成为 10 倍效能工程师

在计算领域，重大变革极少源自单一产品或是单项技术突破。只有当技术、工具与人类行为三者共同演进，从根本上拓展能力边界时，才会发生重大变革。

而我们当下正身处这样一个变革节点。

智能体 AI 已不再局限于辅助完成单项任务。智能体系统能力日益增强，能够在复杂工作流程中完成规划、编码、测试、调试与迭代；人类只需设定目标、提供上下文并做出判断即可。这正在重塑软件开发模式、工程团队运作方式，以及企业对于生产力的理解。

近期，在 AMD《Advanced Insights》的一期节目中，我与 Anthropic 公司 Claude Code 创始人兼负责人 Boris Cherny 就此轮变革展开了深度交流。令我感触最深的不只是编码智能体迭代速度之快，而是它正在深度重构整个开发流程。

正因如此，AMD 与 Anthropic 在 Advancing AI 大会期间宣布的战略合作具备重大意义。双方的合作将主流 AI 模型和开发者工具，与开放的高性能计算基础设施相结合，旨在加速 AI 开发，同时加速革新支撑 AI 的底层技术的构建方式。

从编码助手到智能体协作伙伴

初代 AI 编码工具以自动补全代码为核心：帮助开发者补全单行代码，或是生成独立函数。这类工具固然具备实用价值，但并未从根本上改变原有开发流程。

而新一代智能体模型截然不同。

正如 Boris 所言，在为能力日趋强大的模型设定目标、提供相关上下文并授予工具权限后，模型便可自主规划如何完成任务。工程师不再需要指定每一步操作，而是可以将精力集中在定义问题、设置边界限制以及评估最终输出结果上。

这代表抽象层级再一次跃升。工程开发方式一直在不断演进：从直接对硬件编程，到穿孔卡片，再到高级编程语言与开发框架。如今，我们正从直接编写源代码，逐步转向管理智能体、工作流程以及日趋复杂的多智能体系统。

在 AMD 内部，我们正亲身经历这一转变。转折点发生在编码智能体可以支撑完整的智能体工作流程，而不再是仅处理开发流程中的个别环节。目前，我们正将智能体应用于软件、固件以及芯片设计的多个环节，包括将专业工程知识转化成可复用的智能体工作流程。

举一个案例：一个极其复杂的芯片设计问题困扰了团队数周，而借助智能体工作流程仅用一天便可解决。这样的体验会迅速改变工程师的认知。在工程师亲眼见证智能体能帮助解决传统方法无法解决的难题后，智能体采用速度便会加快。

这并不意味着要将工程师排除在流程之外，而是让他们能够站在更高抽象层级开展工作，运用专业经验更快地解决更多难题。

面向智能体时代重构工作模式

Boris 的一个核心观点是：如果只是将新工具简单套用到现有流程中，就无法充分释放 AI 的巨大价值。

历史已经证明了这一点。在计算机刚刚进入办公场景时，部分企业保留纸质业务流程，仅让计算机完成少量特定任务，最终生产力提升十分有限。而围绕计算技术重构业务模式的企业，则收获了巨大收益。

这套逻辑同样适用于智能体 AI。

Anthropic 已将 Claude 嵌入大量工程与业务流程的核心环节，包括新员工入职培训、产品开发、编码、代码评审、安全审计以及故障响应等。Boris 介绍了一套系统化流程：持续识别新出现的瓶颈，再借助 Claude 加以解决。

明确这一点至关重要：目标不只是更快完成当下的各项任务，更大的机遇在于重构工作完成方式。

AMD 设定了一个宏大目标：依托智能体 AI，推动工程生产力实现十倍提升。要实现这一目标，不能只靠部署工具，还需要在工作流程、数据组织方式、知识沉淀机制、管理方式和企业文化方面做出改变。

如需详细了解智能体 AI 如何重塑 AMD 芯片设计流程，请阅读此博文。

随着工程执行环节的限制逐渐减少，瓶颈也开始转移。限制我们的不再是执行速度，而是创意质量、决策效率，以及安全地将创意落地并推向市场的能力。

这就对综合能力提出了更高要求。工程师依旧需要扎实深厚的专业技术功底，同时还需具备求知欲、适应能力、可靠的判断力以及跨领域协作能力。他们需要能够精准定义问题、提供正确的上下文，并对多种备选方案开展评估。

智能体工具还可以拓宽能够做出贡献的人群范围。初级工程师、产品经理、设计师或市场营销人员，都可以参与验证并实现过去需要大型专业团队才能完成的构想。

这为更多人提供了参与机会，但同时也对管理层提出了更高要求。管理者需要给予员工试验空间，接纳有价值的试错，并且确保团队理解工作背后的业务与技术背景。如果缺少这样的环境，大家依旧会按旧模式来使用新工具，从而无法获取最大收益。

有些流程已经非常适合采用智能体 AI。有些则不然，尤其是在数据碎片化或工作流程缺少清晰文档记录的情况下。AI 无法弥补所有底层流程问题。在很多情况下，AI 反而会将这些问题暴露出来。

需要改变的不只是工作流程，底层基础设施同样需要改变。智能体 AI 不仅仅是 GPU 工作负载；每一次工具调用、信息检索与编排调度都在 CPU 上运行。据我们观察，智能体工作负载产生的 CPU 运算量约为传统 AI 查询的四倍。要规模化部署智能体，需要同时扩展 CPU 与 GPU，这正是全栈能力至关重要的原因所在。

AMD 与 Anthropic 双向赋能的合作伙伴关系

正是基于上述背景，AMD 与 Anthropic 在 7 月宣布达成战略合作。

根据协议，Anthropic 计划在 AMD Helios 机架级解决方案中部署高达 2 吉瓦算力规模的 AMD Instinct 系列 GPU，首批 1 吉瓦算力将于 2027 年上半年启动部署。

双方还宣布开展一项多年期工程合作，利用 Claude 优化 AMD Instinct GPU 上的工作负载并加速 AMD ROCm 软件开发，同时 AMD 将在内部工程和产品开发团队中广泛采用 Claude。

这项合作的价值体现在双向加速创新。

AMD 提供开放、高性能、可扩展的计算基础设施，以支持日益强大的前沿模型和智能体系统。与此同时，Anthropic 技术可助力 AMD 加快 ROCm 等软件开发，同时更快完成工程工作以优化计算基础设施，让开发者能够更轻松地基于 AMD 平台进行开发。

ROCm.ai 是这一战略合作的另一重要组成部分。ROCm.ai 是在 Advancing AI 大会上推出的 AI 驱动型开发者平台，可将 AMD 平台专业能力直接集成到 Claude 等主流编码智能体，让开发者原生理解 ROCm，更高效地在 AMD 平台上进行开发。借助 ROCm.ai，开发者可以通过日常高频使用的工具完成安装、迁移、故障排查与工作负载优化，以此降低采用门槛、提升开发效率，同时建立更快速的反馈回路，持续完善 AMD 软件生态。

这些举措共同创造了一个良性循环：AI 助力打造更强大的 AI 基础设施，而更强大的基础设施和软件转而赋能下一代 AI 创新。

这也体现了我们在 Advancing AI 大会上提出的全栈理念。AI 的未来不取决于单颗芯片，而是需要 GPU、CPU、网络、机架级系统、软件、模型和开发者工具之间协同优化。

这正是 AMD 更为宏大的核心使命：面向智能体 AI 时代打造开放、协同优化的计算生态系统。

塑造智能体未来

这场变革仍处于早期阶段。

未来，智能体将以更高的自主性运行更长时间的任务，并且会越来越多地与其他智能体协同配合。软件团队可以放心承接以往需要数月乃至数年才能完成的项目，并大幅缩短成果交付时间；这类工作模式也将拓展至软件以外的更多领域。

与此同时，随着这类系统承担更多职责，信任、结果核验、安全管控以及人工判断会变得愈发重要。如果想要取得成功，企业需要主动重新思考其工作流程，而不是简单地对现有流程进行自动化。

与 Boris 的交流更加坚定了我的观点：智能体 AI 不只是一款新的效率提升工具；它代表一种全新范式，能够重构工作开展方式、发挥人类专业能力，更加快速地将构想转化为实际成果。

在 AMD 内部，我们正在拥抱这一变革，同时打造开放的全栈式 AI 平台，助力开发者、企业与研究人员共同开启智能体 AI 时代。

而这一切，才刚刚拉开序幕。

欢迎观看《Advanced Insights》完整节目，本期特邀嘉宾为 Anthropic 公司 Claude Code 创始人兼负责人 Boris Cherny。