AMD推进AI2026主题演讲20260723

AMD发布Helios系统与Venice处理器：智能体AI驱动算力市场倍增 摘要 ●推理算力需求爆发：预计2026年推理算力占比将达60%首次超过训练，智能体AI(AgenticAI)驱动计算需求阶跃式增长。●市场规模预期上修：基于智能体AI推动，2030年AI加速器市场规模预期从5,000亿美元上调至1.4万亿美元，服务器CPU市场预期上调50%至2000亿美元。●AMDHelios机柜性能领先：集成MI455GPU与Venice CPU,算力比竞品高15%,HBM4带宽及容量高50%,每美元Token产出高30%。●第六代EPYC处理器Venice发布：采用2nm工艺，性能较前代提升1.8倍，在智能体沙箱场景下每瓦支持智能体数量为ARM架构的2.8倍。●软件生态与AI自动化：ROCmAI平台实现AI辅助GPU编程，主流模型推理速度提升3.3倍，训练性能提升2-4倍，大幅降低开发门槛。●头部客户深度协同：OpenAI计划2026年底大规模部署Helios;Anthropic验证了MI355的高效部署；Meta与AMD进行硬件协同设计。·企业级AI落地加速：发布风冷版MI350PGPU,适配现有基础设施，每美元Token处理能力为竞品4倍以上，助力企业私有化部署。 Q&A 当前AI行业的发展趋势如何，尤其是在计算需求方面呈现出哪些新的变化? AI技术正处于发展的极早期阶段，但其增长速度惊人。以AI tokens的消耗量为例，目前每月已超过35千万亿个，这一数字在过去两年内增长了近160倍，且增长曲线仍在持续陡峭化。模型训练作为基础环节，其算力需求在过去四五年间每年约增长5倍。然而，一个更显著的转变正发生在推理环节。预计到2026年，全球用于模型推理的AI算力将首次超过训练，约占总算力的60%。这一转变的根本原因是全球数十亿用户每日使用AI,使得行业重心从模型构建转向模型应用。 智能体Ai(AgenticAI)的兴起对计算行业，特别是对GPU和CPU市场，产生了怎样的具体影响? 智能体AI被视为AI发展的下一个重要里程碑，其趋势在2026年过去的五六个月中开始显著加速。与传统大型语言模型擅长回答问题不同，智能体AI旨在完整地解决问题，它在设定目标后会持续工作直至任务完成。这一过程涉及推理、调用工具、访问数据等数十个步骤的循环，因此不仅需要大量GPU进行推理，更需要庞大的CPU基础设施来协调每一步操作。这种阶跃式的计算需求增长正在重塑市场预期。例如，2025年曾预测到2028年AI加速器市场规模将达到约5,000亿美元，而现在基于智能体AI的推动，预计到2030年该市场规模将达到约1.4万亿美元，其中GPU预计将占据绝大部分份额。同时，智能体AI也为服务器CPU创造了全新的增长方向。客户反馈显示，随着AI推理需求的上升，需要更多的服务器CPU。基于此，服务器CPU市场的规模预计将从当前的250亿美元增长至2030年的超过2000亿美元，相较于2025年预测的600亿美元规模，增长预期提升了超过50%。 面对AI带来的市场机遇，AMD的整体市场判断和公司战略是怎样的? 综合来看，预计高性能与自适应计算产品市场的复合年增长率约为40%,到2030年市场规模将接近2万亿美元。AMD的战略核心围绕三大优先事项展开：第一，追求计算领导力，打造行业内最全面的计算引擎组合，为不同工作负载提供最优解决方案；第二，聚焦开放平台，通过在硬件标准和软件层面保持开放，大力投入ROCm软件研发，与各方共建开放生态系统以形成合力：第三，推动AI无处不在，覆盖从数据中心到企业、个人电脑及边缘端的全系列产品。在数据中心市场，AMDEPYC处理器已取得显著进展，上季度在服务器市场的营收份额达到创纪录的46%,超过60%的《财富》100强企业正在使用。同时，InstinctGPU的采用率也在加速，客户涵盖顶级AI实验室、云服务商、AI初创企业及主权AI项目。 为应对前沿AI模型对基础设施提出的更高要求，AMD推出了怎样的系统级解决方案，其具体构成和设计理念是什么? 为满足大规模训练和运行全球最复杂前沿模型的需求，AMD推出了Helios,一款高性能AI机柜。其设计理念是将整个机柜作为一个完整系统进行设计，集成了领先的CPU、GPU以及高速网络。Helios的核心组件包括：作为引擎的MI455GPU,这是业内性能最高的GPU;驱动其运行的Venice,这是全球最快的CPU核心；用于网络的Pensando DPU;以及通过领先的可编程性和横向扩展带宽实现连接的NIX芯片。这些组件被整合在易于部署、维护和高度可靠的系统中，旨在应对日益复杂的AI计算挑战。 HeliosAI机柜中的核心硬件模块，如增强加速模块和计算托盘，具体包含哪些技术规格和创新? Helios的核心硬件之一是增强加速模块，它将MI455加速器、内存、供电系统、高速接口、系统管理和液冷冷板整合为一个紧凑且易于维护的模块。该模块包含3,200亿个晶体管，采用台积电领先的2纳米和3纳米工艺制造，并通过3D芯片堆叠封装技术，将12个计算和IO小芯片与432GB内存连接。Helios的计算托盘则集成了高速96核EPYC处理器、DDR5内存以及为GPU提供数据所需的所有IO接口。网络方面，系统采用了Selena DPU和Volcano AI网卡，后者基于开放的超以太网标准，每个计算托盘包含两块Volcano板卡，以实现网络的横向和纵向扩展。 与市场上的竞品相比，HeliosAl机柜在性能上有哪些具体的量化优势? 相较于竞争对手的产品，Helios AI机柜在多个关键性能指标上具备显著优势。具体而言，其算力高出15%,HBM4内存的容量和带宽均高出50%,同时横向扩展带宽也高出50%。此外，Helios机柜通过UALink以太网连接75个GPU,并采用了来自合作伙伴的芯片，体现了其开放生态系统的设计理念。 Helios系统的具体技术规格、量产与交付时间表是怎样的? Helios系统在单个机柜内集成了超过18,000个CDNA5GPU计算单元、4,600多个Zen6CPU核心以及31TB的HBM4内存。该产品已全面投产，预计将于2026年第三季度末开始发货，并在第四季度逐步提升产能。 Anthropic在算力战略上有何考量?为何选择部署高达2吉瓦的Helios算力? Anthropic的算力战略致力于确保拥有多样化的芯片组合，并为不同类型的工作负载匹配最优化的芯片。选择Helios的关键原因在于其出色的性能表现和高效的部署流程。在评估过程中，Anthropic仅用一名工程师，借助Claude AI的协助，在一个周末内就完成了MI355整机架设备的启动、连接及核心模型的性能测试，并获得了持续攀升的性能曲线。 Claude模型在AMD架构上的应用，以及在高度工程化的特定工作负载中，展现了怎样的演进趋势? Claude模型在AMD的开放平台上展现了其在软件工程方面的核心优势，并正将其能力扩展到芯片设计布局等相关领域。在软件层面，Claude在内核开发方面表现出色。通过让Claude这类基础模型深入理解AMD架构，能够更好地服务整个市场，并有望通过合作使下一代芯片变得更出色。 从行业发展角度看，Anthropic认为最值得期待的方向是什么?未来与AMD的合作重点将聚焦于哪些领域? 行业最值得期待的方向是持续扩大合作规模，通过投入更优质的算力来构建更出色的模型，从而为下游用户创造更多价值。未来的合作重点将聚焦于安全领域，随着系统复杂度的提升，双方可以在芯片、服务器、机架乃至整个网络层面协同构建安全体系，以保障自身及全行业的安全。 相较于上一代产品，MI455和Helios系统在推理性能和成本效益方面实现了多大程度的提升? 在推理性能方面，以DeepSeq v4 Flash模型为例，MI455在低并发场景下的吞吐量是MI355的4倍；在最高并发场景下，Helios系统的吞吐量较上一代产品提升了34倍。在成本效益方面，MI455芯片每美元可处理的token数量提升了18倍。 在同等机架功率下，Helios系统与竞品相比有何性能和成本优势? 在固定的机架功率下，Helios系统在处理高吞吐量工作负载、高交互性应用以及所有主流推理任务时，其性能平均比竞品高出10%至15%。这一性能优势转化为成本优势，使得Helios机柜每美元产出的token数量比竞品高出30%。 OpenAI如何看待当前AI模型的发展趋势?这对算力提出了怎样的要求? AI模型正按照从聊天机器人、推理工具、智能代理到“数字实习生”的路径演进。模型的能力正大幅提升，变得更具自主性，能够处理长周期任务。这一趋势要求算力规模持续扩大，因为更多的算力投入能够催生更多新能力，同时全球用户对AI应用的需求也日益旺盛。企业内部，例如在OpenAI,智能体已开始应用于各个业务环节，这需要一个能够跟上模型快速迭代和全球应用普及速度的计算平台。 OpenAI与AMD的合作历程如何?对于Helios系统的部署有何具体规划? 双方的合作始于MI300系列，并迅速扩展至MI355系列。OpenAI是首批部署MI300X机架的企业之一，并于三个月前(约2026年4月)获得了Helios机架。目前，双方工程师正紧密协作，优化软件栈并在Helios上运行GPT级别的工作负载。OpenAI预计将从2026年年底开始大规模部署Helios系统，并在2027年全年加速推进。 在AI赋能芯片与软件开发方面，OpenAI与AMD的合作取得了哪些进展，其长期价值体现在何处? 双方合作的成果表明，AI已展现出自动化完成AMDGPU编程中大部分工作的潜力，并在生产环境中得到验证。这能够大幅缩短新模型从开发到高效生产部署的路径，并轻松适配不断变化的工作负载需求。由于AMD基于开放的软件生态，OpenAI内部为自用而研发的技术未来能够开放给全球用户，支持各类AI模型，从而推动整个生态系统的进步。 下一代AI基础设施需要具备哪些核心要素?AMD作为关键合作伙伴，如何助力客户实现这一目标? AI基础设施是一个数据中心规模的系统性问题，而不仅是机架级问题。整个数据中心就是一个系统，必须基于对现有工作负载和未来趋势的理解进行设计。这要求从CPU、GPU到内存、网络、存储，乃至数据中心的配电和冷却系统等所有环节进行协同设计。与AMD的合作富有成效，我们能够分享关于工作负载需求和模型发展方向的洞察，而AMD团队则能迅速将这些洞见转化为更优的芯片、系统和软件。这一合作模式在MI400上已取得显著成效，大幅前置了快速上线所需的工程工作，因此我们对快速实现系统量产充满信心，并期望在MI500及后续产品中加速这一进程，未来将更多地借助AI来完成相关设计工作，以摆脱人力限制。 AMDEPYC服务器CPU产品线的演进逻辑是怎样的?最新发布的第六代EPYC处理器“Venice”系列在AI时代有何战略定位和性能表现? EPYC系列自2017年推出以来，始终致力于在每一代产品中为更广泛的工作负载提供更高的性能、效率和能力。从第一代Naples奠定基础，到Rome和Milan改变数据中心经济模型，再到Genoa提升性能，以及第五代Turin在密度、吞吐量和总拥有成本上树立新标杆，EPYC的成功模式在于清晰的路线图、始终如一的执行力以及每一代产品都在强化的领先地位。当前，自适应AI正在催生新的基础设施类别，服务器计算正分化为三类不同的工作负载： 1.GPU服务器：CPU的核心作用是驱动GPU,关键在于高频率核心和最快I/0,确保GPU持续获得充足数据。2.代理服务器(代理沙箱):这是增长最快的新兴工作负载，核心需求是密度，即每瓦性能最高的计算核心，以支持同时运行数千个代理。3.传统通用服务器：处理企业多样化工作负载，如应用程序、数据库和数据服务，核心在于效率。 EPYC是唯一能在这三类场景中均保持领先的CPU产品组合。最新发布的第六代EPYC处理器“Venice