苏姿丰亮相上海，AMD秀肌肉

日前，AMD董事会主席及首席执行官苏姿丰博士（Dr. Lisa Su）亮相上海滩，引发全场轰动。据介绍，这是AMD首次在美国本土以外举办“AMD AI开发者大会”。作为一场面向AI 开发者的技术盛会，本次会议吸引了两千名开发者到场参加，现场的气氛也异常热烈。

之所以选择在中国举办这场大会，按照AMD高级副总裁大中华区总裁潘晓明先生在开场致辞中所说，这是因为在全球AI发展驶入快车道的当下，中国走到了世界前列，这里也汇聚了领先的AI人才，创新企业也遍地开花。

“中国是全球最活跃的 AI 生态系统，AMD 已经在这里深耕超过三十年。我们将中国视为驱动我们路线图的核心部分——这包括芯片、AI、软件和平台工程。实际上，我们的上海研发中心和中国研发中心，是全球最大的研发中心之一。我们未来还将在这里，与世界上最聪明的 AI 从业者互动”，Lisa Su在演讲中强调。“中国AI生态最令人兴奋之处还在于，你们真正引领了Agentic AI和企业级AI的发展”，Lisa Su接着说。

正是有了这些观察，AMD正在构建无处不在的算力底座，打造开源繁荣的AI生态，并坚定在中国投入，扮演好AI赋能者的关键角色。

AI正处在转折点

其实在最初几年，虽然AI也很火热，但哪怕直到ChatGPT发布， AI也只是一个"随叫随到的答题机器"：你输入一个问题，它输出一个答案；你再问一句，它再答一句。整个交互是被动的、碎片化的，它没有目标感，不会主动推进任何事情，更不知道上一步发生了什么、下一步该做什么。它的能力边界就是"把这句话回答好"，仅此而已。

放到企业场景里，它顶多是一个聪明的搜索框，或者一个效率稍高的文字处理助手——能帮你写一封邮件、总结一份文档，但它完成的永远只是一个孤立的小任务，前后没有连贯，左右没有协同，对真正的业务流程几乎无从介入。

但在OpenClaw等爆火以后，AI变了。

Lisa Su 在演讲中直言，过去几个月 AI 正在发生根本性转变——从大语言模型的一问一答，转向智能体 AI（Agentic AI）。她认为未来不是一个人问一个问题、模型给出一个答案，而是每个人同时拥有 5 个、10 个甚至 100 个智能体协同工作。 用更通俗的话说：AI 从"工具"进化成了"协作者"，这是质变，不是量变。

01万物的创始人李开复也对此表示认同，他指出，企业侧已有两件关键事情发生了变化——技术成熟度和商业可行性同时到位。

正因为AI变得越来越有用了，使用AI的人也迅速增长。Lisa Su表示，目前全球日活AI用户已突破10亿，到2030年将激增至50亿。但在她看来，堆砌算力去卷单一模型已经不是重点，“支撑这一恐怖增长的关键，在于多样化的AI应用与工作流，而非单一模型。”Lisa Su说。

在这个转折点之下，人工智能计算不但需求飙升，背后的算力类型也变了。

Lisa首先强调，GPU 会越来越多，但更重要的是——GPU 不再只属于云端数据中心，而是要铺满整个生态，从云到 PC、到边缘设备、到机器人，每一个层级都需要 GPU。但智能体 AI 时代，仅有 GPU 是不够的。要让一个智能体真正"跑起来"，你需要大量的 CPU 处理能力来支撑推理、数据流转、工具调用和多智能体之间的协调。

她在此前的财报电话会上也指出，行业正在从每 4～8 个 GPU 配 1 个 CPU，转向下一代数据中心接近 1:1 的 CPU 与 GPU 配比。她强调这不是 GPU 与 CPU 的竞争故事，CPU 需求是"largely additive"（基本上是增量），两者会同步增长。

针对这些需求，AMD正以领先广泛的产品路线图，持续提供领先的AI性能。

“AMD一直是致力于打造开源繁荣的AI生态，通过覆盖云边端的计算产品组合，和我们开源的RCOM、软件平台，为我们的开发者提供开放的全栈式算力支持”，潘晓明表示。换而言之，AMD并不仅仅是提供面向数据中心的算力，在几乎所有需要AI算力的地方，AMD都能提供极具竞争力的软硬件解决方案支持。

提供端到端计算能力

首先看硬件方面，除了广为人知的，被应用于数据中心的MI系列GPU和EPYC系列CPU外，AMD还打造了锐龙AI Max+ 系列处理器，以帮助客户打造包括一体机、笔记本、Mini AI工作站等在内的智能体AI主机，覆盖不同使用场景与操作系统应用生态。

据透露，迄今为止，包括惠普、华硕、联想以及宏碁等众多本地新兴创新品牌在内的企业已推出超过35款相关产品设计。这些搭载AMD锐龙AI Max+ 系列处理器的智能体主机系统。

在开发者大会现场，本土存储头部厂商江波龙就展现了与AMD深度协同的技术成果，双方基于锐龙AI Max+ 395智能体主机开展了深度联合调优，取得了显著的优化进展。

据介绍，在128GB内存场景下，双方成功实现397B超大参数AI模型在本地的部署；在64GB内存场景中，不仅能实现122B大模型的本地部署运行，还能顺畅运行80B、122B等中大型模型并提升长上下文场景的表现，有效解决了端侧AI运行中内存使用过高的痛点，大幅提升了端侧AI计算的效率与经济性。

基于全新RDNA 4架构，AMD还打造了配备32GB海量显存的AMD Radeon AI PRO R9700，为本地AI推理、开发等重度依赖内存的场景提供澎湃的算力支持。与此同时，AMD还针对多显卡并联及NVMe高速存储的极限配置需求，提供拥有多达128条PCIe 5.0通道的AMD锐龙Threadripper PRO 9000系列处理器，为人工智能与机器学习的本地微调、推理及应用开发筑起了坚实的性能护城河。

除了硬件以外，AMD在生态构建上也持续投入。通过持续迭代其AI软件栈，AMD力求在兼容性、易用性与性能调优上为用户开辟高效部署的新路径。作为核心牵引力，AMD的开源生态平台 ROCm也迎了关键跃升：不仅在产品与系统层面完成大幅度扩容，正式将全新一代AMD锐龙 AI 400系列处理器纳入支持版图，还实现了在ComfyUI中的直接下载。

值得注意的是，自ROCm 7.2版本起，该平台进一步拓宽了Windows与Linux的跨操作系统兼容边界，开发者如今可借助AMD软件无缝接入全新PyTorch版本，确保在Windows环境下的高效落地。凭借这种更为开放的姿态，AMD正在深度链接全球开源社区，让ROCm成长为承载现代复杂工作负载、更具普适性与战斗力的AI底座。

本质上看，ROCm扮演着横跨AMD全线GPU产品的统一软件枢纽角色。它成功打破了硬件壁垒，实现了从便携笔记本、专业工作站到大型数据中心的跨端互联，打通了AI落地的全生命周期。在底层技术支撑上，通过深度兼容HIPCC等编译器、ROCm原生库、PyTorch等主流AI框架，以及OpenClaw等前沿智能体架构，ROCm让开发者得以享受“一套代码，全端奔跑”的革新体验，从而在模型测试、微调及部署环节实现效率的指数级提升，全方位赋能开源生态。

此外，为了让开发者能够“零门槛”在既有环境中快速起跑，AMD还推出了全面兼容Ryzen AI与Radeon GPU的《AMD AI开发手册》。该手册无缝横跨Windows与Linux两大阵营，旨在帮助开发者在最熟悉的开发环境下，实现AI工作负载的敏捷构建、即时测试与弹性扩展。

写在最后

正如AMD所说，今年，公司上海研发中心迎来落户20周年。二十载跨越式发展，该中心已稳居AMD全球研发体系的战略支柱——不仅深度主导了多款核心产品的研发、测试与量产，更构筑起涵盖芯片与系统设计、软硬件协同、客户工程及AI软件生态的全栈技术闭合圈。同时，中心持续汇聚具备国际视野的高端人才，为AMD全球业务提供核心技术引擎。

展望未来，Lisa Su直言，AMD将进一步深耕中国市场，并通过持续深化与本土生态系统的合作，全力推进与中国各大开源项目、主流大模型的全面兼容与硬件深度优化。在Lisa Su看来，这一生态闭环的构筑，旨在赋予客户真正的选择权——让其能够针对每一项具体应用，精准匹配最合适的计算架构、模型与服务能力。

“我们希望将 AI 带到生态系统的每个角落，为合适的应用提供合适的计算。”Lisa Su最后强调。