蘇姿豐一口氣掏了七樣東西，AMD終於把AI基礎設施的拼圖湊齊了
整個AI產業都在追問同一個問題：除了
NVIDIA輝達，還有沒有第二選擇？
七月的聖何塞，AMD給了答案。
蘇姿豐站上台，沒有繞彎子。直接攤牌了AMD的底牌，七項發布涵蓋了從桌面到萬卡集群的每一個環節。 GPU、CPU、網路晶片、機架方案、本地AI、機器人、軟體棧，全線補齊。
她甚至預言了一個讓人瞠目的數字：AI加速器市場到2030年將膨脹到1.4兆美元，接近今天整個半導體市場的總規模。
AMD認為，到時候自己有機會吃下其中兩萬億，注意，是整個市場的營收機會，不是AMD自己的營收。這意味著在所有參與的細分市場裡，AMD都打算跑贏大盤。
胃口不小。但在看完今天掏出的東西之後，我得承認，這胃口有底氣。
｜晶片端的三板斧：2nm GPU、效能碾壓的CPU、萬卡級機架
AMD今天打出的牌，最核心的是三張。
第一張：MI455X，全球首款2nm GPU。
說幾個數你就知道分量了。
3200億顆電晶體，台積電2nm工藝，432GB HBM4顯存。理論顯存頻寬最高23.3TB/s，為上一代MI355X的2.9倍。 FP4峰值浮點算力40PFLOPS，直接翻了四倍。
最有說服力的是跑模型的表現：跑DeepSeek-V3時，MI455X的Token吞吐量最高能到MI355X的34倍，每Token成本壓到了原來的1/18。
架構上也動了刀。這一代改了內部組織方式，以WGP工作小組處理器取代了沿用多年的計算單元表述。 L2快取被移出來單獨做了個晶片，兩顆全域L2各自96MB，由Infinity Fabric連接並保持一致性。 HBM4放在Fabric的另一側，兩顆L2都能存取整個顯存空間，這對於大模型推理中的顯存存取模式來說，是個關鍵最佳化。
值得一提的是，MI455X是首款以Wave32為主要執行模式的Instinct GPU，砍掉了對Wave64的支援。這意味著更低的指令延遲、更少的分支懲罰和更低的暫存器壓力。新增的tanh指令把非線函數的吞吐翻了一倍。
封裝方式也換了。從MI300/MI350系列的CoWoS-S（大型矽中介層）改為CoWoS-L（有機基板中嵌入局部矽橋），能支撐比上一代更大的GPU模組。
第二張："Venice"，號稱"全球最強智能體CPU"。
AMD在CPU領域的自信是寫在臉上的，畢竟伺服器CPU市佔率從2017年的0.2%衝到了今天的46%。
Venice是第六代EPYC伺服器CPU，也是AMD首款2nm伺服器CPU。最高256核心512線程，首度支援PCIe 6.0，最高功耗600W。 AMD拿它跟本周輝達剛披露的Vera CPU硬碰硬比了一輪數據：
通用CPU伺服器場景，效能是88核心Vera的3.3倍。作為GPU主機節點跑前沿模型推理，每秒Token數是英特爾至強6960P的1.8倍。每瓦可承載的智能體數量是136核Arm方案的2.8倍。
一個特別紮心的對比：AMD稱，一個用了五年的老資料中心，如果有大約1000顆英特爾至強處理器，用82顆Venice就能替換。替換比約12:1，省77%功耗，砍掉92%的伺服器數。
Venice SP7已經進入量產，預計今年Q4開始出貨。
第三張：Helios機架，專為萬卡等級設計。
Helios不是單晶片，是一整套機架級方案，72張MI455X GPU加上18顆Venice CPU，透過Pensando網路技術互聯，由ROCm軟體堆疊驅動。
整機架參數驚人：超過1.8萬個CDNA 5計算單元、4600多個Zen 6核心、31TB HBM4記憶體、1.7PB/s的HBM頻寬。 FP4峰值算力2.9EFLOPS，FP8 1.4EFLOPS。
AMD直接拿它跟英偉達當時最強的Vera Rubin NVL72對了一組數：AI算力高出15%，HBM容量高出50%，橫向擴展頻寬高出50%。跑Kimi K2 Thinking模型時，Helios的吞吐量比英偉達方案高出10%到15%。每美元能多產最多30%的Token。
最值得關注的訊號是客戶名單：OpenAI、Meta、Anthropic、微軟、Oracle都選了Helios參考設計。三家頂級大模型公司已承諾以吉瓦級規模部署。
這也不是PPT，Helios已進入生產階段。
｜為什麼網路成了兵家必爭之地
AMD今天在網路層面攤了三張牌，這部分很容易被忽略，但它恰恰是"機架級方案"能不能跑通的關鍵。
過去幾年，AMD一直在默默建造三條網路線：前端網路、縱向擴展網路、橫向擴展網路。今天Helios的網路系統正好覆蓋這三層。
前端網路靠的是第三代Pensando Salina DPU，400G頻寬，效能翻倍。負責軟體定義網路、線上加密、NVMe over Fabric存儲，甚至能卸載KV Cache的上下文檢索。
縱向擴充網路用的是AMD自己推的UALoE，一種基於乙太網路的開放架構。它能將72顆GPU連成一個統一資源池，提供260TB/s的頻寬，31TB HBM4被當作統一記憶體來使用。這套架構最核心的設計理念是可靠性：鏈路中斷、交換器故障、丟包都不至於讓整個任務重啟，也無需昂貴的檢查點恢復。 AMD也設計了一套Fabric Manager，能做零接觸部署、即時監控和細微遙測。
橫向擴充網路用的是第二代Pensando Vulcano AI NIC，800G頻寬，PCIe 6.0，每顆GPU最多配3張，總頻寬最高2.4Tbps。
這套網路架構的深層邏輯是：在萬卡集群時代，瓶頸不在單卡算力，在資料能不能餵得夠快、卡與卡之間能不能高效協同。
｜一個有趣的結盟
發布自家晶片之外，AMD今天還宣布了一樁不太尋常的合作，跟Cerebras Systems聯姻。
Cerebras以創造全球最大晶片聞名，它的晶圓級引擎（WSE）是一整片晶圓上切出一顆超級晶片，跟AMD的多Chiplet路線是兩個極端。但AMD和Cerebras決定合作推出一套"解耦式AI推理方案"：把AMD Helios機架和Cerebras的晶圓級引擎結合起來。
聽起來反直覺，一個走Chiplet路線，一個走晶圓級路線，兩個技術哲學完全相反的玩家為什麼要聯手？
蘇姿豐的解釋很實在：未來的AI運算負載不會只有一種形態，不同的任務需要不同的加速器。 GPU適合演算法還在快速變化的工作負載，因為可編程性強；而Cerebras的晶圓級晶片在某些特定推理場景中有獨特的優勢。
這兩套引擎協同工作之後，每瓦每秒能產生的Token數據說能提升到5倍。 Cerebras甚至計劃在自己的資料中心部署Helios系統。
｜把3000億參數模型搬上桌面
資料中心之外，AMD今天也展示了向邊緣延伸的產品線。
代號"Gorgon Halo"的Ryzen AI Max PRO 400系列高階版，把統一記憶體從128GB推到了192GB。這意味著什麼？一台桌面工作站就能本地運行3000億參數級的大模型。
對於需要做模型微調、資料預處理但不想把所有東西都丟到雲端的開發者來說，這是個相當有吸引力的選項。 AMD的策略很清晰：開發者可以在本地工作站上完成模型開發和微調，然後無縫遷移到資料中心的MI系列GPU上運行生產負載。
ROCm軟體堆疊橫跨這兩個世界。
｜機器人的"全身方案"
機器人方面，AMD今天拿出了一個完整的開發全家桶。
核心晶片為Ryzen AI Embedded X100系列處理器，16核心Zen 5 CPU、RDNA 3.5集顯、XDNA 2 NPU。搭配Kria AI系統模組，一塊預先整合了高速介面和基礎運算的模組，底部有一組連接器，插到客戶設計的載板上就能用。
蘇姿豐把AMD的機器人方案描述得形象：Kira AI是大腦（高階感知與推理），Versal AI Edge是脊椎（高速資料與自適應運算），Zynq UltraScale+是關節（即時控制），Spartan UltraScale+是感測器介面。
跟輝達Jetson AGX Thor比，AMD給出的數據是：Kira平台即時控制性能是Jetson的3.4倍，可並發運行的智能體數量是2.3倍，CPU容量是1.6倍。開發者平台計劃今年Q4出貨。
｜軟體：被低估的護城河
AMD發布了新的ROCm.ai軟體棧，分四層，Skills層面向程式設計智能體、HyperLoom層做端對端優化、框架整合層對接PyTorch/vLLM/SGLang/JAX、底層是核心SDK。
其中HyperLoom這個概念值得多說兩句。它是一套智能體工作流程：運行模型→效能剖析→定位瓶頸（通訊/GEMM/其他核心）→發現可融合的核心→自動執行最佳化→重新測試→迭代。會中示範了用Claude Code配合HyperLoom優化MiniMax M3推理，一次點擊就把性能提升了38.3%。
另一個示範是用Codex在Helios上跑1.6萬億參數的DeepSeek-V4 Pro，系統自動配置環境、啟動模型，然後在命令行裡"寫一首關於Advancing AI的詩"，模型當場生成。
這背後有一個更重要的訊號：ROCm的發布節奏已經從過去的每4-6個月一次，加快到大約每六週一次。外部開發者對ROCm的程式碼貢獻一年增加了10倍以上。目前ROCm已支援Hugging Face上超過300萬個模型，新開源模型發布當天就能獲得支援。
｜這是一盤完整的大棋
回頭看AMD整場發表會，能清楚地看到一條主線。
過去幾年，AMD一直在各個細分領域一點點啃。今天它終於把拼圖拼湊了：從桌面開發者工作站（Gorgon Halo），到本地推理（Ryzen AI），到伺服器CPU（Venice），到AI訓練推理GPU（MI455X），到機架級方案（Helios），到網絡互聯軟體（DPU/NIC/UALoE），到機器人（Kira），再到軟體。
每個環節單獨拿出來都有競品，但全端自研的完整度，目前只有AMD和輝達能做到。
蘇姿豐在會後交流時說了一段話，我印像很深。她說AMD的市場機會到2030年可以達到約2兆美元，不是AMD的營收，而是AMD參與的細分市場的總規模。 AMD要做的，就是在每個參與的細分市場裡跑贏大盤。
這個目標能不能實現，取決於一件事：那些承諾以吉瓦規模部署Helios的客戶，明年這個時候會不會追加訂單。
答案，明年見。
NVIDIA輝達，還有沒有第二選擇？
七月的聖何塞，AMD給了答案。
蘇姿豐站上台，沒有繞彎子。直接攤牌了AMD的底牌，七項發布涵蓋了從桌面到萬卡集群的每一個環節。 GPU、CPU、網路晶片、機架方案、本地AI、機器人、軟體棧，全線補齊。
她甚至預言了一個讓人瞠目的數字：AI加速器市場到2030年將膨脹到1.4兆美元，接近今天整個半導體市場的總規模。
AMD認為，到時候自己有機會吃下其中兩萬億，注意，是整個市場的營收機會，不是AMD自己的營收。這意味著在所有參與的細分市場裡，AMD都打算跑贏大盤。
胃口不小。但在看完今天掏出的東西之後，我得承認，這胃口有底氣。
｜晶片端的三板斧：2nm GPU、效能碾壓的CPU、萬卡級機架
AMD今天打出的牌，最核心的是三張。
第一張：MI455X，全球首款2nm GPU。
說幾個數你就知道分量了。
3200億顆電晶體，台積電2nm工藝，432GB HBM4顯存。理論顯存頻寬最高23.3TB/s，為上一代MI355X的2.9倍。 FP4峰值浮點算力40PFLOPS，直接翻了四倍。
最有說服力的是跑模型的表現：跑DeepSeek-V3時，MI455X的Token吞吐量最高能到MI355X的34倍，每Token成本壓到了原來的1/18。
架構上也動了刀。這一代改了內部組織方式，以WGP工作小組處理器取代了沿用多年的計算單元表述。 L2快取被移出來單獨做了個晶片，兩顆全域L2各自96MB，由Infinity Fabric連接並保持一致性。 HBM4放在Fabric的另一側，兩顆L2都能存取整個顯存空間，這對於大模型推理中的顯存存取模式來說，是個關鍵最佳化。
值得一提的是，MI455X是首款以Wave32為主要執行模式的Instinct GPU，砍掉了對Wave64的支援。這意味著更低的指令延遲、更少的分支懲罰和更低的暫存器壓力。新增的tanh指令把非線函數的吞吐翻了一倍。
封裝方式也換了。從MI300/MI350系列的CoWoS-S（大型矽中介層）改為CoWoS-L（有機基板中嵌入局部矽橋），能支撐比上一代更大的GPU模組。
第二張："Venice"，號稱"全球最強智能體CPU"。
AMD在CPU領域的自信是寫在臉上的，畢竟伺服器CPU市佔率從2017年的0.2%衝到了今天的46%。
Venice是第六代EPYC伺服器CPU，也是AMD首款2nm伺服器CPU。最高256核心512線程，首度支援PCIe 6.0，最高功耗600W。 AMD拿它跟本周輝達剛披露的Vera CPU硬碰硬比了一輪數據：
通用CPU伺服器場景，效能是88核心Vera的3.3倍。作為GPU主機節點跑前沿模型推理，每秒Token數是英特爾至強6960P的1.8倍。每瓦可承載的智能體數量是136核Arm方案的2.8倍。
一個特別紮心的對比：AMD稱，一個用了五年的老資料中心，如果有大約1000顆英特爾至強處理器，用82顆Venice就能替換。替換比約12:1，省77%功耗，砍掉92%的伺服器數。
Venice SP7已經進入量產，預計今年Q4開始出貨。
第三張：Helios機架，專為萬卡等級設計。
Helios不是單晶片，是一整套機架級方案，72張MI455X GPU加上18顆Venice CPU，透過Pensando網路技術互聯，由ROCm軟體堆疊驅動。
整機架參數驚人：超過1.8萬個CDNA 5計算單元、4600多個Zen 6核心、31TB HBM4記憶體、1.7PB/s的HBM頻寬。 FP4峰值算力2.9EFLOPS，FP8 1.4EFLOPS。
AMD直接拿它跟英偉達當時最強的Vera Rubin NVL72對了一組數：AI算力高出15%，HBM容量高出50%，橫向擴展頻寬高出50%。跑Kimi K2 Thinking模型時，Helios的吞吐量比英偉達方案高出10%到15%。每美元能多產最多30%的Token。
最值得關注的訊號是客戶名單：OpenAI、Meta、Anthropic、微軟、Oracle都選了Helios參考設計。三家頂級大模型公司已承諾以吉瓦級規模部署。
這也不是PPT，Helios已進入生產階段。
｜為什麼網路成了兵家必爭之地
AMD今天在網路層面攤了三張牌，這部分很容易被忽略，但它恰恰是"機架級方案"能不能跑通的關鍵。
過去幾年，AMD一直在默默建造三條網路線：前端網路、縱向擴展網路、橫向擴展網路。今天Helios的網路系統正好覆蓋這三層。
前端網路靠的是第三代Pensando Salina DPU，400G頻寬，效能翻倍。負責軟體定義網路、線上加密、NVMe over Fabric存儲，甚至能卸載KV Cache的上下文檢索。
縱向擴充網路用的是AMD自己推的UALoE，一種基於乙太網路的開放架構。它能將72顆GPU連成一個統一資源池，提供260TB/s的頻寬，31TB HBM4被當作統一記憶體來使用。這套架構最核心的設計理念是可靠性：鏈路中斷、交換器故障、丟包都不至於讓整個任務重啟，也無需昂貴的檢查點恢復。 AMD也設計了一套Fabric Manager，能做零接觸部署、即時監控和細微遙測。
橫向擴充網路用的是第二代Pensando Vulcano AI NIC，800G頻寬，PCIe 6.0，每顆GPU最多配3張，總頻寬最高2.4Tbps。
這套網路架構的深層邏輯是：在萬卡集群時代，瓶頸不在單卡算力，在資料能不能餵得夠快、卡與卡之間能不能高效協同。
｜一個有趣的結盟
發布自家晶片之外，AMD今天還宣布了一樁不太尋常的合作，跟Cerebras Systems聯姻。
Cerebras以創造全球最大晶片聞名，它的晶圓級引擎（WSE）是一整片晶圓上切出一顆超級晶片，跟AMD的多Chiplet路線是兩個極端。但AMD和Cerebras決定合作推出一套"解耦式AI推理方案"：把AMD Helios機架和Cerebras的晶圓級引擎結合起來。
聽起來反直覺，一個走Chiplet路線，一個走晶圓級路線，兩個技術哲學完全相反的玩家為什麼要聯手？
蘇姿豐的解釋很實在：未來的AI運算負載不會只有一種形態，不同的任務需要不同的加速器。 GPU適合演算法還在快速變化的工作負載，因為可編程性強；而Cerebras的晶圓級晶片在某些特定推理場景中有獨特的優勢。
這兩套引擎協同工作之後，每瓦每秒能產生的Token數據說能提升到5倍。 Cerebras甚至計劃在自己的資料中心部署Helios系統。
｜把3000億參數模型搬上桌面
資料中心之外，AMD今天也展示了向邊緣延伸的產品線。
代號"Gorgon Halo"的Ryzen AI Max PRO 400系列高階版，把統一記憶體從128GB推到了192GB。這意味著什麼？一台桌面工作站就能本地運行3000億參數級的大模型。
對於需要做模型微調、資料預處理但不想把所有東西都丟到雲端的開發者來說，這是個相當有吸引力的選項。 AMD的策略很清晰：開發者可以在本地工作站上完成模型開發和微調，然後無縫遷移到資料中心的MI系列GPU上運行生產負載。
ROCm軟體堆疊橫跨這兩個世界。
｜機器人的"全身方案"
機器人方面，AMD今天拿出了一個完整的開發全家桶。
核心晶片為Ryzen AI Embedded X100系列處理器，16核心Zen 5 CPU、RDNA 3.5集顯、XDNA 2 NPU。搭配Kria AI系統模組，一塊預先整合了高速介面和基礎運算的模組，底部有一組連接器，插到客戶設計的載板上就能用。
蘇姿豐把AMD的機器人方案描述得形象：Kira AI是大腦（高階感知與推理），Versal AI Edge是脊椎（高速資料與自適應運算），Zynq UltraScale+是關節（即時控制），Spartan UltraScale+是感測器介面。
跟輝達Jetson AGX Thor比，AMD給出的數據是：Kira平台即時控制性能是Jetson的3.4倍，可並發運行的智能體數量是2.3倍，CPU容量是1.6倍。開發者平台計劃今年Q4出貨。
｜軟體：被低估的護城河
AMD發布了新的ROCm.ai軟體棧，分四層，Skills層面向程式設計智能體、HyperLoom層做端對端優化、框架整合層對接PyTorch/vLLM/SGLang/JAX、底層是核心SDK。
其中HyperLoom這個概念值得多說兩句。它是一套智能體工作流程：運行模型→效能剖析→定位瓶頸（通訊/GEMM/其他核心）→發現可融合的核心→自動執行最佳化→重新測試→迭代。會中示範了用Claude Code配合HyperLoom優化MiniMax M3推理，一次點擊就把性能提升了38.3%。
另一個示範是用Codex在Helios上跑1.6萬億參數的DeepSeek-V4 Pro，系統自動配置環境、啟動模型，然後在命令行裡"寫一首關於Advancing AI的詩"，模型當場生成。
這背後有一個更重要的訊號：ROCm的發布節奏已經從過去的每4-6個月一次，加快到大約每六週一次。外部開發者對ROCm的程式碼貢獻一年增加了10倍以上。目前ROCm已支援Hugging Face上超過300萬個模型，新開源模型發布當天就能獲得支援。
｜這是一盤完整的大棋
回頭看AMD整場發表會，能清楚地看到一條主線。
過去幾年，AMD一直在各個細分領域一點點啃。今天它終於把拼圖拼湊了：從桌面開發者工作站（Gorgon Halo），到本地推理（Ryzen AI），到伺服器CPU（Venice），到AI訓練推理GPU（MI455X），到機架級方案（Helios），到網絡互聯軟體（DPU/NIC/UALoE），到機器人（Kira），再到軟體。
每個環節單獨拿出來都有競品，但全端自研的完整度，目前只有AMD和輝達能做到。
蘇姿豐在會後交流時說了一段話，我印像很深。她說AMD的市場機會到2030年可以達到約2兆美元，不是AMD的營收，而是AMD參與的細分市場的總規模。 AMD要做的，就是在每個參與的細分市場裡跑贏大盤。
這個目標能不能實現，取決於一件事：那些承諾以吉瓦規模部署Helios的客戶，明年這個時候會不會追加訂單。
答案，明年見。