芝能智芯出品2026 年 7 月 23 日，旧金山 Moscone Center。苏姿丰走上台，"这是我们规模最大的一场发布会，因为有太多东西要告诉你们。"
接下来两个小时里，AMD 连续发布了 Helios 机架级 AI 平台、MI455X GPU、Venice CPU、ROCm.AI 软件栈、Gorgon Halo 本地 AI 平台、Kria 物理 AI 开发套件。
AMD也是从芯片、机架、网络、软件、终端和机器人，到 2030 年，AI 加速器市场规模将达到约 1.4 万亿美元。
未来五年，AI 算力会再造一个半导体产业。面对这块蛋糕，AMD 的选择和英伟达相似，改成整架整架地交付。
Part 1
AMD 给 Helios 的定义是全球性能最高的机架级 AI 基础设施。
一个 Helios 机架包含 72 张 Instinct MI455X GPU 和 18 张 Venice CPU，通过 Pensando 的 Vulcano AI NIC 和 Salina DPU 连成一体。
整架提供：
◎ 18000 个 CDNA 5 GPU 计算单元
◎ 4600 个 Zen 6 CPU 核心
◎ 31TB HBM4 显存，1.7PB/s 带宽
◎ 2.9 EFLOPS FP4 峰值算力
◎ 260TB/s 纵向扩展带宽，43TB/s 横向扩展带宽
普通数据中心里，GPU 之间靠网络通信；Helios 里，72 张 GPU 被设计成可以像一个统一资源池那样运行，大模型训练或长上下文推理时，数据不用频繁进出机架，内存和计算之间的物理距离被压到最小。
AMD 把 Helios 和 NVIDIA Vera Rubin NVL72 直接对比：AI 算力高出 15%，HBM 容量高出 50%，横向扩展带宽高出 50%。跑 Kimi K2 Thinking 模型时，Helios 的吞吐量比 Vera Rubin 方案高出 10% 到 15%。
成本是杀手锏，AMD 称 Helios 每美元能多产出最多 30% 的 Token。
AMD 并没有把它当成单一整机产品销售，它选择与 OEM、ODM、云厂商合作，确保所有组成部件都能确定性地交付给最终用户。
OpenAI、Anthropic、Meta、微软、Oracle 都已经选用 Helios 参考设计，其中三家顶尖大模型公司承诺以吉瓦级规模部署。一家大型 AI 公司的训练集群通常以几十兆瓦到几百兆瓦计。
Helios 的核心是 MI455X。
这是全球首款采用 2nm 工艺的 GPU，基于 AMD CDNA 5 架构，拥有 3200 亿颗晶体管，最高配备 432GB HBM4 显存，理论显存带宽达到 23.3TB/s。
MI455X 重新组织了计算单元。
AMD Instinct GPU 以 Compute Unit（CU）为基本单位，MI400 系列改为以 Workgroup Processor（WGP）为核心。
每个 Shader Engine 物理实现 17 个 WGP，启用 16 个，留一个提高制造良率。这个变化看起来是命名调整，实际影响的是指令调度和执行效率。
MI455X也重新划分了 chiplet 之间的功能。
MI455X 把 L2 缓存移到独立的 Fabric and Cache Die（FCD）上，FCD 位于计算 die（XCD）下方，构成 3D 堆叠。
每个 FCD 包含一个 96MB L2，对应 6 组 HBM4 接口，连接 8 个 Shader Engine。整颗 GPU 有两个 FCD，通过中央 Infinity Fabric 连接。
这和 MI300/MI350 系列最大的不同是，MI455X 改为多个计算 chiplet 共享更大的全局 L2。
两个 L2 各自缓存整个 GPU 地址空间的数据，由 Infinity Fabric 保持一致性。全局原子操作被重新放回 L2 执行，吞吐明显高于上一代。
MI355X 取消了独立的 Infinity Cache 层，在显存和 L2 之间设置了 Infinity Cache，MI455X 把容量和带宽集中到更大的全局 L2 上。
单个 FCD 上的 L2 带宽就达到 MI355X 整体 Infinity Cache 聚合带宽的 1.5 倍，两个合计达到 3 倍。从 L2 到 WGP 的有效张量带宽最高放大到 4 倍。
封装层面，MI455X 也有变化。
它采用台积电 CoWoS-L 2.5D 封装，在有机基板中嵌入局部硅桥，取代了 MI300/MI350 使用的基于大型硅中介层的 CoWoS-S。
XCD 与 FCD 之间通过 3D 混合键合堆叠成 SoIC 模块，HBM4 和 I/O Die 再通过 CoWoS-L 与这些模块互连。
这种组合让 AMD 可以针对不同连接需求选择不同互连方式：
◎ XCD 与 L2 之间需要极高带宽和极低延迟，用 3D；
◎ 对延迟容忍度更高的连接，用 2.5D。
跑 DeepSeek-V4 Flash 模型时，MI455X 的 Token 吞吐量最高可达 MI355X 的 34 倍，每百万 Token 成本最高降至原来的 1/18。FP4 峰值算力达到 40 PFLOPS，是上一代的 4 倍。
Part 2
过去几年，AI 数据中心的主角一直是 GPU。CPU 被很多人当成"配角"，只负责系统编排和喂数据。随着推理成为主线，CPU 的价值会被重新放大。
当大模型被拆成前端模型和后端模型、当智能体需要大量 CPU 沙箱来运行、当企业想把一部分推理留在本地时，CPU 的核数、内存带宽、I/O 能力和每瓦性能都会直接影响总成本。
Venice 是 AMD 首款 2nm 服务器 CPU，基于 Zen 6 架构。它分四个子系列：
◎ Venice SP7：最高 256 核/512 线程，面向最高性能和大规模应用
◎ Venice SP8：8 到 128 核，平衡性能与系统成本
◎ Venice-X：最多 96 核，带 1152MB 3D V-Cache，面向 AI 预处理和 HPC
◎ Verano：最多 72 核，LPDDR5x 内存，增强版 xGMI，面向机架级效率
SP7 的最大亮点是 1.6TB/s 内存带宽、64GT/s PCIe 6.0，以及 96 个 5.0GHz 高频核心。AMD 把它和 NVIDIA Vera CPU 直接对比：吞吐性能达到 Vera 的 2.2 倍，开箱状态下每核心性能领先 20%。
这里有一个细节值得注意。AMD 说自己是"用相同编译器，复现了英伟达白皮书中公布的 Vera CPU 各项条件"后得出的结论。这个表述是在强调对比的公平性，也是在暗示：即使按对手最有利的测试条件，Venice 仍然有优势。
更实际的是替换比例。AMD 给了一个案例：一个使用了五年的老旧数据中心，如果有大约 1000 颗英特尔至强处理器，只需 82 张 Venice 就能完成替代，替换比例约为 12:1。由此可减少 77% 功耗、92% 的服务器数量、40% 的五年 TCO。
这个案例的潜台词是：Venice 不仅在 AI 场景里有竞争力，在传统企业级和 HPC 场景里也是一次代际跃迁。AMD 服务器 CPU 的市场份额从 2017 年的约 0.2% 上升到如今的 46%，Venice 的任务是把这一势头延续下去。
苏姿丰在发布会上多次提到"智能体 CPU"这个概念。
它的含义是：未来数据中心里会有大量轻量级智能体并行运行，它们不一定都需要 GPU，但对 CPU 的密度、隔离性、内存带宽和能效有很高要求。Venice 的四个子系列，实际上就是在为这种场景做准备。
如果说硬件是 AMD 的肌肉，那软件就是它长期被质疑的软肋。
过去几年，"买 AMD 卡，软件生态不如 CUDA"几乎是行业共识。ROCm 的发布节奏从过去每 4 到 6 个月一次，加快到大约每 6 周一次。
过去一年，外部开发者对 ROCm 开源软件栈的贡献增长了 10 倍以上。ROCm 目前已支持 Hugging Face 上超过 300 万个模型，并且能在新开源模型发布首日提供支持。
AMD 推出了 ROCm.AI，一个 AI 驱动的开发平台，分为四层：
◎ Skills 层：面向 Claude Code、Codex、Cursor 等编程智能体
◎ HyperLoom 层：端到端 AI 工作负载优化
◎ 框架集成层：PyTorch、vLLM、SGLang、JAX 等
◎ 核心 SDK：库、编译器、运行时
HyperLoom 是这次的重点。
它是一个智能体工作流，可以运行并分析模型，对性能进行剖析，定位通信、GEMM 或其他内核中的瓶颈，自动融合相邻内核，重新测试并迭代。
发布会上有一个很具体的演示，输入"用 HyperLoom 优化 MiniMax M3 推理"，系统自动运行模型得到基线，然后发现某个 GEMM 需要调优，调优后又发现需要生成带 memory swizzle 的内核，最后用 Triton 自动生成。
一次点击，性能提升 38.3%。DeepSeek-V4 Pro，AMD 从 4 月获得 Day-0 支持，到 7 月，在相同硬件、相同模型上仅通过软件优化就取得了约 5.3 倍的性能提升。
AMD 用智能体来加速软件优化，让智能体来做，可以在几天甚至几小时内完成过去需要数周的工作。ROCm.AI 计划今年 8 月可用。
如果它真能做到发布会上演示的效果，AMD 的软件生态将从"追赶 CUDA"变成"用不同的方式解决优化问题"。
这对企业客户来说，是采购决策里非常关键的一块拼图。
Part 3
数据中心非常重要，AMD 还在两条战线上扩展，本地 AI 和物理 AI。
本地 AI 的代表是 Gorgon Halo，也就是 Ryzen AI Max PRO 400 系列的高端升级版。
它把统一内存从 128GB 提高到 192GB，本地可运行模型的上限从约 2000 亿参数提高到约 3000 亿参数。每台 Ryzen AI Halo 开发者平台将附赠一年 Hugging Face Pro 订阅，鼓励开发者使用 AMD 平台。
开发者可以在本地完成模型微调、功能开发和多智能体工作流验证，然后用同一套 ROCm 软件栈无缝迁移到数据中心产品。
对个人开发者和小团队来说，这种一致性很重要。
AMD 发布了 Ryzen AI Embedded X100 系列处理器、Kira AI 机器人开发者平台、Kria AI 系统模块和 Kria AI 机器人开发者平台。
X100 有 16 核 Zen 5 CPU、RDNA 3.5 iGPU 和 XDNA 2 NPU；Kria SOM 是一块预集成高速接口和基础计算模块的板卡，可插入客户设计的载板。
◎ Kira AI：机器人的"大脑"，负责高级感知和推理
◎ Versal AI Edge：机器人的"脊柱"，负责高速数据与自适应计算
◎ Zynq UltraScale+：机器人的"关节"和实时控制
◎ Spartan UltraScale+：传感器连接与底层接口
这套组合和数据中心产品共享同一个 ROCm 软件栈。
开发者可以在云端用 Instinct GPU 训练基础机器人模型，再部署到 Ryzen AI Embedded X100 和 Kria 套件上。
AMD 还在开放载板原理图、BOM 和 FPGA RTL，让客户能根据具体应用修改设计。AMD 想覆盖从训练到部署、从数据中心到机器人、从云端到终端的完整链条。
小结
GPU 方面，MI455X 今年发布，MI500 明年到来，MI600 2028 年推出，之后每年一代。
CPU 方面，Venice 已量产，Verano 明年进入下一代机架，Florence 2028 年出货，Ravenna 2030 年开发中。
机架方面，Helios 今年量产，Helios 500 明年问世，Helios 600 计划 2028 年出货。
OpenAI、Anthropic、Meta 三家顶尖大模型公司同时选择 Helios，在这场发布会上，字节、腾讯、阿里、月之暗面、MiniMax、DeepSeek、Kimi、Xiaomi MiMo、GLM、Qwen 等名字反复出现。
