一场发布会，两个世界
7月24日，AMD Advancing AI 2026 如期召开。CEO 苏姿丰（Lisa Su）走上台，没有花哨的开场，直接抛出了一个判断：「2026年，全球约60%的AI算力将用于推理。」
这句判断决定了整场发布的基调——AMD不是在和英伟达比谁的单芯片跑分更高，而是在重新定义AI基础设施的衡量标准。
从 Helios 机架到 MI455X GPU，从 ROCm.AI 到本地 Agent 平台，今天的 AMD 给出了一套完整的「系统级对抗方案」。英伟达有 Vera Rubin NVL72，AMD 有 Helios。英伟达有 CUDA，AMD 有 ROCm.AI。英伟达有全线自研，AMD 选择开放架构。
这不是一场芯片发布会。这是一份关于「AI基础设施应该怎么建」的宣言。
Helios 与 MI455X：机架即系统
整场发布的核心是 Helios——一个机架级 AI 平台。它的战略意义，AMD 用一句话说清了：「机架成为新的系统。」
Helios 将 72 颗 MI455X GPU 通过 UALoE（Unified All-to-All Lossless Ethernet）Scale-up Fabric 连接成一个统一计算域。与传统的 9 台 8 卡服务器集群不同，Helios 不再依赖多级网络跳转来跨节点通信——72 颗 GPU 被组织在同一机架内，单跳互连，一致带宽。
这种架构变化直击当前大模型推理的瓶颈：模型越来越大，上下文越来越长，KV Cache 消耗的显存越来越多。传统服务器独立内存的设计，意味着通信延迟、数据局部性约束和拥塞风险会随规模扩大而指数级恶化。Helios 的答案是把整个机架当一台「大计算机」来设计。
MI455X 硬参数
- 显存： 432GB HBM4，较 MI355X 最高提升 1.5 倍
- 显存带宽： 23.3 TB/s，较 MI355X 最高提升 2.9 倍
- 算力： MXFP8 20 PFLOPS / MXFP4 40 PFLOPS，低精度算力最高提升 4 倍
- 系统总显存： 72 颗 GPU 提供约 31TB HBM4
- 聚合 Scale-up 带宽： 260 TB/s
AMD 给出的数据显示，在 DeepSeek V4 Flash FP4 推理场景中，MI455X 的 Token 吞吐最高达到 MI355X 的 34 倍，Token 成本降低 18 倍。当然，这些数据建立在预生产硬件和特定配置上，量产验证仍需时间。
三层网络体系
Helios 的网络方案值得单独关注：
- Salina DPU： 负责前端网络、存储与安全卸载，减少 CPU 在基础设施任务上的消耗
- UALoE Fabric： 机架内 72 颗 GPU 的 Scale-up 互连，提供 260TB/s 聚合带宽
- Vulcano AI NIC： 支持 800G 和 PCIe 6.0，单 GPU 最高 2.4Tbps Scale-out 带宽，用于多机架扩展
这三个组件一起，构成了从服务器入口到机架内部再到跨机架集群的完整数据路径。Pensando——AMD 2024 年收购的网络芯片公司——也从独立业务变成了 AI 平台的核心组成部分。
Venice EPYC：Agent 时代，CPU 重回舞台中央
苏姿丰的判断中有一个容易被忽略的关键洞察：Agent 带来的计算增量不只在 GPU 上。一个 Agent 任务需要执行代码、查询数据库、调用工具、协调并行步骤——大量环节运行在 CPU 上。
AMD 同步发布第六代 EPYC 9006 系列「Venice」，最高 256 核心、512 线程，采用 Zen 6 架构，支持 PCIe 6.0。产品线拓展为四条路线，覆盖通用计算、企业应用、HPC 和 GPU Host 节点。
一个很有意思的数据：EPYC 服务器 CPU 市场份额已到 46%。AMD 称每周都有一家 Forbes Global 2000 企业转向 AMD。当 Agent 从百万级走向十亿级，服务器 CPU 市场可能被重新定义。
ROCm.AI：用 AI 解决 GPU 编程难题
软件栈一直是 AMD 在 AI 领域的短板。CUDA 的护城河不只在性能，更在生态习惯。今天的发布中，ROCm.AI 是为补齐这个短板而生的新方案。
ROCm.AI 不是一个新的底层框架，而是在现有 ROCm 软件栈上增加了一层 AI 辅助能力：GPU 代码生成、CUDA 到 HIP 的迁移辅助、性能瓶颈定位和优化建议——并支持与 Cursor、Claude、Codex、Gemini 等主流工具配合。
AMD 还推出了 FlyDSL，一个 Pythonic 的领域特定语言，让 Python 开发者减少对线程、内存和调度的关注，更专注于算法本身。
ROCm.AI 计划 2026 年 8 月可用。Hugging Face 上已有超过 300 万个模型可在 AMD 平台开箱运行，排名前十的开源 AI 项目已原生支持 AMD，社区贡献增长超 10 倍。但软件竞争力最终取决于模型适配时效、算子性能和生产环境稳定性——这是 ROCm.AI 需要持续兑现的承诺。
局部与终端：从 Cloud 到 Edge
AMD 同时展示了从云端到终端的全线布局：
- 锐龙 AI 400 / AI MAX： 分别面向约 24B 和更高参数规模的本地推理
- Gorgon Halo： 下一代平台，统一内存提升至 192GB，支持约 300B 参数模型
- Kria AI 机器人开发平台： 芯片→量产模块→开发平台→软件→生态，五层覆盖已齐备
值得关注的是 AMD 与思科的联合方案：将锐龙 AI Halo + Lemonade 推理引擎 + Agent 沙箱，与思科的网络安全策略和可观测能力结合，为企业提供了一整套本地 Agent 治理方案。这暗示了一个趋势：企业 AI 基础设施的「最后一公里」竞争，正在从仅靠云端转向云边协同。
战略推演：AMD 的攻防逻辑
把整场发布串联起来，AMD 的战略逻辑非常清晰：
1. 推理是主战场
当训练趋近饱和（或至少边际收益递减），推理才是持续的运营成本。AMD 用 Helios 回应「Token 成本」这个核心指标，而不是比拼训练峰值 FLOPS。
2. 系统竞争取代芯片竞争
市场评价 AI 基础设施的方式正在变化：从单颗 GPU 性能，转向每机架吞吐、单位 Token 成本、集群利用率和故障容忍能力。Helios 对标的不是 H100 或 B200，而是英伟达的整体系统方案。
3. 开放架构 vs 垂直整合
英伟达的策略是控制每一个环节——GPU、CPU、互连、网卡、DPU、交换机和 CUDA。AMD 选择开放架构：联合芯片、服务器、网络、云平台和软件伙伴共同交付。
开放带来更大的定制空间和议价能力，但也伴随更高的执行难度——兼容验证、性能调优因参与方增加而更复杂。
4. 对标 NVIDIA Vera Rubin
AMD 给出的建模数据中，Helios 每美元 Token 产出最高比 NVIDIA Vera Rubin NVL72 高 30%。如果这个数据能被量产验证，AMD 将获得进入大厂采购清单的入场券。
落到行动：接下来看什么？
AMD 今天的发布很全面，但真正的考验不在 PPT 上：
- ROCm.AI 8 月可用后，需要关注开发者的真实迁移成本和上手体验——这才是 CUDA 护城河真正薄弱的环节
- Helios 的量产时间表和首批客户的部署效果，将决定 AMD 能否从「第二选择」变为「可信选择」
- MI500 及后续系统的接口和架构——Helios 能否保护客户的长期硬件投资，决定了它能不能从「模块化机架」演进为「可升级平台」
- Agent 工作负载的 CPU 需求是否会如苏姿丰预期那样爆发，验证 Venice EPYC 的定位是否准确
AI 基础设施正在经历从「哪颗芯片更快」到「哪个系统更便宜」的转折。AMD 在 Advancing AI 2026 上押注的方向没有错，但执行之路才刚刚开始。