AMD太阳神Helios官宣，四驾马车伴行，苏姿丰：CPU可能跑得最快

作者｜高飞

在AI硬件行业的语汇里，“发布一款新芯片”和“发布一套完整的机架级系统”是两件性质不同的事。前者展示的是设计能力，后者需要把芯片、封装、电力、液冷、网络和软件在同一个物理空间里协调起来，并且让这个空间可以被客户直接部署到数据中心。

7月23日，AMD在旧金山Advancing AI 2026大会上正式宣布Helios进入全面生产。这是AMD第一次以一座完整机架为单位定义自己的产品，机架内同时集成了自家的Instinct GPU、EPYC CPU和Pensando网络芯片。

苏姿丰在台上先后举起了MI455X加速器模块、Venice主板、Salina DPU和Vulcano AI NIC。单是一个不到两英寸厚的计算托盘就超过160磅。一座完整的Helios双宽机架大约7000磅（超过3吨），比一辆满载的大型皮卡还重。

她在随后的媒体问答中说：“Helios非常了不起。它是一项出色的工程成果，在计算、散热、系统集成和密度等方面都包含了大量创新。我们不是最近才开始为这个时刻做准备。”

过去几年里，AMD通过收购Pensando获得了可编程网络芯片能力，通过收购ZT Systems获得了系统集成经验，并持续投入芯粒（chiplet）架构和ROCm开放软件栈。这些分散在不同时间点的投资，在Helios身上第一次汇合为一个可以整体交付的产品。

苏姿丰在媒体问答中用了一个词来描述这种汇合的关键因素：“秘诀”（她说“或许可以称为秘诀”）在于AMD与合作伙伴从一开始就在共同开发，而不是各自完成之后再拼接。行业分析机构估算，一座Helios机架的售价大约在500万到550万美元之间。

Helios的名字来自古希腊太阳神，驾驭四匹骏马拉着战车穿越天空。这个命名不只是品牌修辞：GPU、CPU、网络芯片和软件正是AMD的四驾马车，Helios是它们第一次被套进同一辆战车。CNBC在发布前三天独家探访了AMD位于德克萨斯州Rockdale的数据中心实验室，拍摄了第一座Helios机架的组装和测试过程。这座实验室里正在测试的配置，就是Meta将在今年晚些时候部署的版本。

这场将近三小时的Keynote同时发布了七款产品：Helios机架级AI基础设施（内含MI455X GPU）、第六代EPYC Venice服务器CPU、面向HPC和主权AI的Instinct MI430X GPU、风冷PCIe加速卡MI350P、AI软件栈ROCm.ai、本地AI开发者平台Gorgon Halo，以及Kria AI机器人系统模块与开发者平台。它们覆盖了从超大规模数据中心到企业服务器、从开发者桌面到工业机器人的完整范围。

AMD数据中心业务在2026年一季度营收57.8亿美元，同比增长57%。但苏姿丰认为故事才刚开始：“我们仍然处在可能性的极早期。”她在Keynote上预测，到2030年，AMD所覆盖的高性能与自适应计算市场将接近2万亿美元。AMD的判断是，AI基础设施的竞争正在从单颗芯片升级到完整系统。这家公司正在同时推进高性能x86 CPU、数据中心GPU、可编程网络芯片和开放软件栈的协同演进。

回头看一年前的进度，变化速度令人吃惊。2025年6月，苏姿丰在圣何塞举办的Advancing AI 2025上发布了MI350系列GPU，预告了MI400和Helios，但Helios当时还只是一张架构图和一组规划参数。那场发布会上，OpenAI CEO Sam Altman亲自上台为AMD站台，确认正在MI300X上运行工作负载，并称“对MI450极其兴奋”。

苏姿丰给出的AI加速器市场预测是，到2028年超过5000亿美元。一年过去，Helios从PPT走进了量产线，加速器市场预测从5000亿（2028年）调高到1.4万亿（2030年），AMD的服务器CPU营收份额从40%上升到46%，而站在台上为AMD背书的不再只是一家AI实验室，而是Anthropic、OpenAI和Meta同时出现，合计承诺了14GW。

Helios改变了什么？

Helios改变了AMD与客户之间的关系。

此前，AMD卖的是零部件。客户买GPU卡、买CPU，装进自己设计的服务器，放进自己的机架。系统集成的工作由客户和OEM完成，AMD只负责芯片。Helios把这个关系向前推了一步：AMD定义了一座完整机架的参考设计，规定了72颗GPU、18颗CPU和网络芯片之间如何协同工作，然后把这份设计交给OEM和ODM伙伴去制造和交付。AMD不直接卖整机，但它第一次定义了整机的架构。

这个转变的产业含义在于，AMD从一个组件供应商变成了一个系统架构的提出者。超大规模客户过去在采购AI基础设施时，往往需要自己完成从芯片到机架的系统设计，或者采购已经集成好的整机方案。

Helios提供了第三种选择：一份经过AMD验证的参考架构，客户可以按需配置，由多家制造商生产。苏姿丰在媒体问答中特别强调了这种共同开发模式：“我们与合作伙伴始终保持步调一致。双方是在共同开发，而不是AMD先独立完成产品，再把它交给合作伙伴。”她透露，OpenAI、Meta和Anthropic都在与AMD进行这种联合开发。

Helios采用的UALink over Ethernet、Ultra Ethernet和OCP Open Rack Wide都是开放行业标准。这意味着机架内部的网络互连、跨机架的高速通信，以及机架的物理结构和电力分配，都遵循可以被多家厂商共同支持的规范，而不是绑定在某一家的专有技术上。对客户来说，开放标准降低了更换供应商的成本；对AMD来说，开放标准让它在芯片性能之外获得了另一个竞争维度。

微软在发布会前三天就确认了部署Helios的计划。Azure将推出三个新VM系列：ND MI455X v7面向推理负载，HDv2面向智能体编排（约500个物理核心、4TB内存的Venice实例），HXv2面向EDA和科学计算（最高5GHz主频）。

值得一提的是，微软和AMD都是UALink Consortium的创始成员，这意味着Azure部署Helios同时也是对双方共同参与制定的开放标准的一次规模化验证。Oracle计划三季度启动大规模GPU公有云集群。批出货从三季度末开始，四季度扩大，并延续到2027年上半年。苏姿丰在媒体问答中强调，“AMD宣布Helios进入生产阶段，意思就是我们已经做好了出货准备”，并且“已经明确规划了首批系统将进入哪些数据中心”。

智能体越多，CPU越忙

CPU在AI基础设施中的角色正在逆转。

过去几年，AI数据中心的典型部署是1颗CPU配4到8颗GPU，CPU只是GPU的搬运工。但当AI从“一问一答”的聊天机器人进入智能体时代，情况发生了变化。一次智能体任务可能涉及几十个步骤：规划子目标、从向量数据库检索、生成代码并在沙箱中执行、调用外部API、验证中间结果、循环多轮。GPU负责模型推理本身，但围绕推理发生的编排、代码执行和数据访问全部压在CPU上。智能体越多，CPU的负载越密集，CPU与GPU的部署比例正在从1：8向1：4甚至1：2收紧。

克莱顿·克里斯坦森在《创新者的解答》中描述过一个模式：在技术价值链中，利润向当前的性能瓶颈环节集中，当瓶颈转移，利润跟着走。在AI基础设施中，如果瓶颈正在从纯GPU计算向系统级编排转移，那么CPU的经济价值正在重新定价。

苏姿丰给出了一组印证这种判断的数字：全球每月消耗的Token已超过3.5×10^16，两年增长约160倍；2026年约60%的AI算力首次用于推理而非训练；AI加速器市场预计2030年约1.4万亿美元。但AMD最激进的预测指向CPU：数据中心服务器CPU市场从约260亿美元增长到2030年约2200亿美元，年复合增长率超过50%，增速甚至超过GPU。在一场GPU发布会上，最大的增长预测指向CPU，这本身就是一个信号。

第六代EPYC Venice正是AMD对这个信号的回应。AMD在发布会上明确定义了智能体时代数据中心CPU的三种角色，并为每种角色设计了专门的处理器。

第一种角色是General Purpose，即支撑智能体所依赖的企业基础设施。智能体在工作过程中需要查询数据库、访问存储、调用Web服务，这些后端系统运行在通用服务器上。EPYC 9006 SP8提供8到128核的灵活配置，覆盖从边缘站点到功率受限机架的企业场景。

第二种角色是AI Host Node，即给GPU喂数据的CPU。在Helios这样的加速计算机架中，CPU的任务是管理数据搬运和I/O，让GPU的空闲时间尽可能短。SP7的高频版本以96颗完整Zen 6核心、最高5GHz频率和PCIe Gen 6承担这个角色。AMD还为下一代AI Host Node设计了EPYC 9006 LP（代号Verano），采用LPDDR内存以追求更快的CPU与GPU互连，计划2027年下半年推出。

第三种角色是Agent Sandbox，即运行智能体本身的CPU。智能体在沙箱中执行代码、协调任务、操作工具，这些动作需要大量CPU线程来并发处理。EPYC 9006 SP7以最高256核512线程（采用Zen 6c密度核心）承担这个角色，追求每瓦、每美元、每机架运行尽可能多的智能体。这是Venice家族中最能体现智能体时代CPU需求变化的产品线。

此外，Venice-X加入最高1152MB的3D V-Cache面向HPC和内存密集型负载，计划2027年下半年推出。

整个Venice家族基于台积电2纳米制程，集成约2030亿个晶体管，是业界首个在纳米片GAA晶体管工艺上量产的HPC产品。SP7已进入生产，OEM系统预计四季度上市。新的SP7插座带来了16通道内存（约1.6TB/s聚合带宽）和PCIe Gen 6最高160条通道，但与当前Turin服务器的SP5不兼容，客户需要做全平台更换。

苏姿丰在媒体问答中说，AMD对自己的定位“非常有信心”：“AMD选择了一条不同的道路。差不多过去十年，尤其是过去五年，我们一直在投入芯粒架构和产品组合架构。”AMD在x86服务器CPU市场的营收份额已达46%，超过60%的《财富》100强企业使用EPYC。

如果智能体AI真的把CPU需求推到AMD预测的规模，EPYC将不只是GPU业务的配角，而可能成为公司增长最快的产品线。

3200亿晶体管的系统逻辑

MI455X是Helios的计算引擎，也是AMD当前最强的数据中心GPU。

约3200亿个晶体管，混合2纳米与3纳米制程，通过CoWoS-L封装连接12个Chiplet和432GB HBM4，理论峰值约40 PetaFLOPS FP4。

CDNA 5架构做了多项针对推理延迟的设计调整：从Wave64转向原生Wave32以降低指令延迟，本地L2缓存扩大到96MB，标量寄存器翻倍以上，新增Broadcast Arbitrator提供最高4倍带宽放大。

432GB显存对推理的意义超出了容纳模型权重：持续膨胀的KV Cache、中间激活值和高并发请求都在争夺同一块内存空间，HBM4的容量和带宽（单卡23.3TB/s）决定了一颗GPU能同时服务多少用户。

一座Helios机架内72颗MI455X提供31TB HBM4、1.7PB/s聚合内存带宽、2.9 ExaFLOPS FP4与1.4 ExaFLOPS FP8算力。机架内Scale-up由六个UALoE交换托盘构建72-GPU一跳可达域（双向260TB/s），跨机架Scale-out由Vulcano 800 AI NIC完成（双向43TB/s），前端和存储流量由Salina DPU卸载。三条数据路径在设计阶段就协调了信号路径、功率分配和冷却回路的匹配关系。

半导体产业在1950年代末从分立元件走向集成电路时学到的一课是，当系统复杂度超过某个阈值，集成本身的收益会超过最优单元件的性能优势。Helios的数据印证了类似的逻辑：MI455X相较上一代MI355X，低并发下提升4倍，在DeepSeek-V4-Flash的高并发测试中提升达34倍，单位Token成本降至1/18。34倍不是简单的芯片代际倍率，它出现在HBM容量、并发调度和机架网络同时改善的条件下，说明系统级集成的收益远超组件的线性叠加。

MI400系列的另一款产品MI430X面向的是不同的计算需求。科学模拟和国家级计算项目需要高精度浮点（FP64），而AI推理主要使用低精度（FP4/FP8），两者的硬件需求截然不同：

MI430X保留了原生硬件FP64（峰值288 TeraFLOPS），同时共享MI455X的CDNA 5架构和HBM4内存，相当于用同一个芯片平台覆盖了AI和HPC两条需求线。美国橡树岭国家实验室的Discovery超算和法国CEA与GENCI联合建设的Alice Recoque百亿亿次超算将采用MI430X，计划2027年上半年出货。对于正在建设本国AI和科学计算基础设施的国家来说，MI430X提供了一个同时满足两种需求的选项。

/04/

AI是新的开发者

Helios解决了硬件层面的系统集成，但AMD面对的另一个结构性问题在软件层面。GPU编程生态在过去20年形成了高度集中的格局，迁移到新平台的成本不仅是技术性的，更是组织性的：工程师的技能积累、通信库的调优经验、ISV的验证路径和招聘市场的人才池，共同构成了一套难以撼动的惯性。

计算产业的历史暗示，这种惯性往往不是被同一层上更好的替代品打破，而是被抽象层的变化绕过。大型机时代的生态壁垒看起来同样牢不可破，直到操作系统层的崛起让整机级别的锁定变得无关紧要。AMD在这场发布会上给出的新变量ROCm.ai，本质上押注于一次类似的逻辑：如果AI智能体能够代替人类开发者完成GPU编程和迁移工作，那么生态锁定的基础（人类的学习成本和习惯惯性）就不再是决定性壁垒。

ROCm.ai由三个部分构成。AMD Skills把经过验证的平台知识注入Cursor、Claude、Codex、Gemini等编程智能体，让它们在写代码时理解AMD硬件的特性，目前以技术预览形态发布在GitHub。Hyperloom是开源的自动化推理优化引擎，从性能剖析到Kernel重写、配置调优和结果验证全程AI完成，AMD称过去需要数周的人工优化工作可以在数小时内完成。第三部分是ROCm基础栈本身，PyTorch、Hugging Face、vLLM和SGLang已在MI455X上实现Day-0支持。

现场演示中，Hyperloom把MiniMax M3在MI355X上的Token吞吐提高了38%。AMD 人工智能事业部高级副总裁Vamsi Boppana透露，Hyperloom上周刚跑完一套14000个模型的测试与优化任务。在同一套MI355X硬件上，ROCm.ai预览栈相较ROCm 7.0，推理负载平均提升3.3倍，训练负载平均提升2.4倍。同一台机器，只换软件，性能翻了几倍。这组数据说明的是，在AI时代，软件优化的速度和幅度本身就可以成为硬件平台的竞争力来源。

Anthropic联合创始人Tom Brown在台上讲了一个说明问题的故事：一名工程师把MI355X连接给Claude，让它在周末自行把系统跑起来，周末结束时性能曲线已经持续向上。

OpenAI的Philippe Tillet（Triton创建者）则指出，AMD完整编译器栈的开源特性，让智能体可以理解和优化从框架到汇编指令的每一层，这种端到端的可见性在封闭的软件栈中很难实现。如果AI编程正在成为GPU软件的主要生产方式，那么开放软件栈可能从追赶者的标签变成一种对机器友好的架构优势。ROCm.ai计划8月开始提供，其中部分组件仍标为技术预览和实验性，但方向本身已经引起了行业的关注。

我在场内听到一个AMD技术专家说，早些年很多客户和他讨论CUDA问题，但是现在越来越少。原因也是一方面AI在让迁移工作简单，而且大家也更在往上的抽象层进行开发工作。

/05/

Anthropic、OpenAI和Meta都签了

Helios的客户承诺在发布会前后密集落地。

Anthropic在7月22日宣布部署最高2GW的Instinct MI450系列GPU（Helios机架形态），首期1GW从2027年上半年开始。AMD同时承诺对Anthropic进行最高50亿美元的战略股权投资。双方启动多年工程合作：Claude将帮助加速ROCm开发和芯片创新，AMD工程团队将广泛部署Claude。

Tom Brown在台上把选择AMD的理由分为两层：首先，“Helios是一台非常出色的机器”；其次，“新硬件平台的导入体验，正在因为AI的参与而根本性地改变。”苏姿丰在媒体问答中回顾了这段关系的起点：“从Dario Amodei和Tom Brown开始创办Anthropic时起，我们就一直非常关注这家公司。

OpenAI在2025年10月宣布最高6GW合作，首期1GW从2026年下半年启动。AMD向OpenAI授予最多1.6亿股认股权证（约占流通股10%），按部署里程碑分批归属。OpenAI计算战略副总裁Sachin Katti确认已在Helios上运行GPT级工作负载，预计四季度扩大部署。Meta在2026年2月宣布最高6GW合作，采用定制MI450方案。Meta已部署数百万颗EPYC，基础设施负责人Santosh Janardhan说，MI450阶段的区别是“双方工程师从设计前端就在同一个房间里”。

每项交易的结构都不一样。苏姿丰在媒体问答中这样解释差异：“OpenAI以最高6吉瓦的部署规模，在AMD身上下了很大的赌注。”Anthropic的合作则更明确地围绕MI450和工程共建展开。AI基础设施的采购正在从简单的芯片买卖演变为芯片公司与AI公司之间深度绑定的战略关系。苏姿丰还透露，“市场对MI450和Helios的总体需求高于我们最初的预期。”

三家合计14GW，加上微软Azure和Oracle的部署，Helios的首批客户覆盖了全球最重要的AI基础设施买家。

这些交易的结构反映了AI基础设施采购的新常态。芯片公司通过股权投资和认股权证锁定长期需求，降低产能规划的不确定性；AI公司通过接受投资锁定供应和价格，降低对单一供应商的依赖。双方把自己绑在同一条船上。苏姿丰被问到为什么两项交易结构不同时，解释说“每一项交易都不一样”，关键是“找到双方条件交汇的正确时间点”。她特别提到，“对任何公司来说，引入一种新芯片都需要大量工程投入。Anthropic愿意为AMD投入工程能力、资源、资本和时间，是一项很重要的决定。”

这份客户名单中还有一项结构上独特的合作：Cerebras。这家做晶圆级芯片的公司（整片12英寸晶圆做成一颗处理器，面积约46000平方毫米）与AMD的合作逻辑是把推理拆开：Helios做Prefill（大量矩阵计算，GPU擅长），Cerebras的晶圆级引擎做Decode（极高内存带宽和极低延迟），两者在同一个推理工作流中协同。按联合建模数据，组合方案可达最高5倍TPS/kW。

苏姿丰在被问及这项合作是否只是权宜之计时说：“AMD所说的开放生态，恰恰意味着我们会与多家拥有有用技术的公司合作。长期来看，工作负载会进一步解耦，这是一种可以预期的发展方向。”

Cerebras的五位创始人此前一起创办了SeaMicro，这家公司在2012年被AMD以3.34亿美元收购，两个团队之间有渊源。Cerebras计划在自己的数据中心部署Helios，联合方案预计2026年下半年首先通过Cerebras Cloud提供。芯片行业的默认姿态通常是“我的芯片什么都做得最好”。

/06/

MI350P、Gorgon Halo与Kria

Helios和MI455X面向最大规模的前沿AI系统。除此之外，AMD同时发布了面向企业、桌面和物理世界的产品。

Instinct MI350P是AMD四年来首次推出的PCIe形态Instinct加速器：一块空气冷却的双槽卡，600瓦功耗，配备144GB HBM3e和最高4.6 PetaFLOPS FP4算力。它能装入标准2U或4U服务器的电力和冷却条件，企业不必改造机房就能部署推理，单卡支持最高约2500亿参数FP4模型，支持一到八卡配置。

AT&T是一个大规模部署案例：每月消耗超1万亿Token，100多个生成式AI模型在生产中运行，在AMD平台上后训练并开源了电信行业模型OTel 2.0。

AT&T首席技术官Jeremy Legg在台上说的一句话是：不能被某一种芯片或某一组工具锁定。AMD自己的IT部门也用EPYC加MI350P运行本地开放模型（Gemma、Qwen），配合智能路由在需要时调用云端前沿模型，Token成本降低了43%。

苏姿丰在媒体问答中谈到了驱动企业采用的底层动力：“AI越有用，人们就越想使用它。”她也指出，AI给企业带来的价值正在从降本向收入创造转移：“企业最初采用AI时，重点在很大程度上的确是降低成本；现在，它越来越多地关系到真正的企业价值创造。基于这一点，我们对需求曲线很有信心。”

本地AI方面，下一代Gorgon Halo（Ryzen AI Max 400系列）是AMD面向开发者和专业用户的本地AI平台。它把统一内存提高到192GB，AMD称可以在一台桌面设备上运行超过3000亿参数的模型。基于上一代Strix Halo芯片的Ryzen AI Halo（128GB统一内存版本）已经在美国以3999美元起售，与之竞争的桌面AI设备也采用了类似的统一内存架构。

新一代Gorgon Halo将由ASUS、HP和Lenovo在三季度推出搭载系统。AMD与Hugging Face合作，每台Halo附带一年Hugging Face Pro订阅。一项AMD引用的基准数据说明了小模型效率的进步速度：Qwen3.5-9B以90亿参数在GPQA上取得约81.7分，超过此前1200亿参数模型的约80.1分，参数量少13倍，成绩更高。这意味着越来越多此前必须上云的任务，可以在桌面设备上用小模型完成。当桌侧设备多到企业规模，管理成为瓶颈。

Cisco总裁Jeetu Patel的概括是“人类点击，智能体蜂拥而至”，AMD与Cisco的联合方案为本地智能体设置沙箱隔离、Token额度监控和安全策略，计划2026年初秋在美国商用。

在物理AI领域，AMD发布了Kria AI System-on-Module（由Ryzen AI Embedded X100驱动），在紧凑模块中整合CPU、GPU、NPU和统一内存，工作温度零下40°C至105°C，面向最长十年产品生命周期。数字智能体晚几秒回答只是体验问题，机器人控制环晚几毫秒可能碰到安全边界。

配套的Kria AI Robotics Developer Platform是AMD所称业界首个交钥匙、开放且完整集成的机器人开发系统，软件基于ROCm和ROS 2，加入FPGA处理确定性控制与功能安全。AMD将载板原理图和FPGA参考设计公开，开发者可以在数天内从概念进入原型，并把同一模块直接用于量产，不必在最后阶段迁移或重做设计。AMD还发布了Robotics Partner Network，把ODM、传感器和中间件厂商组织起来。

Vamsi Boppana在媒体问答中谈到物理AI时说：“AI将广泛融入各种形态的计算，但不同场景需要的特性并不相同。AMD会针对这些不同需求提供相应解决方案。”Kria平台预计四季度普遍可用。

苏姿丰说：“不存在一个适用于所有问题的‘完美模型’，芯片也同样不存在一种架构包打天下。”Helios追求系统级密度，MI350P追求与现有基础设施的兼容，Gorgon Halo追求本地大模型的可行性，Kria追求工业级温度范围和十年生命周期。每条产品线针对不同工作负载做了不同的设计取舍。

AMD给出了每年一代Helios的路线图承诺：2027年Helios 500（Verano CPU +MI500，引入铜互连、光互连和下一代HBM4E），2028年Helios 600（Ferrara CPU + MI600，CDNA NEXT架构）。CPU路线图同样清晰：2028年Zen 7 Florence，2030年Zen 8 Ravenna。

AMD工程预测，从MI300X到MI500四年间推理吞吐提高2000倍以上。苏姿丰在媒体问答中谈到MI500时的措辞比通常的路线图预告更直接：“从MI450走向MI500，不是一个小步迭代，而会是又一次大幅跃升。我们相信，届时AMD能够在GPU的Scale-up Domain上取得领先。这是一个分量很重的判断，但它符合我们现在看到的技术进展。”

AMD预计，到2030年，其高性能与自适应计算产品所覆盖的市场将以约40%的复合年增长率扩大。苏姿丰说：“如此庞大的市场不可能由一家公司单独服务，必须依靠整个生态共同完成。”

首批Helios系统将在三季度末离开工厂，进入客户的数据中心持续运行。

媒体问答环节，有记者问苏姿丰怎么看中国开源模型。她的回答和她在硬件、软件上的立场一脉相承：

“我认为开放源代码是一件好事，因为它给了使用者更高程度的透明度和控制权。”从采用开放标准的Helios机架，到开源的ROCm编译器栈，到愿意把推理的不同阶段拆分给Cerebras，再到对开放模型生态的支持，AMD在这场发布会上用一整套产品和合作关系，为“开放”这个词注入了具体的含义。