AMD2026年AdvancingAI人工智能大会20260723

AMDAI战略深度解析：智能体驱动算力拐点与Helios系统级创新 摘要 ·AI推理算力需求爆发，预计2026年占比达60%超过训练算力，驱动行业重心从模型构建转向应用部署。·智能体AI(AgentAI)加速普及，带动计算需求阶跃式增长，预计2030年AI加速器市场规模达1.4万亿美元。●AMD发布Helios AI机柜，集成MI455GPU与Venice CPU,计算能力比竞品高15%,HBM4带宽领先50%。●第五代EPYCTurin处理器核心数达192个，营收份额创46%新高；下一代Venice系列性能代际提升达1.8倍。·AMD坚持开放软件生态，ROCm更新周期缩短至6周，通过AI自动化编程显著降低GPU内核优化门槛。●OpenAI、Meta等头部客户深度参与MI450/Helios协同设计，预计2026年底开始大规模部署。·MI430X瞄准HPC与科学计算，FP64性能达竞品9倍，已获美欧主权级超算中心订单，预计2027H1出货。 Q&A AMD如何看待当前人工智能行业的发展趋势与市场规模的演变? 人工智能被视为过去50年最重要的技术，其发展速度惊人，几乎每隔数月就有重大突破，并已在医疗、科研等多个行业产生深远影响。目前，行业仍处于发展的极早期阶段。从数据上看，AI的增长节奏显著加速，每月消耗的tokens已超过35千万亿个，相较于两年前增长了近160倍，且增长曲线持续陡峭。市场需求方面，模型训练依然是基础，其算力需求在过去四五年间每年约提升5倍。然而，更大的转变发生在推理环节。预计到2026年，全球用于模型运行的AI推理算力将首次超过训练算力，占比达到约60%。这一转变的核心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(AgentAl)的兴起对计算需求和相关硬件市场产生了哪些具体影响? 智能体AI被认为是人工智能发展的下一个重要里程碑，其趋势在2026年过去的五六个月间开始真正加速。与早期大语言模型擅长回答问题不同，智能体旨在解决完整问题，用户设定目标后，它会持续工作直至问题解决。这一模式对计算需求产生了阶跃式的影响。一个智能体任务通常包含数十个步骤，涉及推理、调用工具、访问数据等循环过程，这需要大量GPU处理推理任务，同时更需要大量CPU来协调每一步操作。受此驱动，AI加速器市场增长显著。基于当前观察，预计到2030年，AI加速器市场规模将达到约1.4万亿美元，接近当前整个半导体市场的体量。尽管加速器类型会多样化，但鉴于算法尚处早期且工作负载持续变化，可编程性强的GPU预计将占据市场绝大部分份额。同时，与框架无关的AI也为服务器CPU创造了新的增长动力。智能体AI的采用速度远超预期，其数量正从数百万级向数十亿级增长，这将极大提升生产力，并需要大量CPU基础设施作为支撑。基于此，预计到2030年，服务器CPU市场规模将增长超过50%,从250亿美元的市场规模突破至2000亿美元以上。 面对人工智能带来的市场机遇，AMD的整体市场定位、战略重点以及对未来市场规模的预测是怎样的? AMD的定位是不仅关注数据中心，也致力于将智能直接部署在工作发生的地方，包括云服务、日常使用的设备以及边缘端的自主机器，实现AI在所有场景的融入。综合来看，预计到2030年，高性能及自适应计算产品的市场规模将接近2万亿美元，复合年增长率约为40%。服务如此庞大的市场需要整个生态系统的共同合作。AMD的多年战略围绕三个优先事项构建： 1.计算领导力：打造行业内最广泛的计算引擎组合，为不同工作负载匹配最合适的计算能力。2.开放平台：坚信开放生态系统对AI的未来至关重要，致力于通过硬件标准开放和对ROCm软件的投入，汇聚各方力量实现乘数效应，帮助客户更快地在AMD硬件上部署应用。3.AI全面赋能：为全产品线增添新功能，涵盖企业级AI、PC端AI及物理世界AI。 AMD在数据中心市场的业务进展如何，特别是在服务器CPU和GPU加速卡方面取得了哪些成绩? 在数据中心市场，AMDEPYC处理器正运行着全球最重要的工作负载，为全球最大的云服务商、数十亿用户日常使用的数字平台以及超过60%的《财富》100强企业提供算力支持。其增长势头持续，上一季度(2026Q2)在服务器市场的营收份额达到了创纪录的46%,各大客户正将更多工作负载迁移至EPYC平台。在GPU业务方面，Instinct加速卡的采用率也在提升，客户覆盖了顶尖AI实验室、云 服务商、头部AI初创企业，部分国家实验室及主权AI项目也基于AMD Instinct构建。 针对前沿AI技术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，其具体构成和性能优势是什么? 为满足前沿AI技术对基础设施的复杂需求，AMD推出了Helios,一款旨在规模化训练和运行全球最复杂前沿模型的AI机柜。Helios将整个机柜作为一个系统来设计，集成了顶尖的CPU、GPU以及高速网络。Helios的核心组件包括： 1.MI455GPU:作为核心引擎，是行业性能最高的GPU。2.Venice CPU:采用全球最快的CPU核心。3.PandoDPU和Nix:通过领先的可编程性和可扩展带宽，实现机柜内部和数据中心之间的设备连接。 与竞品相比，Helios的计算能力高出15%,HBM4内存容量和带宽高出50%,横向扩展带宽也高出50%。这意味着每台Helios能为大型模型提供更强性能，支持更长上下文，并具备跨数千机架扩展的带宽能力。 能否详细介绍HeliosAI机柜中关键硬件模块的具体规格和技术特点? HeliosAI机柜由多个高度集成的硬件模块构成： 1.MI455加速器模块：该模块集成了GPU、432GB内存、电源传输、高速接口、系统管理和液冷冷板。其核心是集成了3,200亿个晶体管的MI455芯片，采用台积电2纳米和3纳米制程技术，并通过3D芯片堆叠封装技术将12个计算与I/0小芯片结合。2.CPU板卡：搭载一款高速96核EPYC处理器，配备DDR5内存，并集成了GPU所需的全部I/0接口。3.SelinaDPU:作为网络基础设施的关键部分，支持前端应用、横向扩展和跨节点扩展，全面提升带宽。4.Volcano AI节点：采用开放的超以太网标准，一块主板上最多可部署6个Volcano节点。每个Helios计算托盘包含两块Volcano主板，以实现横向和纵向的网络扩展。5.专用网络托盘：机柜内配备6个专用网络托盘，通过以太网UAI链路将75个GPU连接在一起，用于处理纵向扩展网络。 Anthropic在过去几年取得了显著成就，Claude模型对行业产生了重大影响。能否介绍一下贵公司的算力战略及其演变过程? 整个行业的增长规模非常庞大，我们一直致力于确保拥有最优质的资源。策略的核心是为最合适的工作负载匹配最优的芯片。 Anthropic近期宣布将部署高达2吉瓦的Helios算力，请问选择当前时点进行部署的主要原因是什么? Helios是一款性能卓越的设备。我们最初认为引入新硬件平台需要投入大量精力，但实际评估MI355的过程远超预期。我们仅安排一名工程师负责，他利用Claude启动并运行设备，整个周末都未间断。最终，我们获得了核心模型在该设备上性能持续攀升的图表。这证明了AMD所构建的开放平台非常高效，无论是人类还是AI,都能够在其上构建真正的模型。 Claude的核心优势之一是软件工程，您如何看待其在芯片设计布局等高度工程化的特定工作负载中的发展潜力，以及这对AMD的价值? 这正是一个绝佳的合作领域。Claude的核心优势在于软件工程，并且我们正越来越多地看到它能够助力于芯片设计布局这类工作。虽然这并非传统软件工程，但两者高度相关。我们相信，通过双方携手合作，能够让下一代芯片变得更加出色。 展望未来，您对AI行业最感到兴奋的是什么?以及贵公司与AMD如何深化合作以抓住未来的关键机遇? 最令人兴奋的是携手推进规模化发展。我们持续观察到，使用更优质的算力能够带来更出色的模型，从而为所有用户创造更多价值。此外，随着机器日益复杂，安全问题也愈发凸显。我们正在加大对AMD的投入，并将持续聚焦安全领域。通过在芯片、服务器、机架乃至整个网络层面构建安全防护，不仅能保障我们自身，也能保障整个行业的安全。 在最新的推理模型DeepseekV4Flash上，MI455与Helios平台相较于上一代产品Ml355,在性能和吞吐量方面具体有哪些提升? 每一代产品都力求实现性能的巨大飞跃。在低并发场景下，MI455的吞吐量是MI355的4倍。对于大型用户更关注的高并发场景，Helios的吞吐量较上一代提升了34倍，这意味着可以支持更多用户、实现更快的响应速度和更出色的规模化效率。同时，MI455实现了每美元处理token数量提升18倍，让客户能以同样的投资服务更多用户。 在数据中心电力供应成为主要瓶颈的背景下，Helios机柜与竞品相比，在固定功率下的性能和成本效益表现如何? 在固定的机柜功率条件下，针对高吞吐量、高交互性及主流推理等各类工作负载的全面测试显示，Helios的平均性能比竞品高出10%至15%。这得益于系统层面的整体优化。对客户而言，Helios机柜不仅性能更强，其每美元可处理的token数量也比竞品高出30%,展现了极具竞争力的整体价值主张。 随着AI模型从聊天机器人向具备推理能力的智能体演进，您如何看待当前AI领域的算力需求和发展趋势? 我们一直预测模型会持续演进，从聊天机器人发展为具备推理能力的系统，再到智能体，甚至成为“实习生”。模型的智能体属性越来越强，能够处理超长时间的任务并自主完成。这意味着我们需要持续扩大算力规模，因为更大的算力通过训练能涌现出更多能力。我们观察到token使用量激增，例如在OpenAI内部，不仅是工程部门，企业各个环节都开始在工作中使用智能体。因此，行业需要能够跟上模型能力快速扩展和全球AI应用迅速普及的计算平台。 OpenAI作为最早采用M1455机架的客户之一，能否分享一下与AMD的合作历程以及部署Helios的进展和计划? 这是一段非常出色的合作。我们很早就决定押注AMD,并对结果非常满意。合作从MI300开始，很快扩展到MI355,我们的团队成功优化了软件栈、网络等环节，并在AMD基础设施上部署了模型。三个月前，我们开始接触Helios机架，工程师们正与AMD团队并肩优化软件栈，以在Helios上运行GPT级别的工作负载。我们对Helios已展现的能力感到兴奋，预计将于2026年年底开始大规模部署，并在2027年加速推进。 AI在递归改进其自身运行系统方面展现了巨大潜力，能否具体谈谈OpenAl与AMD在利用AI自动化GPU编程、优化内核等方面的研究合作? AI能够递归地改进其运行所需的系统，这是我们的一项核心赌注。目前，专业工程师需要花费大量时间优化内核、适配硬件、处理编译器和库系统配置等问题。我们与AMD的合作令人鼓舞，AI已在生产环境中证明，它能自动化AMDGPU编程过程中的大部分工作。这大幅缩短了从新模型诞生到高效生产部署的周期，也使我们能更轻松地适应不断变化的工作负载需求。此外，由于AMD构建于开放软件生态之上，我们内部为自用而研发的技术，未来也有可能推广至全球，服务于所有AI模型，而不仅限于我们自己的模型。 下一代AI基础设施需要具备哪些关键要素，以及双方的合作将如何支持这些目标的实现? 整个行业正在意识到AI是一个数据中心规模的系统性问题，而不仅仅是机架级问题。整个数据中心就是一个系统，其未来设计必须从整体出发。基于对自身工作负载及未来趋势的理解，需要进行协同设计，涵盖从CPU、GPU到内存、网络、存储，乃至数据中心的配电和冷却系统，所有这些元素都相互关联，必须协同设计。双方的合作富有成效，能够为未来工作负载需求的变化提供洞见，例如模型的表现、团队的响应速度，以及如何将这些洞见转化为更出色的芯片、系统和软件。以MI4 runner的合作为例，大