AI 算力圈的竞争，彻底升维了。
7 月 24 日，AMD Advancing AI 2026 大会正式召开。苏姿丰携全线新品亮相，直接把战场从「单颗 GPU 性能」卷到了「整套机架系统」。
从云端推理到端侧 Agent，从服务器 CPU 到机器人计算，从硬件芯片到软件开发生态，AMD 打出了一套全维度组合拳，正面冲击英伟达构筑的 AI 壁垒。
整场发布会的主线非常清晰：AI 计算正在从训练加速全面转向推理，Agent 又把单次模型调用扩展为持续的任务执行链。当算力投入从 “一次性训练成本” 变成 “日复一日的运营开支”，行业需要的不再只是最强的单卡，而是更低的 Token 成本、更高的机架吞吐、更省心的系统交付。
一、核心杀招：Helios 机架 + MI455X GPU，竞争升级到系统级
本次发布的绝对主角，是Helios 机架级 AI 平台，以及搭载其上的新一代Instinct MI455X GPU。
先看单卡的硬参数升级，堪称全方位暴力提升：
-
配备432GB HBM4 显存，显存带宽达到23.3TB/s -
峰值 MXFP8 算力 20PFLOPS，峰值 MXFP4 算力 40PFLOPS -
相比上一代 MI355X，显存容量最高提升 1.5 倍，显存带宽最高提升 2.9 倍，低精度峰值算力最高提升 4 倍
显存是这次升级的核心落点。随着大模型参数扩容、上下文窗口持续拉长，推理需要常驻更多模型权重与 KV Cache，显存容量和带宽已经成为制约真实业务吞吐的核心瓶颈。
AMD 现场公布的数据显示，在 DeepSeek V4 Flash FP4 推理场景下，MI455X 的Token 吞吐最高可达上一代的 34 倍，Token 成本最高降低 18 倍。该成绩包含硬件架构、低精度计算与软件优化的多重增益，量产落地的实际表现仍待验证，但代际提升幅度足够震撼。
单卡只是基础，Helios 才是 AMD 真正的战略武器。
苏姿丰在 keynote 中直接点明：前沿 AI 已经无法依靠单颗芯片或单台服务器满足需求，整个机架必须作为一个系统来设计。
传统 72 卡 AI 集群通常由 9 台八卡服务器拼接而成，GPU 跨服务器通信需要多次网络跳转，容易产生延迟、拥塞，算力利用率难以拉满。而 Helios 将 72 颗 MI455X 整合为一个统一的机架级计算系统，提供约31TB HBM4 总显存与260TB/s 聚合 Scale-up 带宽，真正实现了 “机架即一台超级计算机”。
整套系统通过 UALoE 高速互连架构，让 72 颗 GPU 实现机架内单跳全互连，每颗 GPU 访问其他所有 GPU 的带宽一致，软件无需再针对复杂网络拓扑做专项适配。同时系统采用多平面冗余路径设计，单条链路或交换节点故障时，流量可自动切换，故障被隔离在局部范围。
在最受关注的性价比上，AMD 给出了对标数据：基于 Kimi K2 Thinking 模型与预估系统价格的测算中，Helios 每美元 Token 产出最高比 NVIDIA Vera Rubin NVL72 高 30%，单 GPU Token 吞吐高出 10% 至 15%。
除此之外，Helios 搭建了完整的三层网络体系：前端由 Salina DPU 承担网络、存储与安全卸载，机架内靠 UALoE 实现 GPU 高速互连，跨机架扩展由 Vulcano AI NIC 支持 800G 网络。此前收购的 Pensando 业务，也彻底融入 AMD AI 平台的核心架构。
二、Venice CPU 登场：Agent 时代，CPU 不再是配角
不少人意外的是，这次发布会给了服务器 CPU 极重的篇幅。
在 AMD 的判断里，Agent 的爆发不只是 GPU 的红利。一个完整的 Agent 流程，包含网关、上下文组装、规划、检索、工具执行、校验输出，大量环节都运行在 CPU 上。当 Agent 规模从百万级走向十亿级，服务器 CPU 市场将迎来新一轮增长。
借此契机，AMD 正式推出第六代 EPYC 9006 系列服务器 CPU，代号 Venice。
这并非单一旗舰型号，而是覆盖不同场景的完整产品家族，分为四条主线：
-
EPYC 9006 SP7：主打高核心数与极致计算性能 -
EPYC 9006 SP8：面向企业场景，侧重系统整体性价比 -
EPYC 9006X SP7：针对 HPC 与 AI 数据预处理专项优化 -
EPYC 9006 LP：采用 LPDDR 内存，面向高性能 AI Host 节点
规格上，Venice 最高搭载256 个核心、512 个线程，采用全新 Zen 6 架构，支持 PCIe 6.0，兼容 DDR5、MRDIMM、LPDDR 等多种内存配置，全面覆盖通用计算、企业应用、HPC、AI 宿主等场景。
目前 AMD EPYC 服务器 CPU 的收入份额已达到46%，官方称每周都有一家福布斯全球 2000 强企业转向 AMD，已有超过 475 个 EPYC 硬件平台、1600 个 EPYC 云实例落地。接下来 Venice 既要继续和 Intel Xeon 争夺传统服务器市场，也要在 AI 机架中与 GPU 平台深度绑定，应对 Arm 架构服务器 CPU 的入局挑战。
三、ROCm.AI 上线：用 AI 补上软件生态短板
硬件足够能打，软件生态能不能跟上，一直是 AMD 对抗英伟达的核心痛点。这一次，AMD 拿出了针对性解法 ——ROCm.AI。
简单来说，ROCm.AI 是在原有 ROCm 基础软件栈之上，加入了 AI 辅助开发能力，专门解决 GPU 编程门槛高、CUDA 代码迁移成本高的问题。开发者可以借助 AI 自动分析代码、完成 CUDA 到 HIP 的转换、定位性能瓶颈、生成优化方案，同时支持与 Cursor、Claude、Gemini 等主流开发工具联动。
AMD 还同步推出了FlyDSL，采用类 Python 的领域特定语言，让 Python 开发者无需深入掌握线程、内存、底层调度等 GPU 细节，更专注于算法逻辑本身。官方表示，在示例场景中，FlyDSL 能用更低的代码复杂度达到同等甚至更优的性能。
ROCm.AI 计划于 2026 年 8 月正式推出。生态方面，目前 Hugging Face 上超过 300 万个模型已可在 AMD 平台开箱运行，排名前十的开源 AI 项目均已原生支持 AMD，相关开源贡献数量增长超过 10 倍。
从补齐底层算子，到优化开发者体验，AMD 正在一步步缩小与 CUDA 的生态差距。
四、端侧 + 机器人双线落地：把 AI 铺到每一个场景
云端之外，AMD 也在加速推进 “让 AI 无处不在” 的战略，本地 Agent 与实体机器人 AI 双线发力。
本地 Agent：大模型直接跑在终端设备上
本次 AMD 没有发布新的锐龙消费级处理器，而是围绕现有锐龙 AI 400、锐龙 AI MAX 系列，展示了本地 Agent 的落地能力与生态进展。
本地 AI 的核心价值十分明确：数据不出设备、降低高频推理的持续 Token 成本、断网环境下仍可使用。目前锐龙 AI 400 可流畅运行 24B 以内的模型，锐龙 AI MAX 则支持更大规模的本地模型部署。
AMD 还预告了下一代平台：代号Gorgon Halo的开发者平台，统一内存将提升至 192GB，本地可运行模型的参数上限扩大到约300B。
企业级场景也有新突破：AMD 与思科合作推出端侧全栈方案，将锐龙 AI 硬件、本地推理引擎、Agent 沙箱与思科的网络安全管控能力结合，企业可以统一限制 Agent 访问范围、执行安全策略、追踪推理成本与 Token 效率。
Physical AI：机器人计算全栈布局成型
在实体机器人领域，AMD 一次性发布五项内容，完成了从芯片到生态的全链条布局：
- Ryzen AI Embedded X100 系列
集成 CPU、GPU、NPU，面向机器人感知、推理、规划与控制，目前已进入送样阶段 - Kria AI 系统级模块
基于 X100 打造，采用标准 COM-HPC 形态，面向量产机器人，可实现低于 100 毫秒的 VLA 推理 - Kria AI 机器人开发平台
一体化交钥匙开发平台，计划 2026 年第四季度上线 - 机器人软件套件
包含核心 SDK、物理 AI SDK、加速 ROS 节点等，云端与机器人端共用统一软件栈 - 机器人合作伙伴网络
首批覆盖 30 多家伙伴，涵盖整机厂商、AI 模型、传感器、仿真与系统集成等环节
五、AI 算力竞争，进入全新赛段
整场发布会看下来，一个行业趋势已经非常清晰：AI 算力的战争，彻底从单芯片时代进入了系统级时代。
过去几年，行业的目光集中在单卡算力与训练速度，为了最快完成大模型训练，客户愿意为顶级性能支付溢价。但现在，推理正在成为 AI 算力的主力 —— 按照 AMD 的预测，2026 年全球约 60% 的 AI 算力将用于推理。
推理是长期运营成本，Token 规模越大，对单价越敏感。而 Agent 进一步拉长了任务链路，一个请求可能触发多轮模型调用、检索、工具执行与校验，需要 CPU、GPU、网络、存储深度协同。客户算账的单位，也从 “单卡多少钱” 变成了 “每机架能产出多少 Token”“每美元能服务多少用户”。
面对这个变化，英伟达的路径是全栈封闭整合，从芯片、网卡、交换机到 CUDA 一手把控，给客户高度确定的性能与部署效率。
而 AMD 选择的是开放架构路线：用标准化组件、开放的软件生态，给客户更大的定制空间与议价权，用更低的 Token 成本撬动市场。
当然，开放路线也意味着更高的执行难度：跨厂商的兼容调试、性能调优、生态协同，都需要更长的落地周期。Helios 的系统级优势能否在量产中充分兑现，ROCm 能否持续缩小与 CUDA 的体验差距，都还需要时间与客户的双重验证。
但可以确定的是，AI 算力市场一家独大的格局，正在被一步步打破。
免责声明：本文章来源公众号36氪,版权归属原作者所有！转载出于传递更多信息和学习之目的，如觉侵权，可回复本平台我们会尽快处理删除。另外，欢迎朋友们推荐或者投稿文章给本微信公众号。
关注抖音【靓哥聊创业】
抖音号｜54707203975
保存二维码打开抖音扫一扫
