AMD开始为机器人造大脑了

和几年前只是围绕着大模型和训练市场展开激烈竞争不一样，这些年的人工智能逐渐进入了应用萌芽阶段。尤其是在OpenClaw一夜爆红以后，AI吹响了应用落地的号角。在此期间，一类被称为Physical AI的应用迅速崛起。

所谓Physical AI，是指能够感知物理世界、进行推理并在其中采取行动的人工智能系统。这些系统嵌入在各种机器中——例如车辆、机器人、无人机、医疗设备或基础设施——并在物理定律、延迟、安全性和成本等现实世界的约束下运行。

正因拥有如此广阔的应用机会，AMD高管在日前举办的年度 AAI（AMD Advancing AI）开发者大会上预估，到2035年，Physical AI的市场规模将高达2000亿美元。作为一个在算力领域拥有深厚积累的企业，AMD也大力投身其中。

“公司将目光投向Physical AI领域，推出了一款嵌入式处理器系列，该系列将 CPU、GPU 和 NPU 加速集成到单个系统芯片 (SoC) 中，可为机器人、工业自动化以及 AMD 所称的‘嵌入式智能系统’提供动力，这些系统广泛应用于医疗保健等领域。 ”AMD董事会主席及首席执行官CEO苏姿丰（Lisa Su）博士在AAI演讲中明确表示。

如上图所示，AMD在此前已经发布了P100系列产品。在本届的AAI上，AMD 进一步带来了Ryzen AI Embedded X100 （锐龙 AI 嵌入式 X100）系列，为Physical AI提供强力赋能。

在AMD看来，嵌入式系统被要求在本地执行更多任务——需要采集和处理传感器数据、渲染丰富的显示内容、运行人工智能辅助分析并支持软件定义功能，而这一切通常都需要在严格的功耗、散热和空间限制内完成。

为了实现上述目标，一方面要求芯片开发者提升芯片中的计算能力、图形处理能力或人工智能水平；另一方面，开发者还要具备将这些功能整合到高性能芯片中的能力，从而在满足高负载工作的同时，还能为下一个软件版本、下一个型号更新以及下一代客户需求预留足够的余量。

正是看到了上述挑战，Lisa Su在年初的CES大会上直言：“Physical AI是技术领域最严峻的挑战之一。要实现这种智能，需要采用全栈式方法。”

基于这些简介，AMD正是发布了锐龙 AI 嵌入式 X100 系列处理器——一个结合了高性能 CPU 内核、独立级集成 GPU、NPU 加速和统一内存的高性能 x86 嵌入式 APU 平台，以满足苛刻的边缘工作负载需求。

熟悉AMD的读者都知道，自20年前收购ATI以来，他们一直有在单个封装中同时实现 CPU 和 GPU 性能的梦想。这在近年来的体现就是代号为Strix Halo的PC芯片Ryzen AI Max+395。在去年介绍这款产品的时候，AMD 就表示，作为一款专为应对对内存空间和 AI 计算能力要求极高的 GenAI 工作负载而设计的芯片，Strix Halo在内存容量和生成式 AI 能力方面为 APU 树立了新的标杆。

站在这个成功经验之上，如上所述，AMD带来了专为全天候运行而设计，在机器人等嵌入式应用中拥有长达10年生命周期的锐龙 AI 嵌入式 X100 系列处理器。

按照AMD所说，这种异构集成的每个计算引擎都具备卓越的独立性能：CPU 性能对编排、中间件、网络、存储和应用程序代码至关重要；GPU 性能对可视化、图形、视频、人工智能和 DSP 计算至关重要；NPU 性能有助于支持边缘端的高效推理。更重要的是，众所周知，内存架构决定了数据在处理阶段之间的传输效率，直接影响系统延迟和吞吐量。通过采用统一的零拷贝内存架构，AMD这系列处理器加速了实际工作负载，从而提高了确定性并降低了延迟。

据介绍，该系列处理器共有三款SKU，其中，高端的 X199 配备 16 个 Zen 5 核心和 40 个 RDNA 3.5 CU；X188 则配备 12 个核心和 32 个 CU，而 X168 则配备 8 个核心和同样的 32 个 CU。AMD 表示，这些处理器最高睿频可达 5.1 GHz，并支持 128 GB 的统一显存。此外，它们还包含一个最高 50 TOPS 的 XDNA 2 NPU，TDP 可在 45W 至 120W 之间配置，工作温度范围为 -40 摄氏度至 105 摄氏度。

得益于这些领先配置，与AMD锐龙AI Max+ 395相比，X100 系列处理器在 CPU、图形和 AI 工作负载方面均展现出领先的计算能力。据AMD预计，其多线程 CPU 性能（CoreMark®）最高可提升 2.1 倍，实现大规模并发；图形性能（OpenGL®）最高可提升 1.7 倍，带来更沉浸式的体验；令牌生成吞吐量最高可提升 3.5 倍，首次Token生成时间 (TTFT：time-to-first-token)最高可提升 1.4 倍。

在这些性能支持下，AMD 锐龙 AI 嵌入式 X100能为机器人、工业自动化和医疗保健等应用提供可靠的保障。

对于任何一个产品而言，拥有了硬件只是开始。如果要快速打造出一个能够被真正用起来的产品，开发平台，软件和生态缺一不可。这也正是AMD除了芯片本身，在在AAI 2026上还基于X100系列提供了Kria AI系统模块 (SOM：System on module) 的原因。

据介绍，Kria AIX100 主板尺寸为 120mm x 120mm，符合 COM-HPC 标准外形尺寸。Kria AI SOM 专为计算密集型物理 AI 应用（例如机器人和自主机器）而构建，能够同时支持多达 234 个智能体、以每秒 8,000 次的速度做出决策，同时还能实现低于 100 毫秒的视觉-语言-动作 (VLA) AI 推理。

而通过将 AMD Kria AI 系统模块 (SOM) 与包含 FPGA 和众多传感器及通信接口的载卡相结合，AMD推出了AMD Kria AI 机器人开发者平台。AMD表示，这是业界首个面向自主机器人的开放式、完全集成平台。它涵盖了从工厂机器人和自主移动机器人 (AMR) 到移动机械臂和人形机器人的整个机器人开发流程。这个可扩展的开发平台能够帮助开发者在几天内将设计从概念转化为原型。值得一提的是，该平台由基于 AMD ROCm™ 软件和行业标准 ROS2 框架构建的 AMD 机器人软件套件提供支持。

对于这两款产品的推出，AMD嵌入式业务高级副总裁兼总经理Salil Raje回顾道，数十年来，AMD 自适应计算技术一直为工业和手术机器人的核心——传感、安全和实时控制系统提供动力。如今，AMD正通过 AMD Kria AI SOM 和机器人开发者平台，将这一领先优势从机器人本体扩展到机器人大脑，助力客户构建更智能的物理 AI 系统，将 AI 感知、推理、自主决策和控制功能整合到首个开放式、交钥匙式的自主机器人集成平台上。

“该平台基于开放标准和开放软件生态系统构建，使客户能够灵活选择最适合其应用的模型、框架和技术，同时降低从开发到生产的复杂性。”Salil Raje接着说。

如AMD在官方博客中所说，机器人团队通常在 Linux、中间件、感知框架、GPU 内核、AI 模型、仿真工具和系统特定的控制代码等方面投入了大量软件资源。这就意味着开发和选择新的嵌入式架构时，必须既要尊重这些投入，又要为开发人员提供切实可行的提升性能和集成度的途径。

因为锐龙 AI 嵌入式 X100 系列处理器基于熟悉的 x86 开发环境和开放的软件生态系统构建，使其在实际应用中让开发者可以事半功倍。除此以外，AMD ROCm 软件还提供开源的 GPU 计算堆栈，而HIP 和 HIPIFY 则进一步帮助开发人员将基于 CUDA 的工作负载迁移到可移植的代码路径。

据AMD透露，在实际应用中，ROCm HIPIFY 在基础 GPU 工作负载中平均保留 83% 的 CUDA 代码，在计算密集型应用程序中保留 71%，在 AI/ML 工作负载中保留 72%，从而有助于减少重新开发的工作量，同时支持跨异构计算平台的可移植性。

与此同时，AMD还为该开发平台提供了基于AMD ROCm和ROS 2机器人框架构建配套了开源软件栈。这个专为端到端开发而优化的设计不但涵盖了如机器人核心SDK和物理AI SDK等产品，以及加速的ROS节点和MoveIt2支持等专用解决方案栈，还支持PyTorch、ONNX和TensorFlow等行业标准框架。

除此以外，AMD还推出了一个开放的生态系统——AMD机器人合作伙伴网络，将原始设计制造商 (ODM)、独立软件供应商 (ISV)、仿真提供商、传感器和感知公司、安全和基准测试合作伙伴以及系统集成商连接起来，旨在帮助客户简化开发流程，在部署前验证系统，降低集成复杂性，并加快从原型到生产的进程，而无需依赖专有运行时或封闭的开发环境。

人工智能正在迎来新的发展阶段。从数字世界走向物理世界，AI 的竞争也将从单纯的模型能力比拼，转向计算架构、软硬件协同以及生态体系的综合较量。

未来，随着智能技术加速融入千行百业，计算将不再只是支撑 AI 运行的底层能力，而将成为连接数字世界与现实世界的重要基础。谁能够构建面向未来智能应用的核心能力，谁就将在下一轮Physical AI 产业竞争中占据主动。

拥有异构算力的AMD，无疑处于最佳位置。

点这里👆加关注，锁定更多原创内容

*免责声明：文章内容系作者个人观点，半导体芯闻转载仅为了传达一种不同的观点，不代表半导体芯闻对该观点赞同或支持，如果有任何异议，欢迎联系我们。