2nm芯片登场，AMD挺进新时代

今天，一年一度的AMD Advancing AI （以下简称AAI）大会在旧金山隆重举行。在会议开始的时候，AMD董事会主席及首席执行官CEO苏姿丰（Lisa Su）博士发表了重要演讲。

“人工智能是近50年来最重要的技术。”苏姿丰在演讲开头首先强调，她同时指出，人工智能的发展速度之快，前所未见。尽管仍处于发展初期人工智能已经开始改变各行各业。

按照苏姿丰在会上所说，模型性能的提升显著，群殴提升速度也超过了硬件性能的提升速度。与此同时，AI行业还呈现另一个特征，那就是用于推理的AI计算能力超过用于训练的计算能力。而且，计算需求正以惊人的速度增长，智能体人工智能需要的计算资源远比早期的AI聊天机器人要多得多。

AMD预计，到2030年，人工智能加速器市场的潜在市场规模将达到1.4万亿美元，这将与目前整个芯片市场的规模相当。当中，有不少贡献是来自GPU，因为很多任务还是需要GPU完成。但正如苏姿丰所说，CPU也必不可少，因为除了需要协助GPU外，智能体AI还需要大量的CPU来实际处理智能体正在运行的任务。这也是AMD认为CPU市场在2030年将达到2300亿美元的原因。

有见及此，通过在芯片、软件和系统等各方面投入， AMD正在 致力于将人工智能融入到各个领域。简而言之，AMD希望通过领先的计算产品和开放平台赋能人工智能，让人工智能无处不在。

在本届大会上，AMD也带来了丰富的软硬件产品展示，当中包括了CPU、GPU和DPU、嵌入式处理器，Helios机架以及软件产品。

2纳米 CPU，正式登场

在本次发布的产品中，最引人瞩目的无疑就是AMD面向Agentic数据中心的EPYC服务器CPU以及公司引用前沿AI、HPC需求而推出的MI400系列GPU。首先看EPYC CPU方面，如图所示，自2018年至今，AMD已经推出了五代CPU产品。

凭借领先的性能和功耗表现，AMD这些服务器CPU已经获得了客户的高度认可。据AMD介绍，大多数《财富》100 强企业已经将数据中心托付给 AMD EPYC 处理器。具体到每一周，也至少有一家“福布斯全球企业2000强”公司转用AMD。由此可见AMD EPYC的势头。

统计显示，AMD EPYC CPU的营收市占也高达46%，对于一家十年前市占接近0的企业来说，AMD的这次卷土重来，充满着英雄主义般的逆袭风采。在此期间，市场对CPU的需求也产生了悄然变化。

众所周知，过去几年，数据中心的一大特征是服务器正从传统架构走向AI时代。而具体到大模型崛起的短短几年里，AI服务器也从一开始支持ChatBot这样的应用，到现今进入Agentic AI的时代。这种转变一方面给CPU带来更多的需求（AI服务器中CPU和GPU的的比例从ChatBot时代的1:4上升到Agentic AI时代1:1）；与此同时，客户对CPU的需求也产生了新的变化。

据AMD所说，数据中心的形态正向“三层智能体架构”转变，每一层都对 CPU 提出了独特的需求。其中，支撑智能体工作流程与现代企业基础设施的核心 CPU 任务包括：智能体沙箱执行、AI 主机节点以及通用服务器。智能体沙箱（Agent Sandbox）的 CPU 负责运行与协调智能体、执行生成的代码及任务、管理内存与系统状态，并处理 GPU 以外的 I/O 操作；AI 主机节点的 CPU 则负责向 AI 基础设施（例如 AMD Helios™ 机架级解决方案）中的各 GPU 提供数据。最后，通用 CPU 负责运行日常关键业务应用，涵盖数据库、存储、应用服务以及支持 AI 的工作负载。

有见及此，AMD 带来第六代EPYC处理器“Venice”及EPYC 9006 系列服务器 CPU，为智能体 AI（Agentic AI）、云服务、通用计算及高性能计算（HPC）提供了针对工作负载优化的解决方案组合。针对智能体 AI，该系列处理器涵盖了智能体工作流程中三个关键的 CPU 任务：运行智能体、为加速器提供数据（feeding accelerators）以及支撑智能体所使用的企业级服务。

据介绍，作为首批使用台积电2nm工艺打造的高性能处理器，该系列CPU拥有高达 256 个Zen 6c核心和 512 个线程，配备八个大型计算芯片和两个更大的 I/O 芯片。可以看到，这八个大型计算芯片中的每一个都包含 32 个核心，分为两个 16 核心复合体。中间的 I/O 芯片尺寸巨大，集成了 PCIe 6.0、UCIE、DDR5 等众多控制器。

作为一系列针对“智能体 AI”（agentic AI）打造的最广泛服务器 CPU 产品组合。如图所示，Venice涵盖了各类型的产品，能为各类任务匹配最合适的处理器。得益于这些领先的配置，AMD Venice处理器在与英伟达最近大肆宣传的Vera系列相比不落下风。

与Arm AGI和Intel最新产品相比时，AMD的全新处理器在吞吐量和单核性能上也都两天于这些竞争对手。

来到云原生性能表现方面，AMD的处理器也让AWS和Intel的芯片相形见绌。

在HPC性能方面，也领先于英特尔。

2纳米GPU，同步亮相

除了Venice CPU以外，AMD在本届的AAI大会上也带来了全新一代的GPU MI400系列展示。

据介绍，融合了业界领先的计算与网络性能、高带宽 HBM4 内存、先进的安全特性以及可扩展的系统架构的MI400 系列包括了面向前沿 AI 和 AI 工厂部署的 AMD Instinct MI455X GPU以及面向HPC 领域的 AMD Instinct MI430X GPU等几款产品。

尤其是MI455X，更是AMD这次峰会的重中之重。

据介绍，该产品在计算性能、显存容量、显存带宽、可扩展性及能效方面实现了显著提升，从而支持了许多竞争方案难以企及的新型工作负载，包括前沿 AI 训练、大规模推理以及大规模智能体（Agentic）AI。具体而言，如图所示，这系列基于CDNA 5设计的GPU同样采用2nm工艺制造，搭载了432 GB的HBM4，容量领先于业界竞争对手，支持FP4\FP6和FP8，具备3200亿晶体管。在于AMD上一代产品相比时，MI455X 在多项性能上实现了大幅度领先。

按照AMD所说，之所以能获得这样的领先表现，主要得益于七项关键架构创新及 CoWoS-L 先进封装技术：

首先，AMD Instinct MI455X GPU 提供了远超以往 AMD GPU 的 AI 计算性能。在 Open Compute Project（开放计算项目）的微缩放（microscaling）MXFP4 和 MXFP8 数据格式下，其峰值 FLOPS 达到 Instinct MI355X 的 4 倍。这种增强的计算能力旨在实现高推理吞吐量、支持大批量（large batch sizes）、加速模型训练，并在固定的基础设施占地范围内最大化 AI 工厂的产出。

其次，AMD Instinct MI455X GPU 提高了计算资源的有效利用率。该 GPU 受益于基于客户体验及前四代 AMD CDNA 微架构反馈而进行的数十项内部改进。该架构支持灵活的数据格式，简化了软件开发流程，并实现了对计算、内存及网络资源的高效利用。

第三，内存子系统进行了大幅升级。每颗 AMD Instinct MI455X GPU 集成了 432 GB HBM4 内存，容量较 AMD Instinct MI355X 的 288 GB HBM3E 增加了 1.5 倍，同时峰值内存带宽提升至约 2.9 倍。更大的缓存、更高的缓存带宽以及全新的带宽放大技术进一步提升了实际内存性能。这些进步支持了更大的模型、更长的上下文窗口、更高的用户并发量以及单系统中更多的 AI 智能体，并减少了机架规模下的内存相关瓶颈。

第四，新款 GPU 显著提升了“纵向扩展”（scale-up）带宽——即用于将多个 GPU 组合成单个共享内存 Pod的带宽。每个 AMD Instinct MI455X GPU 通过 36 条链路提供高达 3.6 TB/s 的低延迟纵向扩展带宽。每条 UALoE（基于以太网的超高速加速器链路）链路利用两条通道和 AMD Infinity Fabric 协议，可实现双向各 400 Gbit/s 的传输速率。最多 72 个 AMD Instinct MI455X GPU 可组合成一个 Pod；这一重大改进不仅增加了单个工作负载可用的计算和内存资源，还降低了分布式执行带来的通信开销。

第五，AMD Instinct MI455X GPU 提供了大幅提升的“横向扩展”（scale-out）带宽。每个 AMD Instinct MI455X GPU 支持多达三个 AMD Pensando Vulcano 800 AI-NIC（AI 网络接口卡），从而为每个 GPU 提供 600 GB/s 的双向横向扩展带宽，这一数值是 AMD Instinct MI355X GPU 的六倍。结合 AMD 的开放网络战略及对行业标准以太网技术的支持，这种连接能力实现了从单机架到大型多机架 AI 集群的高效扩展，同时保持了生态系统的灵活性，避免了被专有网络技术锁定。

第六，AMD Instinct MI455X GPU 配备了专用的高速 AMD Infinity Fabric 接口，旨在增强 CPU 与 GPU 之间的通信。该 GPU 是与 AMD EPYC 9006 SP7 服务器 CPU 协同开发的。

该接口提供高达 256 GB/s 的双向峰值传输速率，并赋予 CPU 对 GPU 显存的缓存一致性访问能力。与前代架构相比，这实现了更大的显存池和更高效的数据共享，并增强了对内存密集型 AI 工作负载的支持。

第七点，也是最后一点，是能效的提升。AMD Instinct MI455X GPU 的各个方面——从基础晶体管到网络接口——均经过重新设计，旨在提高能效。其结果是整个平台能效的提升，使客户能够在既定的功耗范围内部署更强大的计算能力。

上图展示了 AMD Instinct MI455X GPU 各子系统的总体概念视图。图中左侧显示了通过 AMD Infinity Fabric 进行的 CPU-GPU 通信以及通过 PCIe Gen 6 和 UALink 实现的横向扩展（scale-out）接口，右侧则显示了 UALoE 纵向扩展（scale-up）通道。

来到MI430X方面，据介绍，该款GPU 在融合型 AI 和 HPC 工作负载中提供毫不妥协的精度与吞吐量，并具备高达 288 TFLOPS 的硬件级 FP64 科学计算性能。整个系列均采用业界领先的 HBM4 内存和高内存带宽，助力客户支持更大规模的模型、降低基础设施复杂性并提升大规模部署下的效率。

根据AMD的规划，如图所示，公司将在2027年推出基于CDNA 6设计的MI500系列，并在2028年推出基于CDNA 7设计的MI 600系列。

Helios，终于来了

在AI发展的早些年，芯片厂商其实发布的的就只是芯片。但后来，模型的参数规模和上下文长度持续增长，但芯片性能增长缓慢，这就意味着无论训练和推理已经不再是单颗GPU、甚至单台服务器能够完成的任务，而是需要数十甚至上百颗GPU协同工作。

随着GPU数量不断增加，真正限制系统性能的，不再只是芯片本身的算力，而是GPU之间的数据交换效率、内存容量、网络带宽、供电能力以及散热能力。这进而趋势AI基础设施的竞争，从芯片竞争，逐步升级为系统竞争，最终演变为整机架（Rack-scale）乃至整个AI集群的竞争。

正因如此，AMD在去年就预告了Helios机架。在今天的“Advancing AI 2026”大会上，AMD 正式发布了将 AMD Instinct MI455X GPU、第六代 AMD EPYC 服务器 CPU、AMD ROCm 软件和 AMD Pensando 网络技术整合为统一的 AMD Helios 机架解决方案。

从外观上看，AMD Helios并未采用传统的 19 英寸机架，而是采用了 OCP（开放计算项目）全新的 Open Rack Wide (ORW) 规格——即宽 1.2 米、深 1.3 米的机柜。该标准机柜提供 44 OU 的机架空间。（OU 代表 Open Unit，即 OCP 定义的机架垂直高度计量单位，其高度为 48 毫米，而传统的机架单元高度为 44.45 毫米。）

从设计上看，作为一套针对机架级 AI 基础设施的开放且经过验证的蓝图，AMD Helios结合了 72 颗 AMD Instinct MI455X GPU、AMD EPYC 9006 SP7 服务器 CPU 以及 AMD Pensando 网络技术，为前沿 AI 工厂构建了坚实可靠的基础。

得益于这样的配置，AMD Helios能提供百亿亿次级（exaflop）的 AI 性能。单机架可提供高达 2.9 exaflops 的峰值 FP4 算力、1.4 exaflops 的峰值 FP8 算力、31 TB HBM4 内存以及 1.7 PB/s 的内存带宽。

此外，据介绍，AMD Helios 还结合了用于高性能纵向扩展（scale-up）的 UALink™ over Ethernet (UALoE) 技术，以及符合 Ultra Ethernet Consortium（超以太网联盟）标准的横向扩展（scale-out）以太网技术，使客户能够利用开放的标准化技术构建 AI 基础设施。该平台还集成了纵深防御的机架级安全功能。

叠加AMD ROCm 软件，AMD Helios提供了一个完整的 AI 平台，将芯片、网络、系统和软件整合为统一的基础设施，以支持前沿模型的训练、微调及大规模推理任务。

AMD表示，Helios机架各方面领先于英伟达Vera Rubin NVL72。

在性能方面，也领先于竞争对手。

正因为拥有如此多的优势，据AMD透露，Helios已经获得了openAI、Meta、Anphoropic、Mircosoft和Oracle等客户的而采用。与此同时，公司还与生态合作伙伴建立合作关系，以推动这个机架尽快落地。

在AMD看来， Helios 既是一个可直接部署的机架级解决方案，也是一个蓝图.合作伙伴既可以采用它，也可以根据自身需求进行定制和扩展，同时还能充分利用 AMD 在可扩展 AI 系统工程方面的投入成果。在实现这一切的同时，该方案在系统集成、网络连接、管理以及针对特定部署场景的需求方面，依然保持了高度的灵活性。

面向物理AI的“芯”品

在AI市场，除了过去围绕大模型、生成式AI和AI基础设施展开的传统叙事外，这两年，一个新的关键词开始频繁出现在产业界——物理AI（Physical AI）。随着AI从数字世界走向现实世界，机器人、自动驾驶、智能制造等应用不断成熟，AI正在从“会思考”迈向“会行动”，也让物理AI成为产业关注的新焦点。

如图所示，这是一个潜力很大的市场。但考虑到物理AI在实际操作中基本都要历经感知、推理、决定和行动四个环节，其带来的技术挑战是在所难免，这也正是Lisa 在此前的CES演讲中曾强调“物理AI是技术领域最艰巨的挑战之一，要实现这种智能，需要采用全栈式方法”的原因之一。

在AMD看来，具备自主行动能力的物理AI需要不同的计算架构。于是，他们基于资深的技术积累，在本届大会上带来了AMD锐龙AI 嵌入式X100系列处理器。

据介绍，作为一系列旨在满足“物理AI”（Physical AI）应用对卓越性能的需求。专为加速感知、推理及实时控制工作负载而设计的系列产品，AMD 锐龙 AI 嵌入式 X100系列处理器在单颗嵌入式 SoC 上集成了多达 16 个高性能 AMD“Zen 5”CPU 核心、独立显卡级性能的集成 GPU 以及高能效 NPU。尽管各计算引擎均具备出色的独立性能，但统一内存架构进一步加速了实际工作负载的处理，从而提升了系统的确定性并降低了延迟。

除了这些高性能的处理器，其内存容量和带宽也是该系列处理器能够在物理AI市场一展所长的关键。

AMD表示，在这些硬件支持下，X100系列处理器在 CPU、图形和 AI 工作负载方面均提供领先的计算性能。与 Intel® Core Ultra Series 3 处理器相比，该系列处理器预计可实现高达 2.1 倍的多线程 CPU 性能（CoreMark®）（支持大规模并发），图形性能提升 1.7 倍（OpenGL®）（带来更具沉浸感的体验），并将 Token 生成吞吐量提高 3.5 倍、首个 Token 生成时间（TTFT）缩短 1.4 倍，从而加速物理 AI 工作负载。

对于需要低功耗、小尺寸且具备强大信号处理能力的应用，AMD锐龙AI 嵌入式 X100系列处理器表现卓越：其峰值 FP32 性能最高可达 Nvidia Jetson T5000 的 3 倍，从而实现更出色的信号处理；而在针对先进医用超声波的波束成形等工作负载上，其性能平均比 Nvidia RTX™ 4000 Ada 等独立 GPU 高出 1.7 倍。

AMD强调，锐龙AI 嵌入式 X100系列处理器基于开放式软件栈构建——其中包括用于应用开发的 Linux、用于 iGPU 工作负载加速的 AMD ROCm™ 软件栈、用于虚拟化的 Xen Hypervisor，以及 PyTorch、ONNX 和 TensorFlow 等行业标准 AI 框架——使开发人员能够在熟悉的开发环境中快速构建应用。借助可将现有代码库从 CUDA 迁移至 ROCm 的工具，开发人员既能获得高性能与灵活性，又能避免受限于单一供应商。

而为了帮助开发人员和客户针对下一代自主机器人及物理AI 系统进行原型设计、构建与快速部署。AMD还推出了AMD Kria™ AI 解决方案——一个搭载AMD 锐龙 AI 嵌入式 X100系列处理器的 AMD Kria AI 系统级模组（SOM）及机器人载板。据介绍，其统一的内存架构有助于减少跨CPU、GPU 、NPU和FPGA等计算域的显式数据传输，而 CPU、图形和 AI 计算引擎则支持实时决策与控制、AI 推理以及并发机器人工作负载。该产品不仅能实现确定性实时控制（每秒执行超过 8,000 次控制决策），还能同时提供响应时间低于 100 毫秒的视觉-语言-动作（VLA）AI 推理能力。

与Nvidia Jetson T5000 相比，该产品在机器人工作负载方面性能卓越：其实时控制可靠性提升高达3.4 倍，可用 CPU 核心数增加高达 1.6 倍（提供更多算力余量），并支持多达 2.3 倍的并发智能体（Agentic AI）数量。

与此同时，AMD还推出了首个面向自主机器人的开放式交钥匙集成平台AMD Kria AI机器人开发平台。据介绍，这个融合了异构计算能力的方案将 AMD 在机器人领域的能力从“机器人本体”扩展至“机器人大脑”。在针对严苛的功耗、散热及延迟要求进行优化的单一平台上，集成了 AI 感知、推理以及具备自主代理（agentic）特性的决策与控制功能。

AMD Kria AI解决方案还支持PyTorch、ONNX、ROS 2 和 MoveIt 等行业标准框架，并利用 AMD ROCm 软件及 AMD 机器人软件套件。AMD 开放式软件栈支持从 CUDA 轻松迁移至 ROCm，使开发人员能够保留平均 75% 的现有 CUDA 代码，并借助 AMD 开放且垂直整合的机器人软件套件加速开发进程。基于开放标准构建的原始设计制造商（ODM）合作伙伴硬件平台，为从快速原型设计到生产部署提供了实现路径。

“AMD Kria AI 机器人开发者平台旨在提供一条从开发到部署的可扩展路径。这一面向智能自主机器人（agentic robotics）的全面集成平台包含 Kria AI SOM（系统级模组）及机器人载板、评估套件、机器人软件套件以及经过验证的参考设计。”AMD方面强调。

过去十年，AMD最成功的故事，是凭借Zen架构重新夺回了CPU市场的话语权；而未来十年，AMD希望讲述的，则是另一个故事——成为AI时代基础设施的重要定义者。

回顾AMD近几年的产品路线，可以发现一条十分清晰的发展轨迹。从CPU重新崛起，到GPU越追越近，再到Pensando网络、AMD自适应计算的双剑齐发，AMD已经覆盖CPU、GPU、DPU、软件平台和机架级系统的完整布局，公司也正在不断拓宽自己的能力边界，竞争的对象，也早已不再只是某一款处理器，而是整个AI计算平台。

正是这样的布局，让AMD无论在大模型时代，还是在当前物理AI爆发，AI正在走向PC等端侧之际，都能扮演重要的角色。

为此，笔者认为，站在这个新起点的AMD有望再度上演一段新的逆袭好戏，AMD的表现绝对值得我们期待。