近年来，上游芯片厂商早已将自身芯片的研发方向与AI深度绑定。例如刚刚在AMD Advancing AI 2026大会上正式发布的代号“Venice”的第六代EPYC 9006系列服务器处理器，它不仅仅是EPYC产品线技术积累下的又一次更新换代，更标志着AMD将CPU战略定位从传统的云计算与企业级工作负载，拓展到了全新的以Agentic AI（智能体AI）基础设施为核心的新赛道。
除此之外，为了进一步构建更加完善的AI生态，AMD在本次大会期间还带来了全新的Instinct MI455X GPU、全新的ROCm开源软件栈策略，并且在AI终端计算设备、网络互联、物理AI等方面打造了一系列符合当前以及未来AI算力发展需求的基础设施，进一步巩固了AMD在AI领域的创新优势与算力优势。
本文将围绕AMD Advancing AI 2026大会发布的所有新产品、新技术、新动态进行全方位解读，看看AMD在AI领域的这些新动作到底会给业界带来怎样的助力？
·从聊天机器人到智能体AI，数据中心角色重新分工让第六代EPYC走向细分化
随着AI行业从ChatBot时代快速步入Agentic AI时代，曾经以“用户输入到模型推理再到AI给出回复”的简单链路式的、“会回答”式的AI应用方式，已经逐步被“会自主行动”的智能体AI应用所取代。
这种转变表面上看是AI应用方式的迭代，但从根本上来说，却对从数据中心架构重组到本地化终端的AI能力提出了更为严苛的挑战。为此，AMD首先将智能体AI时代的服务器角色划分为了三类：
其一是通用型CPU服务器，主要承担Web服务、缓存、应用与数据库等传统负载；
其二则是GPU服务器，扮演主机节点的角色，由强劲算力的CPU+GPU组成，专注于推理与生成；
其三则被称作为CPU"沙盒"服务器，这是一个相对新颖的定位，专门用于智能体的编排控制与工具执行（Agent Control PlaneTool Execution）。
这种划分的核心逻辑在于，智能体的普及并不会削弱CPU的重要性，反而会催生新的CPU算力需求。即无论是海量并发智能体的调度、沙盒隔离执行，还是GPU主机节点对数据吞吐效率的要求，都对CPU的核心数、内存带宽和I/O能力提出了更高标准。这意味着在智能体AI时代，CPU与GPU的重要性逐步从原先的不对等，趋向于1:1的对等需求。而这，正是AMD为"Venice"第六代EPYC处理器设计多种差异化细分型号的出发点。
五代积累与沉淀，EPYC的技术演进与市场验证
从2018年推出首代"Naples"芯片到如今2026年的新一代"Venice"“Verano”，AMD EPYC已经走过了五代技术路线。Naples是首个采用AMD Zen架构的数据中心服务器级别芯片，第二代Rome则致力于让线程密度翻倍，而从第三代Milan开始，EPYC的核心性能开始真正领跑行业，第四代Genoa则在其基础之上进一步优化设计点，以扩大领先地位，而到了上一代Turin，EPYC紧随时代脚步，实现了针对AI的优化。五代产品一步步走来，其技术路径清晰地反映出AMD在服务器CPU领域从追赶到并跑、再到领先的技术积累过程，同时向AI方向的转变也已经非常明确。
技术迭代之外，市场层面的验证同样值得关注。根据AMD官方信息，其服务器CPU营收份额已从2017年的低位攀升至如今的46%，大多数财富100强企业的数据中心都在使用AMD EPYC CPU，而且每周都有一家福布斯全球2000强企业转向AMD EPYC阵营。这些数字表明，EPYC已从最初的性价比替代品逐步转变为许多大型企业和云厂商的默认选择。
这种自身的技术积累加上广泛的市场验证，为第六代EPYC奠定了更加坚实的基础。
第六代EPYC产品矩阵：一套架构，多种打法
第六代EPYC目前一次性推出了四款能力聚焦颇具差异性的型号，后续会有聚焦不同应用需求的产品推向市场。这体现出了AMD对智能体AI时代数据中心场景日趋细分的判断。
在架构方面，第六代EPYC主要采用高性能的Zen 6以及高能效高密度的Zen 6c，两种架构与以往一样，在基础架构设计、ISA指令集、IPC性能上完全一致，区别只在于频率、缓存、能效。
首先是即将在今年第四季度就会发布的EPYC 9006 SP7，这款产品的能力就是聚焦在“旗舰级性能”，借助Zen 6c架构，AMD为其打造了最高256核512线程的核心与线程规模，带宽最高达到1.6TB/s，支持64Gbps PCIe 6.0通道，96核5.0GHz高频满足信息流加速基础设施需求，它将聚焦在AI智能体规模化执行与GPU主机效率等方面，为用户带来领先的计算能力。
接下来是即将于2027年上半年问世的EPYC 9006 SP8，它聚焦于企业级用户，更加强调系统成本优化与部署灵活性。其根据企业用户自身需求可提供从8核到128核心的极其丰富的可选规格。支持8通道+2DPC内存规格，拥有更加平衡的内存带宽与容量适配，同时提供了多达128条PCIe通道，而且部署灵活，支持单路与双路，支持高密度机架并且符合NEBS标准。
再来是将于2027年下半年上市的EPYC 9006X SP7，这一型号主要聚焦于HPC与AI预处理，最高支持96核心，支持16通道12800MT/s DDR5 MRDIMM内存，支持3D V-Cache技术，总L3缓存扩充至1152MB，同时它拥有5.15GHz的高频计算能力。
最后同样是2027年下半年问世的EPYC 9006 LP（"Verano"）处理器，它聚焦于AI主机节点专用处理器，最高为72核心，支持高能效的LPDDR5x内存，并且利用增强xGMI @112Gbps优化了CPU-GPU互联能力，同时其频率也达到了5GHz。
另外，第六代EPYC在电源管理技术方面有了三处新变化：
首先是统一供电（UPP）：SoC和内存共享功耗空间，可以按需调度分配，从而在提升机架服务器部署密度的同时，将性能损耗控制在最低。
其次是基于利用率的功耗缩放（UBPS）：根据实际负载高低调度功耗，轻负载下降功耗，高负载下拉满功耗和性能。
其三是频率自适应频谱技术（FAST）：一颗SoC就有两套性能策略，优先使用体质最好的核心，而在功耗受限场景下尽可能维持高性能。
从整体技术规格来看，第六代EPYC的核心亮点包括：支持最高256核/512线程；内存方面支持16通道MRDIMM（最高12800 MT/s）及24通道LPDDR5X（支持可现场更换的SOCAMM2模组）；I/O方面提供最高128条PCIe 6.0通道，速率高达64Gbps；安全层面则新增RSA 4K与后量子密码（PQC）支持，以及物理与侧信道攻击缓解能力。此外，第六代EPYC全面采用2nm制程工艺打造，Zen 6/Zen 6c全新架构加持，并且通过细分化为不同需求的用户带来了差异化的体验。
因此我们可以这样认为，第六代EPYC这种"一套架构、多点开花"的全新产品策略，本质上是把CPU从通用计算元件进一步细分为面向不同负载——例如通用企业、AI主机、HPC或追求极致算力性能的专用平台，这也是对三类服务器角色划分交出的第一份答卷。
全方位对标英伟达、英特尔与ARM
产品层面细分化之外，第六代EPYC在性能层面则是带来了突破性的进展。例如第六代EPYC 9006与自家第五代EPYC 9005相比，得益于96核5.0GHz/16通道1.6TB/s DDR5内存带宽以及PCIe 6.0的加持，其在前沿大模型的tokens/s生成速度上提升了1.8倍！另外从第一代EPYC到第六代EPYC，整机吞吐性能提升了18倍！
与各家竞品相比，相对英特尔至强6960P而言，面向GPU主机节点场景，第六代EPYC在token生成速度上高出1.8倍；在通用CPU服务器场景中，相对NVIDIA Vera 88C性能高出3.3倍；在CPU沙盒场景中，相对ARM AGI 136C，其每瓦智能体数高出2.8倍。
另外在整机吞吐与每核心性能方面，对比NVIDIA Vera，第六代EPYC（Venice）在SPECrate 2026 int base测试中分别领先2.2倍和1.2倍。对比英特尔至强6980P以及ARM AGI，在SPECrate 2017 int base测试中，EPYC 9996平台整机吞吐性能领先2倍，第六代EPYC（Venice）平台每核心性能领先1.3倍。
另外在云与HPC性能方面，第六代EPYC也拥有远高于竞品以及自家第五代EPYC平台的性能表现。
此外，AMD还给出了机架级别的对比。在256核配置下，第六代EPYC相比上一代EPYC 9005可实现每机架CPU核心数提升2.2倍，也就是49152核与36864核；相比英伟达Vera机架方案，AMD EPYC方案在核心密度和每瓦性能上均具备显著优势。
除了性能之外，总拥有成本（TCO）也是行业用户颇为关心的核心问题，而且这也往往是企业客户更为关注的维度。AMD给出的案例显示：将1000台老旧的英特尔至强Gold 6258R服务器，替换为82台搭载2P AMD EPYC 9996的服务器，可实现约12:1整合比，同时可带来最高77%的功耗降低；最高92%的服务器数量削减以及最高40%的五年期TCO成本降低。
“以少换多”是当前服务器级处理器性能提升带来的最直观价值体现，同时也是AMD针对存量数据中心客户的一个颇具实际价值的卖点，即随着单路CPU核心数与内存带宽的持续提升，企业可以用更少的物理服务器承载同等甚至更高的计算负载，从而在电力、空间和运维成本高企的当下获得更为直接的经济收益。
CPU是AI时代的"隐形基础设施"
其实从第六代EPYC的发布中，我们看到这样一个清晰的信号，即尽管GPU在AI算力中占据主角位置，但CPU并未被边缘化，反而因为智能体AI对调度、沙盒执行、数据预处理和主机效率的新增需求，重新获得了增长逻辑。AMD借助第六代EPYC系列，证明了CPU厂商完全可以通过差异化、细分化的产品设计，无需通过单纯堆核心数提升性能的方式，也能够在AI基础设施的价值链中占据更加主动的位置。
·AMD Instinct MI455X与Helios机架级方案
在推出第六代EPYC巩固自身在服务器级CPU领域的领先地位的同时，AMD在GPU领域也带来了全新的AMD Instinct MI455X，以及还围绕MI455X构建的AMD Helios机架级解决方案。这两款重量级产品的发布释放出一个清晰的信号，即AI基础设施的竞争焦点，已经从单颗芯片的算力比拼，全面转向"芯片+网络+机架"的系统级较量。而AMD，正在用一套完整、开放的机架级解决方案，正面挑战英伟达在这一领域的主导地位。
以性能、迁移、开放、客户导向为核心战略
针对这种时代性的变化，AMD将其AI战略凝聚成四大核心支柱，包括：性能与总拥有成本（TCO）领先、迁移便利性、对开放标准的承诺，以及以客户为中心。其潜台词是，“AMD自身深知在生态成熟度上仍落后于竞争对手，但通过兼容客户已经在用的模型、框架和基础设施来降低客户迁移门槛，同时用开放机架架构、开放网络来对抗竞争对手相对封闭的生态体系，进而争取云服务商、超大规模数据中心运营商的青睐。”
基于此，AMD首先做的是将硬件的价值通过软件生态来充分释放。因此，AMD ROCm软件平台成为推动AI战略发展的核心力量之一。如今，ROCm已经原生支持PyTorch、Hugging Face、vLLM、SGLang、TensorFlow等主流框架，并有超过300万个Hugging Face模型可以开箱即用跑在AMD硬件平台之上，同时其在开源AI项目榜单中跻身前十。这些数字表明，尽管软件生态的深度和长尾稳定性，仍需要更多独立的第三方验证，但AMD在软件适配的广度上已经取得实质性进展。
Instinct MI455X：制程与规格实现代际跃升
而在GPU硬件层面，AMD这次交出的答卷就是Instinct MI455X。它基于全新的CDNA 5图形架构打造，采用2nm制程工艺，集成约3200亿晶体管，支持HBM4显存以及FP4/FP6/FP8等多种AI数据类型。
与上一代MI355X相比，AMD 给出的对比数据颇为亮眼：显存容量提升最高1.5倍，显存带宽提升最高2.9倍，MXFP8与MXFP4峰值算力均提升最高4倍。
在第三方机构Signal65对MI355X与英伟达B200的独立测试中，AMD其实已经在多个大模型推理场景，如GPT-OSS-120B财务分析、Qwen3-Next-80B交互式检索增强生成中取得领先，其吞吐量领先约1.2-1.3倍，单文档成本降低超过一半；不过在Kimi-K2.6长文本生成场景中，MI355X的吞吐量略低于B200，约为后者的96%，但tokens/s生成速度上却领先1.5倍。
AMD Helios应对真正的"系统级"竞争
如果说MI455X是矛，那么Helios机架级方案就是盾与矛的结合体。该机架方案由第六代 AMD EPYC服务器CPU、第五代AMD Instinct MI455X GPU，以及AMD Pensando网络芯片和超以太网联盟（Ultra Ethernet Consortium）标准共同构成。
而且Helios并非概念产品，其已投正式入生产，OpenAI、Meta、Anthropic、微软、甲骨文等公司可能将成为Helios方案的早期采用者。
单机架层面，Helios可容纳72个GPU组成一个统一的扩展域（scale-up domain），并且提供高达260TB/s的横向扩展带宽，每颗GPU配备3张800G网卡，FP4 AI算力高达40PF，HDM4容量432GB，显存带宽23.3TB/s，堪称算力怪兽。
与英伟达即将推出的Vera Rubin NVL72相比，AMD Helios在AI算力上领先15%，显存容量领先50%，横向扩展带宽领先50%。在实际大模型工作负载测试中，如Kimi K2 Thinking， Helios在低、中、高交互性场景下每GPU吞吐量分别领先15%、12%、10%，综合每美元可获得的Token数量最高领先30%。
此外，AMD在Advancing AI 2026期间还公布了AMD Instinct系列的路线图，2027年、2028年将分别推出MI500和MI600系列芯片，下一代HBM也出现在路线图之中。
推理需求正在超越训练
自2020年以来，大模型训练所需算力每年增长约5倍。但同时，AI工作负载中训练与推理的比例正在发生逆转，预计2026年推理将占据整体工作负载的60%，从而首次超过训练。再加上智能体AI应用的兴起，每一次任务执行都会带来更多次推理调用、工具调用和CPU编排需求，这进一步放大了对数据中心整体算力的要求。根据Exponential View的数据显示，过去两年间每月消耗的Token量增长了约158倍。
从这样的时代背景出发去看的话，不难理解为什么AMD更加强调MI455X以及Helios在推理吞吐量和每美元Token数方面的优势，而非单纯的算力提升，这些其实正是当前以及未来数据中心投资决策中最受关注的经济性指标。
总体而言，MI455X以及Helios的发布，展现了AMD在制程与规格方面非常显著的代际提升，同时依托ROCm在软件生态覆盖方面持续扩大，并依靠机架级系统整合能力抓住推理需求崛起的行业拐点进行积极布局。
从以往芯片之间的战争到今天AI大时代下的机架级竞争，软硬件、网络、生态链之间的协同越来越重要。同时对于对于云服务商、企业客户和投资者而言，MI455X与Helios代表着 AMD在AI基础设施赛道确实取得了实质意义上的进展。
·AMD Ryzen AI Halo：本地智能体时代的算力底座
看过了两大重磅新品，下面来聊聊今年初CES上AMD发布的Ryzen AI HALO这款迷你AI主机。其实随着AMD Ryzen AI Max+系列处理器的推出，凭借超大可变显存和统一内存加持，Ryzen AI Max+迷你主机近年来成为个人开发者、中小企业用户部署和使用本地AI的核心硬件平台，相对成本更高的AI服务器、AI一体机而言，Ryzen AI Max+迷你主机有着更高的性价比。
AMD计算与图形事业部产品市场CVP Michael Nordquist提出了一个判断，即“AI智能体将成为下一波生产力倍增器，从个人助手（2倍效率）到智能体团队协作（10倍），再到多能力智能体（100倍），效率提升呈指数级跃迁。而要真正释放这种潜力，本地化运行AI模型正在成为关键路径。”
之所以有这样的判断，其核心原因主要有三点：
首先是安全与隐私，即数据全程本地处理，无需经第三方云端中转；
其次是成本优化，即本地推理相当于免费token，可显著降低高频调用的推理成本；
其三是随时可用，即在无网络环境下依然可以持续工作，可靠性更高。
小模型效率飞跃，是本地AI落地的技术前提
同时，随着小参数量模型的效率飞跃，本地AI落地的技术门槛逐渐倍踏平。
去年，GPT-OSS需要1200亿参数才能拿到80.1的GPQA（研究生级别问答测评）分数；而到了2026年3月，Qwen 3.5仅用90亿参数就拿到了81.7分，这之间，模型参数量缩小超过10倍，性能反而更强。
而更进一步的是，Qwen 3.6 27B这样的开源小模型（87.8分）已经反超了Claude Sonnet 4.5（83.4）甚至Opus 4.5（87.0）等曾经的顶级闭源模型。这意味着曾经只能在云端大集群里跑的准前沿模型能力，如今可以被压缩进消费级设备的内存和算力范围之内，这正是AMD押注本地个人AI PC的底层逻辑。
Ryzen AI Halo：为本地大模型而生的硬件平台
针对这样的趋势，AMD在产品布局方面也呈现出更加清晰的分层。例如Ryzen AI 400系列的模型规模上限约24B，适合日常个人智能体场景；而Ryzen AI MAX的模型规模上限提升至200B；Ryzen AI Halo开发者平台搭载128GB统一内存，可原生运行高达200B参数的模型，主打开箱即用，上手快、部署简单、成本可控、开发者支持持续。
而下一代产品Gorgon Halo则进一步在规格层面提升，将统一内存从128GB提升到192GB，可支持的模型规模从200B扩展到300B，其目标是把云端级别的AI能力完整地搬到桌面本地运行。
同时，AMD通过ROCm软件栈打通了从底层硬件（Ryzen AI、Radeon AI PRO、Instinct MI、EPYC）到上层框架（PyTorch、TensorFlow、JAX、vLLM等）、再到智能体框架（Lemonade、Ollama、CrewAI等）的全链路兼容，主打一次编写、随处运行。同时，AMD与Hugging Face深化合作，为Ryzen AI Halo平台提供原生适配的模型与工具链，每台Halo设备还附赠一年Hugging Face PRO会员，进一步降低开发者的使用门槛。
在生态覆盖上，AMD目前已联合Acer、华硕、惠普、联想等主流OEM厂商，以及一批新兴迷你品牌，推出了从台式机、笔记本、迷你主机到掌上设备在内的、极其丰富的本地AI硬件产品矩阵，堪称目前最广泛的个人AI系统组合。
整体来看，随着小模型能力快速逼近甚至超越此前的前沿大模型能力，以AMD Ryzen AI Max平台产品为代表的硬件已经具备承载这些模型的本地化部署与使用能力，同时AMD在软件上打通生态路径，使得云端级的AI能力可以在保证数据安全隐私、成本可控、脱离网络环境的前提下，也能直接跑在用户的个人设备之上，这也是AMD区别于纯云端AI芯片厂商的差异化定位。
·网络设备与物理AI
前面我们说过，智能体AI时代已经从单纯的拼芯片过度到系统级方案的比拼。除了CPU、GPU、软件、终端之外，网络也是极其重要的一环。
纵观过去近十年来AI行业的发展，AI工作负载从2017年的Transformer约6500万参数演进到2023年的GPT-4级别约1万亿参数，再到2026年10万亿参数以上的智能体以及推理模型，“数据搬运”已成为决定AI集群规模的关键因素。
基于此，AMD提出了三层网络架构：
其一是前端网络（Front-End），AMD带来了第三代Pensando Salina DPU，支持400G带宽，性能较上一代提升2倍；同时在网络、安全、存储方面支持线速并发加速，相比NVIDIA BlueField3有1.4倍性能优势，可节省22个CPU核心，用于提升智能体密度。
其二是横向扩展（Scale-Up），AMD打造了第一代 UALoE，单机架支持72颗GPU，260TB/s带宽，31TB HBM4统一内存，基于开放以太网生态（与Celestica、HPE、Broadcom等合作）配套AMD Fabric Manager实现零接触自动化、虚拟POD、全网可观测性。
其三是纵向扩展（Scale-Out），AMD带来了第二代Pensando Vulcano AI NIC，拥有高达800G带宽，每GPU 2.4 Tbps，支持PCIe Gen 6/UAL，每GPU配3个AI NIC。相比竞品带宽提升50%，LLM训练任务完成时间加快13%，网络成本降低33%。
Physical AI与机器人
此外AMD在本次大会期间，还推出了面向机器人和具身智能场景的、从芯片到软件生态的一整套完整栈：
在芯片层，AMD公布了Ryzen AI Embedded X100系列，它集成了Zen 5架构16核CPU，用于智能体的编排、规划与控制；同时集成了RDNA 3.5架构的独显级别的iGPU，最高拥有40个执行单元，用于加速感知与视觉推理；此外它还集成了XDNA 2架构的NPU，利用NPU计算单元的低功耗、高算力特性，在持续性的视觉与音频感知方面提供算力支持。
在模组层，AMD公布了Kria AI System on Module，它是一块120x120mm规格的开发板，直接封装一颗X100芯片，整体为COM-HPC开放形态，CPU控制延迟125μs，GPU推理92ms，NPU视觉分类
在开发者平台方面，AMD将于2026年第四季度推出Kria AI Robotics Developer Platform，它是一套从概念到原型仅需数天的一体化机器人开发套件，而且硬件schematic与FPGA设计开源。
在软件层上，AMD将逐步构建Robotics Software Suite。该平台基于ROCm和ROS 2，包含Robotics Core SDK（加速ROS节点、Gazebo、MoveIt2）与Physical AI SDK（PyTorch、Hugging Face、TensorFlow等），未来还将扩展音频、操作（manipulation）等SDK。
此外在生态层面，AMD Robotics Partner Network将覆盖ODM/机器人OEM（ABB、FANUC、Kawasaki、Universal Robots等）、AI模型、中间件、传感器、系统集成商及数字孪生仿真等全链条领域的超过30家厂商共同推动这一生态的完善。
·结语
纵观本次Advancing AI 2026大会，AMD可以说是从CPU、GPU、网络互联到终端与具身智能领域，交出了一份覆盖AI基础设施全链条的答卷。第六代EPYC通过差异化型号布局应对智能体AI时代数据中心角色的重新分工；Instinct MI455X与Helios机架方案则将竞争维度从单一芯片算力提升至芯片、网络、机架的系统级较量；而Ryzen AI Halo的布局，则让曾经只能运行在云端集群的AI大模型能力得以下沉至个人设备。与此同时，AMD在网络架构与物理AI领域的全新布局，也显示出其以更开放生态策略切入竞争对手所长期主导的市场格局。
总体而言，在AI基础设施的竞争已进入系统化、平台化的今天，AMD已经凭借AI基础设施全景生态构建，进一步巩固并寻求在这种新世代格局中争取到更加主动的位置。