让 AI 无处不在,惠及所有人

AI 技术的潜能已经不再局限于单一的环境或领域。如今的 AI 工作负载已从云端延伸至最终用户设备和现场系统。对于合作伙伴而言,这种转变带来了诸多可能性和机遇;如今的客户希望获得能够灵活扩展、与现有系统无缝集成,并能在各种工作场所(无论是办公桌旁、边缘还是数据中心内)带来实际成果的 AI 配置方案。

AMD 在 CES 2026 展会上发布了一系列新产品,继续践行其使命,即打造开放式生态系统,让 AI 无处不在、惠及所有人。从数据中心的机架级基础设施,到嵌入式系统,再到设备端 AI,AMD 的 AI 产品组合正在不断扩大,并为客户提供出色的灵活性和性能。

云和数据中心:AI 可扩展性的基石

大规模 AI 始于数据中心;训练前沿模型、推理以及组织代理式工作流程都需要大规模的基础设施,这远非单纯的计算性能所能满足。平台必须具备高性能加速功能、出色的 CPU 利用率和将一切连接起来的网络系统,这样才能实现卓越成果,满足客户需求。

AMD 数据中心产品组合中的核心产品包括 AMD EPYC(霄龙)服务器 CPU、AMD 数据中心 GPU 以及 AMD Pensando DPU,这些产品能够帮助合作伙伴设计和部署性能强大的 AI 基础设施,支持密集的企业级 AI 工作负载和超大规模部署。

“Helios”是一个一体化的机架级 AI 参考平台,基于新一代 AMD 数据中心系列 GPU、AMD EPYC(霄龙)服务器 CPU 和 AMD Pensando NIC,能够帮助合作伙伴实现卓越的性能、带宽和能效,同时帮助客户减少集成方面的障碍和成本,并加快产品上市速度。
“Helios”能够帮助合作伙伴打造基于开放式标准和成熟的产品组合的新一代 AI 基础设施。 

物理 AI:将智能融入现实世界

在云技术能够实现规模扩展和协调运作的情况下,某些 AI 工作负载必须在生成数据和制定决策的位置运行。物理 AI 为用户带来了特有的挑战,包括在受限环境中存在的延迟、可靠性和能效等问题。在这些受限环境中,系统需要持续运行且必须具备长期稳定性。

在这样的环境中,工作负载涵盖了从工业自动化和机器人到智能基础设施和自主系统的各种应用场景。AMD 通过其嵌入式产品组合满足这些领域的客户需求,其中包括专为物理 AI 部署而设计的全新 AMD 锐龙 AI 嵌入式处理器

凭借高效的 AI 加速功能以及与 x86 的兼容性,AMD 合作伙伴能够为客户提供智能化的配置方案,这些方案能够与现有的系统无缝集成,同时满足嵌入式环境的实际需求和限制条件。在将模型部署到现场的嵌入式平台之前,可以先对模型进行集中训练或优化,这有助于提高生产力并实现实时计算。 

设备端 AI:适用于各种工作地点

AI 正逐渐成为最终用户体验的重要组成部分,从生产力任务、数据分析到内容创作无处不在;设备端 AI 通过让推理更贴近最终用户,实现了更快的响应速度、更强的隐私保护和更高的运行效率。

AMD 在 CES 2026 展会上发布了一系列新的 AMD 锐龙 AI 平台,其中包括 AMD 锐龙 AI 400 系列处理器AMD 锐龙 AI PRO 400 系列处理器和全新 AMD 锐龙 AI Max 处理器 SKU,进一步拓展了其 AI PC 产品组合。这些平台可提供高达 60 TOPS 的 NPU1 性能以及完整的 AMD ROCm 软件平台支持,能够实现从云端到客户端的无缝 AI 扩展链路,使用户能够在本地运行 AI 工作负载,同时在需要更多资源时保持与云资源的连接。

依托更智能、响应更迅捷的 AI 就绪型系统,帮助客户对设备机群进行现代化改造,将运营性能、安全性和可管理性提升至全新水平。 

开放式生态系统带来无限机遇

在云基础设施、物理 AI 系统和最终用户设备中,AI 采用开放式设计。对于现有产品和即将发布的产品,AMD 的策略是在系统设计、软件集成以及向客户提供解决方案和价值方面,为合作伙伴提供自主选择的权利。

通过将硬件创新与软件开放式标准相结合,AMD 能够帮助合作伙伴应对日益多样化和高要求的 AI 应用场景,同时避免在架构层面锁定客户选择。

无论是支持大规模 AI 部署,帮助客户将智能技术嵌入实体系统,还是推动设备机群更新以使员工适应设备端 AI 工作流程,您都可以利用 AMD 的产品组合,帮助客户充分发掘 AI 的强大功能和无限可能。

如需了解更多关于 AMD 的信息以及如何为有潜力的 AI 客户提供支持,请访问 amd.com 或与您的 AMD 代表联系。

AMD Arena


参加有关 AMD 锐龙 PRO、AMD EPYC(霄龙)、AMD Instinct 及更多产品的培训,拓展您的 AMD 产品知识。

附注
  1. 每秒万亿次运算 (TOPS) 是指 AMD 锐龙处理器在理想情况下每秒可以执行的最大运算量,不一定广泛适用。TOPS 可能会有所不同,具体取决于系统配置、AI 模型和软件版本等多种因素。GD-243。