支撑这一切的不是单一模型，而是无数模型、无数工作流、无数智能体的并行爆发。

这一判断直接回应了当下AI产业最尖锐的痛点——OpenRouter数据显示，全球推理Token需求在一年内从2万亿/日暴涨至42万亿/日，增幅20 倍；而在中国，今年3月的日均Token 调用量已突破140万亿，两年增长超千倍。Token需求的激增正在推高API费用，算力已从成本项转变为战略资源。

“智能体AI不属于燃烧最多计算资源的人，它属于使用计算最聪明的人。”苏姿丰将话题抛给了台下第一排的李开复。

零一万物创始人李开复与苏姿丰的对话，被大会定义为“AI智能体新范式”的权威解读。李开复抛出了两个判断：编程已跨越临界点，单智能体不够，多智能体架构才能打破天花板。“一年前AI只能写函数，今天能写功能特性甚至端到端构建产品。”李开复说，当代码能力突破阈值，自主智能体就成为可能。

更具冲击力的是李开复对“一人公司”的预言：通过模块化多智能体框架，单个开发者可以作为宏观架构师，启动一家高度功能化的公司。

他提出了一个可能会风靡开发界的概念——DRI（Directly Responsible Individual，直接负责人）。“在智能体时代，软件工程师不再只是写代码，而是成为跨职能结果的端到端拥有者。”

李开复解释，DRI不是头衔，而是运营契约——“你不需要老板的批准，你拥有决策权，不是建议权。你要像监控系统一样监控业务结果：API延迟、激活率、转化漏斗、收入影响。”

李开复也指出当下企业AI部署的问题：“如果你的 AI 部署没有改变季度财报电话会议上的任何一个数字，你只是在运营一个AI实验室。这不是转型。”他对在场开发者的建议干脆利落：停止构建表面功夫的包装，开始构建真正为底线转动指针的结构性引擎。

128GB统一内存与“三阶段路径”，如何用硬件重新定义开发范式
AMD高级副总裁、计算与图形总经理 Jack Huynh 在主题分享中，没有空谈算力，而是先算了一笔经济账：中国顶尖开发者每年仅API调用就要花费数百万人民币，而“本地优先”正在成为一种更聪明的替代方案。

“计算不再是唯一的决定性约束，内存和内存带宽才是。”Jack指出，内存大小决定模型规模和上下文窗口，内存带宽决定解码速度。 为此，AMD祭出了Ryzen AI Max+ 395——搭载128GB统一内存，可原生支持2000 亿参数模型本地运行，无需分片或卸载。 这一硬件参数的意义在Demo 环节被具象化：AMD资深AI应用工程师刘畅在切断WiFi 的情况下，现场运行了一套临床问诊 Dashboard。三个智能体（病例采集、知识图谱、患者简报）在本地实时构建病人知识图谱并给出问诊建议。“中国医疗数据不可上云，本地运行兼具速度、安全与合规。”刘畅说。 更具商业想象力的是“晨间简报”场景：一个模拟的“10x AMD Developer”每天由智能体在起床前抓取GitHub、掘金、CSDN 等站点信息，按优先级排序任务，甚至自动生成 PR。“如果调用云端 API，这样的服务每天要花费约25元；而在本地 Ryzen AI Max 上，成本为零。” 但AMD 的野心不止于笔记本。Jack 提出了三阶段AI部署路径：开发（本地 Ryzen AI Max）→ 规模测试（Radeon AI PRO R9700 工作站，32GB VRAM/640GB/s 带宽/1531 TOPS）→ 部署（云端）。连接这一切的是 Threadripper PRO 9000 系列——96 核、128 条 PCIe 5.0 通道，可将工作站变为“个人数据中心节点”，单主机无瓶颈驱动 8 块 GPU。20年前是个人电脑时代——一个人，一台机器。未来20年，是一个人指挥一队智能体。”Jack 说。 李开复第二次登台时，与Jack 共同发布了双方联合打造的 Cube01 万智智算节点。这是“智算主权”理念的实体化——基于 Ryzen AI Max+ 395 架构，注入零一万物万智平台，集成国内主流开源模型，连接企业知识库与核心业务流。“企业真正的竞争力在于独有的行业知识和闭环数据，这些数据必须留在本地。”李开复说。Cube01的目标很明确：赋能每位开发者，在本地设备上拥有数百个智能体，实时为你工作。文档审计、数据分析等曾经需要整个团队的任务，现在可在本地瞬间完成。
ROCm开源生态与“端云协同”，软件栈如何成为胜负手

AMD人工智能事业部高级总监Nick Ni带来了ROCm生态的进展。他将战略概括为开源项目、抽象层、AI辅助三大支柱：“PyTorch、JAX、vLLM、SGLang……每个主流框架每日在AMD GPU上跑CI测试，实现零代码更改。”

Nick透露，Hugging Face与魔搭社区合计超过300万个模型开箱即用，DeepSeek、Kimi、Qwen追求 Day Zero 支持。

更具前瞻性的是“AI辅助”支柱：AMD已部署数千个AI智能体自动监控开源项目，生成PR 并测试内核，工程师从每周发几个PR提升到每天发几个。一场全球性能优化竞赛中，结合AI工具的参赛团队在部分负载上实现了 2 倍以上性能提升。

Nick还宣布了两项针对中国开发者的福利：免费的Radeon开发者云，以及魔搭社区创空间直接内置AMD GPU运行时——“无需安装驱动，开箱即选即用。”

阶跃星辰联合创始人兼CTO朱亦博带来了Step 3.5 Flash 的实战数据，他提出了明确的端云协同路线图：日常任务由本地中小模型处理（Token 成本趋近于零），复杂任务才调用云端大模型。

“未来每个用户至少有一个智能体部署在本地——在你的PC、手机、工作站上。”朱亦博判断。这与 AMD“从笔记本到数据中心”的连续算力布局形成闭环。

清华大学教授、无问芯穹发起人汪玉则将学术严谨带入了分享中，他提出了定义AI 生产力的公式：AI生产力=智能规模×Token效率×价值转化。三要素的完整定义是：可跨域扩展的算力资源×每焦耳产出更多Token×每Token创造更多价值。这一公式将硬件性能、能源效率与商业结果统一为可量化的框架。

汪玉指出，行业正经历四个时代：感知AI → 生成式 AI → 智能体 AI → 物理 AI。下一个十年的关键是强化学习与世界模型——让机器人在“干中学”，在脑中模拟物理结果再行动。

“我们不是来建造围墙花园的。”汪玉说，“开源是连接学术创新与工业执行的终极桥梁。”

“烧卡”逻辑失效，什么决定AI的下一个五年？

AMD这场上千人规模的盛会，传递了一个清晰的产业信号：AI 的竞争逻辑正在从“算力军备竞赛”转向“效率主权战争”。

当Token 需求两年增长千倍，当 API 账单成为开发者的不可承受之重，“本地优先”不再是边缘场景的补充，而是核心架构的选择。AMD的战略在于：通过128GB 统一内存、开源的ROCm软件栈、从笔记本到数据中心的连续算力布局，让开发者能够以“零代码更改”的代价，在本地拥有数据中心级的推理能力。

就如苏姿丰在主题分享中说的那样:“未来在开放中构建，你是其中不可或缺的一部分。”

李开复也表示：“如果你坐在这个房间里，带着一台笔记本电脑，理解系统编排，并有一个大胆的想法——你在战略位置上比世界上任何一家财富500公司的战略部门都更好。那就去构建它吧。”

这场盛会，其意义可能不在于发布了多少款产品，而在于重新定义了“开发者”的边界——从写代码的人，变成指挥智能体军团、重新定义公司损益表的DRI。当50亿AI用户的时代来临，胜负手不再是“谁烧了最多的卡”，而是“谁让每一张卡产生了最多的商业结果”。

汪玉的Token公式为此提供了量化框架，朱亦博的端云协同为此提供了产品路径，而AMD 的硬件布局正在为这一切铺设基础设施。

中国开发者用数千人的报名数字投了票，他们要的不再是遥远的算力崇拜，而是握在自己手里的“智算主权”。

感谢阅读，欢迎关注