7 月 23 日，旧金山 Moscone Center，AMD CEO 苏姿丰走上 Advancing AI 2026 的主讲台。她没有花太多时间谈单颗芯片的规格，而是直接宣布：Helios 机架级 AI 系统「已经进入量产」，OpenAI、Meta、Anthropic、Microsoft 和 Oracle 都将是首批部署客户。
对熟悉 AMD 的人来说，这是一个信号。过去几年的 AI 芯片叙事里，AMD 的角色一直是「Nvidia 的替代品」——便宜、供货快、但软件生态差一截。而这一次，AMD 试图把叙事改写为「全栈 AI 基础设施供应商」，从硅到系统到软件，提供一整套与 Nvidia 正面竞争的平台。
苏姿丰在演讲中说：「AI 的下一个阶段将涵盖前沿模型、Agent 和物理 AI。实现这一潜力需要前所未有的计算规模。」而 Helios 就是 AMD 对这个规模的回答。
Helios：72 颗 GPU 组成一台「AI 工厂」
Helios 并不是新概念。AMD 在去年的 Advancing AI 上首次展示了它的蓝图。今年的区别是——它已经从蓝图变成了可以出货的产品。
一台 Helios 机架的核心配置：72 颗 MI455X GPU、18 颗 EPYC Venice CPU、225 到 245kW 的总功耗，单机架售价 525 万美元。机架采用 AMD 与 Meta 在 OCP 联合开发的 Open Rack Wide 格式，宽 1.2 米，深 1.3 米，通过 50V 液冷总线供电，每分钟循环约 385 升冷却液。
真正体现 AMD 技术野心的，是 MI455X 这颗 GPU。
基于 CDNA 5 架构、台积电 N2 工艺，MI455X 是一颗 3200 亿晶体管的巨无霸——AMD 有史以来最大的芯片，也是台积电 CoWoS-L 封装上迄今集成度最高的设计。它搭载 12 组 HBM4 堆栈，总计 432GB 容量、23.3TB/s 的内存带宽，峰值算力达到 40.26 PFLOPS（MXFP4 精度）。
这个 HBM 容量比 Nvidia Vera Rubin 的 288GB 多出整整 50%。MI455X 的 scale-out 带宽也领先——每颗 GPU 2400 Gb/s，而 Rubin 为 1600 Gb/s。在 Kimi K2 Thinking 模型的内部测试中，AMD 声称 Helios 单 GPU 吞吐量比 Rubin 机架高出 10% 到 15%，「每美元 token 数」高出最多 30%。
与 Rubin 的竞争不止在规格表上。AMD 做出了一系列架构选择，在系统层面与 Nvidia 形成差异化。
首先，Helios 的 scale-up 网络使用了 12 颗 Broadcom Tomahawk 6 商用交换芯片和 UALoE（Ultra Accelerator Link over Ethernet）开放协议，将 72 颗 GPU 连接成一个共享内存域，提供 260TB/s 的机架内带宽。而 Rubin NVL72 需要 36 颗 NVSwitch 6 芯片来实现相同功能——AMD 用更少的组件实现了同等带宽，降低了故障点数量。
其次，MI455X 的网卡直连 GPU，而根据 SemiAnalysis 的分析，Rubin 的 ConnectX-9 网卡挂在 Vera CPU 上，GPU 流量需要经过 CPU 才能到达网络——在高负载场景下可能成为瓶颈。不过 Rubin 的 NVLink-C2C 提供 1.8TB/s 的 CPU-GPU 带宽，远高于 MI455X 通过 Infinity Fabric 的 256GB/s。两家在存储路径上也做了相反的取舍：Rubin 支持 GPUDirect Storage，MI455X 不支持，但 AMD 通过 Salina DPU 提供了 KV 缓存卸载作为部分补偿。
14GW：客户用真金白银投票
硬件再强，没有客户也是纸上谈兵。AMD 这次带来的客户阵容，可能是整个发布会上最有分量的部分。
7 月 22 日，AMD 与 Anthropic 联合宣布战略合作：Anthropic 将部署 2GW 的 MI450 系列 GPU（运行在 Helios 机架中），首批 1GW 将于 2027 年上半年启动。作为交易的一部分，AMD 承诺在未来向 Anthropic 投资最多 50 亿美元。
这一交易叠加此前已公开的协议——OpenAI 部署 6GW AMD 算力（同时持有 AMD 最多约 10% 股份的认股权证）、Meta 部署 6GW——三家头部 AI 公司合计锁定了 14GW 的 AMD 算力。作为参考，单个 Helios 机架功耗约 225-245kW，14GW 大致相当于约 5.7 万到 6.2 万个机架的部署规模。
Anthropic 首席计算官 Tom Brown 在声明中解释了这个决策的逻辑：「让 Claude 保持在前沿并满足客户需求，获取算力是核心。通过在多种硬件上运行，我们能把正确的工作负载匹配到正确的硬件上。」这句话透露了一个行业现实：顶级 AI 实验室正在主动寻求供应链多元化，不愿把鸡蛋全放在 Nvidia 一个篮子里。
OpenAI 基础设施负责人 Sachin Katti 在 AMD 的主题演讲中更明确地描述了双方的深度合作。他说 OpenAI 的工程师正与 AMD 团队「并肩优化软件栈」，预计将在「今年年底到 2027 年」启动 Helios 的大规模部署。
苏姿丰在发布会上表示，对 Helios 的需求「极其强劲……从最大的 AI 实验室到超大规模云服务商」。除了上述三家 AI 公司，Microsoft Azure 和 Oracle 也被列为早期 Helios 客户。
Venice：CPU 在 Agent 时代卷土重来
如果说 GPU 是这次大会的主菜，CPU 则是一道被低估但同样重要的配菜。
苏姿丰花了相当篇幅重新定位 CPU 在 AI 基础设施中的角色。她的观点直截了当：Agent 工作负载将计算栈分裂为三个层级——GPU 主机节点（CPU 负责驱动 GPU）、密集的 Agent 沙箱（需要最高的每瓦核心性能来同时运行数千个 Agent）、传统通用服务器（追求效率）。
以威尼斯为代号的第六代 EPYC 处理器（Zen 6 架构、台积电 2nm 工艺）就是 AMD 针对这三个层级的答案。苏姿丰宣称 Venice 实现了「EPYC 历史上最大的代际提升」——性能比上一代 Turin 高出最多 1.8 倍，单插槽最高 512 线程。
Venice 的产品线被拆分得很细：高频版 Venice HF 主攻 GPU 主机节点，最高 5GHz；256 核版本面向 Agent 沙箱，「行业最高计算密度」；128 核版本则针对企业性价比优化。Cisco 执行副总裁 Jeetu Patel 在大会上给出了外部验证：「这不再只是 GPU 的游戏了。CPU 和 GPU 同样重要，甚至 CPU 更重要。」
不过 SiliconANGLE 分析师 Zeus Kerravala 在会后评论中提醒：Agent AI 确实给了 CPU 第二春，但这个领域的竞争者远不止 AMD。Intel 在核心数和 AI 卸载上并未停滞，Arm 阵营也在以能效和定制化作为武器。Venice 的代际提升在纸面上令人印象深刻，但要转化为规模部署，还需要赢得 OEM 设计、云平台认证和企业软件生态的支持。
软件：用 AI 来缩小差距
AMD 的软件生态一直是它相对于 Nvidia CUDA 的最大短板。在 Advancing AI 上，AMD 采取的策略不是正面追赶，而是选择了一条不同的路径——用 AI 来优化 AI 硬件上的代码。
高级副总裁 Vamsi Boppana 发布了 ROCm.AI，一个将于 8 月上线的 AI 辅助开发平台。它的核心组件 Hyperloom 是一个无需人工干预的优化引擎：自动分析工作负载、调整配置、重写 GPU 内核、验证结果。AMD 称其已在内部用 Hyperloom 持续优化约 14,000 个模型。在大会现场演示中，AI Agent 针对 MiniMax M3 模型自动编写了一个优化的 MoE GEMM 内核，将 token 吞吐量提升了 38%。
ROCm 的发布节奏也被固定为每六周一个版本。AMD 声称 ROCm.AI 在相同硬件上相比 ROCm 7 实现了平均 3.3 倍的推理性能和 2.4 倍的训练性能提升——但这个数字来自 AMD 自身测试，尚未经独立验证。
更值得关注的是 AMD 的开放性策略。因为 ROCm 的编译器、运行时和库全部开源，合作伙伴和 AI Agent 可以直接看到指令集层面的细节。OpenAI 的 Philippe Tillet 在主题演讲中特别提到，这种开放性让 OpenAI 在将 GPT 级模型移植到 AMD 硬件时实现了「非常显著的性能提升」。AMD 的赌注是：一个开放的软件栈加上 AI 辅助的自动优化，相比传统的手工调优，可以更快地缩小与 CUDA 的生态差距。
叙事与现实之间的差距
AMD 在 Advancing AI 2026 上传递的信息是清晰的：它不再满足于做「替代品」，而是要以一个完整平台的身份参与 AI 基础设施的定义。14GW 的客户承诺、每年迭代的芯片路线图（MI500 系列 2027、MI600 系列 2028）、以及 Zen 7「Florence」（2028）和 Zen 8「Ravenna」（2030）的 CPU 路线图，都在强化这个叙事。
但有几个现实问题不容回避：
基准测试是 AMD 自己的。「10% 到 15% 更高性能」「最多 30% 更多 tokens 每美元」——这些比较的对象是 Nvidia 的公开规格和 AMD 的内部建模，而非独立的第三方测试。AMD 自己的 MI455X 实测数据显示，实际 MXFP4 算力约为峰值的 50%（20 PFLOPS vs 40.26 PFLOPS），这本身是诚实的披露，但提醒了我们：纸面规格和实际性能之间永远有距离。
**FP4 不具可比性。**MI455X 使用 OCP 的 MXFP4 格式，Rubin 使用 Nvidia 的 NVFP4 格式——两者在量化精度和缩放方案上有实质性差异。跨厂商的 FP4 比较只有在实际应用层面（相同精度下的 token 吞吐量）才有意义，而目前这样的数据还很少。
**软件生态差距不会一夜消失。**Nvidia 拥有的不只是 CUDA，还有多年积累的开发者习惯、企业客户信任、以及从训练框架到推理引擎的完整工具链。ROCm.AI 和 Hyperloom 是有趣的思路，但它们尚处于早期阶段。AI 自动生成的代码需要在大规模生产环境中证明安全、可复现、可调试。
**设计赢（design win）不等于市场份额。**OpenAI、Meta 和 Anthropic 的承诺是实打实的，但这些部署将在未来几年逐步展开。Nvidia 的已安装基础、供应链规模和软件壁垒意味着 AMD 仍然需要多个季度的完美执行，才能将首发客户转化为持久市场地位。
这也是 SiliconANGLE 的 Kerravala 给出的核心判断：「开放性看起来是必要的，但并不足够。AMD 需要硅、软件和生态的多个周期的无瑕执行，才能将这场令人印象深刻的主旨演讲定位转化为持久的市场力量。」
Helios 和 MI455X 让 AMD 第一次在硬件层面不再处于追赶位置——甚至在纸面上领先。14GW 的客户承诺让这个平台有了真实的需求基础。但正如每一次技术平台的更替一样，从「有能力竞争」到「实际赢得市场」，中间隔着的不只是产品发布，还有生态建设、客户信任和持续一致的执行力。AMD 刚刚走完了第一步。
