AMD AI开发者大会登陆中国，端侧AI与生态布局成大会焦点

AMD高级副总裁、大中华区总裁潘晓明致欢迎辞

2026年5月19日，AMD在上海召开AMD AI开发者大会。这是AMD首次在中国举行开AI发者大会，现场吸引了超过两千名开发者、行业合作伙伴与AI从业者参与。与此同时，今年也恰逢AMD上海研发中心成立二十周年，大会以“开放-构建-创新-连接”作为主题，从底层算力、软件生态到应用形态，系统性展示了AMD在AI时代的战略布局与技术路径，也标志着其在中国AI生态中的角色正进一步深化与升级。

AI进入新阶段：从训练走向推理与应用

AMD董事会主席及首席执行官Dr. Lisa Su做开幕主旨演讲

AMD董事会主席及首席执行官Dr. Lisa Su提出，人工智能正进入新的转折点。过去几年，AI产业的核心关注点集中在大模型训练，而现在，随着推理需求快速增长，以及AI Agent（智能体）概念兴起，计算需求正在发生结构性变化。这种变化的关键在于，AI不再只是集中在数据中心，而是开始向更广泛的场景扩散。推理侧的爆发意味着算力需要更靠近用户，也意味着终端设备的重要性正在被重新评估。

AMD的判断是，未来AI将形成“云+边+端”协同的格局，而CPU、GPU以及系统架构的角色也会随之重新划分。在这个背景下，传统“AI PC”仅仅强调本地AI功能已经不够，必须进一步升级为能够承载完整AI运行逻辑的平台。

“智能体主机”：PC形态的再定义

相比传统AI PC，AMD此次提出了一个更进一步的概念——“智能体主机”。在AMD的设想中，未来PC不再只是运行软件的工具，而是能够长期在线、自主执行任务、具备个性化能力的AI执行平台。这意味着设备需要具备持续运行能力、本地决策能力以及对用户数据的深度理解能力。为了支撑这一形态，AMD对硬件层面提出了更高要求，不仅需要强大的CPU推理性能，还需要GPU协同加速，以及高带宽、大容量的统一内存架构，以支持复杂本地大模型的持续运行。

围绕这一方向，AMD重点展示了锐龙AI Max+系列处理器。目前，包括HP、ASUS、Lenovo、Acer在内的厂商，已经推出超过35款相关产品设计，覆盖AI笔记本、一体机以及Mini AI工作站等多种形态。部分设备最高支持96GB GPU专属显存，并可本地运行200B参数级别的大模型，这在过去几乎只能在数据中心完成。

相比依赖云端算力的传统AI模式，本地AI的优势在于隐私、低延迟以及可控性。尤其是在Agent逐渐涉及个人数据、工作流程乃至长期记忆的情况下，端侧AI的重要性正在被重新放大。

ROCm再升级：AMD补齐软件生态关键拼图

如果说硬件决定上限，那么软件生态决定的是开发者“愿不愿意用”。长期以来，NVIDIA凭借CUDA构建起稳固的开发者体系，这也是其最核心的竞争壁垒之一。相比之下，AMD在AI领域的短板更多体现在软件与工具链层面，因此ROCm的进化成为此次大会的重点。

ROCm 7.2版本在多个方向上补强，包括完善Windows与Linux支持、强化与PyTorch等主流框架的兼容性，并覆盖新一代锐龙AI处理器，实现从PC到数据中心的统一开发路径。其核心目标在于打通开发流程，让开发者无需在不同平台之间反复迁移代码，从本地开发到部署能够更加顺畅。同时，ROCm也在完善工具链生态，逐步覆盖编译器、计算库及智能体框架，形成从底层到应用的完整体系。

从行业角度看，GPU竞争正在从性能转向生态。AMD以“开放平台”切入，本质上是通过降低门槛吸引开发者，从而逐步扩大自身生态基础。

中国市场：开发者生态的关键战场

在中国市场，AMD此次释放出的信号也更加明确。AMD将通过Radeon GPU开发者云、本土模型合作以及与Alibaba Cloud的合作，推动AI开发者生态建设，并推出面向中国市场的专项开发者计划。

与此同时，大会设置了大量偏实践导向的内容，包括GPU实操工作坊、AI基础设施技术研讨会以及“作品说话”开发者论坛，涵盖多模态模型、MoE训练、AI Kernel开发以及智能体应用等多个方向。

整体来看，这种活动形式更接近开发者社区，而不是传统厂商发布会。这也从侧面说明，在AI时代，厂商与开发者之间的关系正在变得更加紧密，甚至直接影响平台竞争格局。

存储厂商开始进入AI计算核心环节

除了CPU与GPU厂商，本次大会上一个值得注意的变化，就是存储厂商也开始更深度参与AI生态。

以国内厂商江波龙为例，其在大会现场展示了面向AI应用优化的存储解决方案，依托SPU（Storage Processing Unit）存储处理单元与iSA（Intelligent Storage Agent）存储智能体，围绕AMD平台开展针对大模型的新一轮存储调优工作。这种从底层数据调度到应用侧性能优化的协同方式，也体现出存储厂商正在从单一硬件供应角色，向AI基础设施参与者转变。

更值得关注的是，江波龙在端侧AI场景中的实践进展。基于AMD锐龙AI Max+ 395智能体主机，其在128GB内存环境下实现了397B参数模型的本地部署，在64GB内存配置中，也能够稳定运行122B级大模型，并兼顾80B、122B模型的适配与长上下文优化。这类成果本质上是在通过存储与内存协同优化，降低大模型对硬件资源的占用，从而提升端侧AI运行效率与经济性。

最后

综合来看，AMD这次AI开发者大会更像是一种“策略公开”，而不是一次简单的产品展示。它传递出的核心信息是，AI产业的竞争正在进入一个新的阶段，在这个阶段里，单纯依赖硬件性能已经不足以形成优势，平台能力、生态开放性以及开发者覆盖，将成为更加关键的因素。

至于这套策略能否真正奏效，目前仍然存在不小的不确定性。CUDA生态的积累并不会轻易被动摇，开发者迁移也需要时间，而本地AI的普及速度同样取决于应用侧的成熟程度。但可以确定的是，随着AI逐渐从“模型能力竞争”转向“应用与体验竞争”，终端算力与开发者生态的重要性会持续上升，而这正是AMD试图提前布局的方向。

如果用一句更简单的话来总结这场大会，它真正讨论的，其实不是“AMD做了什么AI产品”，而是“在AI进入下一阶段之后，谁来定义新的计算入口，以及谁能把开发者带到自己的体系里”。