AI 为众多行业赋能助力:AMD 技术如何推动下一轮企业转型浪潮

Jun 19, 2026

助力企业开启新一轮转型

如今,随着 AI 从实验迈入落地应用阶段,企业面临着一个全新挑战,即如何快速扩展 AI 部署以产生可量化的业务价值。

无论在哪个行业,企业都面临着压力,亟需将数据转化为更敏锐的洞察、更高的效率以及新的价值增长点。为此,企业需要配套的基础设施,以确保整个技术栈都能保持出色性能和灵活性。在 Advancing AI 2026 大会上,企业领军者将切身体验 AMD 及其合作伙伴如何帮助企业构建和扩展 AI,以及正确的计算策略如何将 AI 创新转化为持久的竞争优势。

通信业:打造高度智能的自主网络

电信运营商正全面升级网络,以满足 5G、边缘计算和 AI 服务需求。随着基础设施朝着分布式、云原生的方向发展,运营商必须平衡性能、成本和能效,同时保障可靠性。

AI 技术为网络优化、预测性维护、实时流量管理和自主网络运营带来了全新解决方案。AMD 提供的高性能、高能效计算平台,能够全面满足从核心数据中心到网络边缘等各类工作负载的需求。与传统系统相比,基于第五代 AMD EPYC(霄龙)CPU 的系统可以帮助网络运营商将功耗降低高达 71%,并将三年总体拥有成本 (TCO) 降低高达 67%。1 依托灵活架构和开放的生态系统,运营商可以实现网络现代化升级,同时严控成本且不增加复杂度。

Swisscom 云平台选择 AMD EPYC(霄龙)CPU 后,整体功耗降低 24%,其中每个 vCPU 的功耗减少 55%。2

通过降低功耗和总体拥有成本,电信运营商可以释放资源以推动网络现代化升级,同时更加经济高效地扩展网络容量,并支持新兴 AI 和边缘计算服务。最终结果是,运营商成功构建富有韧性、可扩展的网络,从而优化客户体验,同时实现长期业务增长。

医疗:将数据转化为临床洞察

医疗机构正面临成本上涨、人员短缺、网络安全风险加剧等多重压力。与此同时,他们需要管理临床系统和运营系统中存在的复杂而分散的海量数据。

AI 在诊断、医疗成像、基因组学和临床决策支持等领域的应用日渐广泛。但是,许多医疗机构难以从试点阶段过渡到全面部署。差距不在于 AI 战略或技术有效性,而在于基础设施的 AI 就绪度不足,以及大规模落地 AI 应用的能力欠缺。

AMD 通过提供高性能、注重安全和高能效的基础设施,助力医疗机构成功实现这一过渡。基于 AMD EPYC(霄龙)CPU 的服务器可实现高达 1.7 倍的 AI 响应速度提升,帮助医护团队以更少的资源完成更多任务。3 从大规模研究环境到诊疗现场的实时推理,AMD 技术可帮助医疗机构加速处理数据、减少基础设施占用空间并降低总体拥有成本。

借助基于 AMD EPYC(霄龙)8004 处理器的 Lenovo ThinkEdge SE455 V3 服务器,ElephasCare 不仅将总体拥有成本 (TCO) 降低了 10%,还成功扩大了其患者监护 AI 系统的应用规模。4

依托可支撑大规模 AI 部署的基础设施,医疗机构可以将持续增长的临床和运营数据转化为有实用参考价值的洞察见解,从而让临床医生拥有更多时间服务患者,加快推动科研探索和精准医学发展,并提升医疗服务质量和效率。在需求不断增长、资源受限的行业环境下,这些优势将可以显著改善患者诊疗效果,同时提升医疗机构的运营表现。

制造业:加速工业 4.0 转型

制造商将 AI 技术视为工业 4.0 的基石,积极将先进技术集成到生产环境中,以提高生产效率、质量和敏捷性。然而,许多制造商在基础设施扩展能力、成本管理以及 IT 与运营技术系统集成等方面面临挑战。

AI 催生全新应用场景,包括数字孪生、预测性维护和 AI 辅助的质量检测等场景。

ACCIONA 利用 AMD CPU 提升笔记本电脑、服务器、云平台及工作站运行性能并降低能耗,为可持续基础设施项目赋能助力。5

AMD 推出阵容齐全的 AI 解决方案,致力于帮助运营团队基于一套可扩展的基础设施统一处理传统 IT 工作负载与高性能计算及 AI 工作负载。AMD 解决方案带来高达 100% 的性能功耗比提升以及超高计算密度,可帮助制造商整合基础设施、降低能耗并缩短创新周期。6

最终,基础设施效率提升将转化为业务敏捷性优势。借助 AMD 解决方案,制造商能够更快地从运营数据获得洞察,并在现有功耗和空间限制之下承载要求更为严格的 AI 工作负载,从而缩短开发周期、提高生产质量、降低运营成本,同时以更快速度响应不断变化的客户和市场需求。

金融服务业:高效、安全、精准推进 AI 规模化部署

金融行业是数据密度最高、监管极为严格的行业之一。金融机构必须处理海量结构化和非结构化数据,同时遵守严格的安全性、合规性和运行性能标准。

AI 正在重塑欺诈检测、风险建模、算法交易和客户互动等核心领域。因此,金融机构需要依托高性能基础设施来处理日益复杂的工作负载。AMD EPYC(霄龙)CPU 可帮助金融机构加速这些计算密集型应用,同时提升基础设施效率。借助基于第五代 AMD EPYC(霄龙)CPU 的云实例,金融机构可以在加密工作负载上实现高达 4.6 倍的性能提升,并在金融分析工作负载上实现高达 1.5 倍的性能提升。7 通过加快分析速度和优化基础设施利用率,AMD 技术可帮助金融机构从云投资中创造更大价值,同时更快获得宝贵洞察。

除了加速分析和决策之外,AMD EPYC(霄龙)CPU 还能够帮助金融机构加强安全防护并满足合规要求。除此之外,AMD 处理器还能够高效处理敏感金融数据;所有这些能力相结合,可助力金融机构降低风险、提高运营效率,并提供值得信赖的金融服务体验以满足客户期待。

采用基于 AMD EPYC(霄龙)CPU 的 Dell 服务器后,星展银行的数据中心占用空间缩减至原先的四分之一,硬件成本降低 75%。8

在毫秒级延迟、准确性和信任度直接影响业务成果的行业中,基础设施效率是一项战略优势。通过提高性能和优化成本效益,金融机构能够高效处理更多交易、运行更复杂的分析并扩展 AI 驱动的服务,同时严格控制运营成本。而这终将为创新奠定更坚实的基础。

零售:大规模部署智能技术,全面提升客户体验

在零售行业,市场环境瞬息万变,消费者期望持续升级,运营复杂度不断增加。供应链中断、劳动力挑战以及碎片化的数据生态系统正迫使零售商重新思考其价值创造方式。

AI 在零售转型中发挥着关键作用,主要应用领域包括:个性化推荐、需求预测、门店运营所需的计算机视觉,以及边缘 AI 实时洞察。但是,由于基础设施和数据集成方面的瓶颈,许多零售企业一直难以大规模应用这些 AI 功能。

AMD 推出面向云端、边缘和门店环境的可扩展计算解决方案,助力零售商应对这些挑战。 AMD EPYC(霄龙)8005 CPU 可实现高达 2 倍的性能功耗比。9 这使得零售商能够实时处理大量数据、优化运营,并提供无缝、个性化的客户体验。

Kiwi.com 在初期切换到 N2D 虚拟机后,成本降低了 20%10

随着零售商在运营环境中大规模应用 AI,AMD 提供的技术基石可帮助零售商将数据转化为竞争优势。通过更好地了解客户行为、需求趋势、库存周转和门店运营情况,零售商可以在整个业务范围内做出更明智的决策。这使得零售组织能够提高库存周转效率、提供更个性化的客户体验,并更快地响应消费者需求变化。

加入领军者行列,共塑 AI 未来

Advancing AI 2026 大会上,AMD 领军者、合作伙伴、开发者和客户汇聚一堂,共同探索真实的 AI 部署案例、AI 基础设施领域的最新创新成果,以及在企业范围内实现 AI 规模化部署的实用策略。

无论您是负责制定 AI 战略,还是想要实现基础设施现代化升级,亦或是构建新一代应用,诚邀您于 7 月 22 日至 23 日莅临旧金山会场,与 AMD 一同探索企业如何推动 AI 从实验阶段走向落地应用,并利用 AI 创造商业价值。

浏览会议目录,根据您自身的 AI 转型重点选择最相关的会议。会议活动丰富多样,涵盖实操型研讨会、深度技术剖析、新兴趋势研究以及各行各业的真实部署战略解析,将为您提供有关 AI 基础设施、架构和开发的宝贵见解。

附注
  1. 9xx5TCO-003A - 此场景包含许多假设和估计,尽管基于 AMD 内部研究和最佳逼近原则,但应视为一个示例,仅供参考,不能用作实际测试的决策依据。AMD 服务器和温室气体排放总体拥有成本估算工具 v1.12 评估了提供 391000000 单位 SPECrate®2017_int_base 总体性能所需的 AMD EPYC(霄龙)服务器解决方案,采用了截至 2024 年 10 月 10 日发布的分数。经估算,基于双路 EPYC(霄龙)9965(192 核)的服务器获得 3000 分 (https://www.spec.org/cpu2017/results/res2024q4/cpu2017-20240923-44837.pdf)。不同 OEM 出版资料中的双路 EPYC(霄龙)9965 实际 SPECrate®2017_int_base 分数有所不同。
    我们利用这些数据对环境影响进行了评估,并采用了“2024 年全球电力排放系数 10 – 2024 年 7 月”中的国家/地区特定电力排放系数、美国国家环境保护局“温室气体当量计算器”。
    SPEC®、SPEC CPU® 和 SPECrate® 是 Standard Performance Evaluation Corporation 的注册商标。如需了解更多信息,请访问 www.spec.org。
    如需了解更多详情,请访问 https://www.amd.com/zh-cn/legal/claims/epyc.html#q=SP9xx5TCO-003A。
  2. https://www.amd.com/zh-cn/resources/case-studies/swisscom.html
  3. 9xx5-151:TPCxAI @SF30 多实例(32 核心实例大小)吞吐量测试结果基于截至 2025 年 4 月 1 日的 AMD 内部测试,测试时运行了多个 VM 实例。综合端到端 AI 吞吐量测试结果源自 TPCx-AI 基准测试,与已发布的 TPCx-AI 结果不具有可比性,因为端到端 AI 吞吐量测试结果不符合 TPCx-AI 规范。
    双路 AMD EPYC(霄龙)9965(总得分为 6067.53 AIUCpm,共 384 个核心,500W TDP,AMD 参考系统,1.5TB 24x64GB DDR5-6400,2 x 40 GbE Mellanox CX-7 (MT2910),3.84TB Samsung MZWLO3T8HCLS-00A07 NVMe,Ubuntu® 24.04 LTS kernel 6.13,SMT=ON,Determinism=power,Mitigations=on)
    双路 AMD EPYC(霄龙)9755(总得分为 4073.42 AIUCpm,共 256 个核心,500W TDP,AMD 参考系统,1.5TB 24x64GB DDR5-6400,2 x 40 GbE Mellanox CX-7 (MT2910),3.84TB Samsung MZWLO3T8HCLS-00A07 NVMe,Ubuntu 24.04 LTS kernel 6.13,SMT=ON,Determinism=power,Mitigations=on)
    参考基准(总得分为 3550.50 AIUCpm,共 256 个核心,500W TDP,生产系统,1.5TB 24x64GB DDR5-6400,4 x 1GbE Broadcom NetXtreme BCM5719 千兆以太网 PCIe,3.84TB SAMSUNG MZWLO3T8HCLS-00A07 NVMe,Ubuntu 24.04 LTS kernel 6.13,SMT=ON,Performance Bias,Mitigations=on)
    结果可能会因系统配置、软件版本和 BIOS 设置等因素而有所不同。TPC、TPC Benchmark 和 TPC-H 是 Transaction Processing Performance Council 的商标。
  4. https://www.amd.com/zh-cn/resources/case-studies/elephascare.html
  5. https://www.amd.com/zh-cn/resources/case-studies/acciona.html
  6. 9xx5-002F:SPECrate®2017_int_base 评估结果基于 www.spec.org 网站上公布的分数(截至 2025 年 12 月 11 日)。下面的结果和配置信息采用如下格式:[处理器],[核心数],[热设计功耗 (TDP)],[1Ku 价格(美元)],[SPECrate®2017_int_base 分数],[SPECrate®2017_int_base 分数/CPU 功耗],[SPECrate®2017_int_base 分数/1Ku 价格(美元)],[分数链接] 双路 AMD EPYC(霄龙)9654,96 核,360W,8452 美元,1830,5.083,0.217,https://www.spec.org/cpu2017/results/res2025q3/cpu2017-20250727-49206.html
    双路 AMD EPYC(霄龙)9754,128 核,360W,10631 美元,1950,5.417,0.183,
    https://www.spec.org/cpu2017/results/res2023q2/cpu2017-20230522-36617.html
    双路 AMD EPYC(霄龙)9755,128 核,500W,10931 美元,2850,5.70,0.261,
    https://www.spec.org/cpu2017/results/res2025q4/cpu2017-20250928-49776.html
    双路 AMD EPYC(霄龙)9965,192 核,500W,11988 美元,3230,6.460,0.269,
    https://www.spec.org/cpu2017/results/res2025q2/cpu2017-20250324-47086.html






    SPEC®、SPEC CPU® 和 SPECrate® 是 Standard Performance Evaluation Corporation 的注册商标。如需了解更多信息,请访问 www.spec.org。采用截至 2025 年 12 月 11 日的 AMD CPU 价格。‎
  7. 9xx5C-057:AMD 性能实验室于 2025 年 10 月 25 日完成测试。通过运行以下基准测试,评估 M8A.4XL-standard-16 的性能分数:
    -Openssl-AES-256-GCM_byte_s
    -Openssl-ChaCha20_byte_s
    -Openssl-rsa4096_sign_s
    -QuantLib - Size S
    性能表现(以 M8g 为基准):
    M8A.4XL 16 vCPU 对比
    参考基准 性能 单位成本性能
    Openssl-AES-256-GCM_byte_s 4.50 3.32
    Openssl-ChaCha20_byte_s 4.64 3.43
    Openssl-rsa4096_sign_s 4.61 3.40
    QuantLib - Size S 1.54 1.14
    采用截至 2025 年 10 月 25 日 https://aws.amazon.com/ec2/pricing/on-demand/ (us-east) 上公布的按需小时定价:M8A.4XL:0.9737 美元
    云性能结果基于配置测试日期。结果可能会因底层配置的更改和其他条件(如虚拟机及其资源的放置、云服务提供商的优化、访问的云区域、共同承租人以及系统上同时运行的其他工作负载类型)而有所不同。
  8. https://www.amd.com/zh-cn/resources/case-studies/dbs-bank-ltd.html
  9. 8xx5-015:SPECrate®2017_int_base 评估结果基于 www.spec.org 网站上公布的分数(截至 2026 年 5 月 19 日)。下面的结果和配置信息采用如下格式:[处理器],[核心数],[价格],[热设计功耗 (TDP)],[内存配置],[SPECrate®2017_int_base 分数],[性能/核心],[性能/功耗],[性能/CPU 成本],[性能/功耗/CPU 成本],[分数链接] 参考基准,总共 40 个核心,3584 美元,235W,128GB (4 x 32 GB 2Rx8 PC5-6400B-R),349,8.725,1.485,0.097,0.000414
    AMD EPYC(霄龙)8635P,总共 84 个核心,5799 美元,225W,384GB (6 x 64 GB DDR5-6400),667,7.94,2.964,0.115,0.000511,https://spec.org/cpu2017/results/res2026q2/cpu2017-20260417-51352.html
    标准化结果:
    处理器得分 性能/核心 性能/功耗 性能/成本 性能/功耗/成本
    参考基准 349 1.000 1.000 1.000 1.000
    EPYC(霄龙)8635P 667 1.911 0.91 1.996 1.181 1.23367。
    影响这些特定结果的变量包括但不限于系统配置、软件版本和 BIOS 设置。SPEC®、SPEC CPU® 和 SPECrate® 是 Standard Performance Evaluation Corporation 的注册商标。如需了解更多信息,请访问 www.spec.org
  10. https://www.amd.com/zh-cn/resources/case-studies/kiwi.html
Share:

资源