AMD高管回应英伟达“专为智能体AI打造”宣传,称四年前无法预知该趋势
面对英伟达为其Vera CPU打上“专为智能体AI打造”标签的营销策略,AMD副总裁马杜·兰加拉詹与首席Zen架构师迈克·克拉克公开回应,强调CPU研发周期长于技术趋势爆发期,质疑其“预知式设计”说法...
近期,围绕“智能体AI”(Agentic AI)这一新兴计算范式,AMD与英伟达在数据中心CPU领域的叙事分歧逐渐公开化。11月11日,AMD高层在媒体交流中直接回应英伟达对其Vera CPU“专为智能体AI打造”的定位宣传,言辞坦率且具针对性。
AMD副总裁马杜·兰加拉詹明确表示:“我们认为EPYC 9006是智能体时代最好的CPU”,但随即补充道:“剧透一下,我们四年前并没有神奇地预知智能体会成为现实,然后专门为智能体打造点什么。”这一表述直指行业常识:通用处理器的研发周期通常以3至5年计,而当前对智能体AI的广泛讨论始于2024年3月左右,由OpenAI等机构推动形成热潮。在技术尚未明朗前即为特定应用场景定制流片,既不符合工程逻辑,也缺乏商业可行性。
首席Zen架构师迈克·克拉克进一步澄清:“我不会误导大家,装作我早就知道智能体计算要来。”他承认AMD并未提前布局所谓“智能体专用CPU”,但强调公司长期坚持一个核心判断——CPU在AI软件生态中始终不可或缺。随着智能体工作流逐步落地,AMD正将既有CPU能力快速适配至新场景,而非从零构建单一用途芯片。
这一回应背后,是两家厂商在产品哲学上的根本差异。英伟达将Vera CPU定位为“专为智能体AI设计”,试图通过概念绑定强化其在AI全栈中的主导地位;而AMD则主张,智能体工作流本质上是高度异构的任务集合,涵盖推理调度、状态管理、工具调用、记忆检索等多个环节,对计算资源的需求呈现“高吞吐+低延迟+强I/O”并存的特征。单一SKU难以覆盖全部场景,反而是具备弹性配置能力的CPU家族更具适应性。
具体到产品层面,AMD已部署两条技术路径应对:一是高密度型号如EPYC 9996(256核),主打大规模并行任务的峰值吞吐能力;二是频率优化型号如EPYC 9686F,针对AI主机节点等需快速响应的子任务,在单线程性能与能效比上与英伟达Vera形成正面竞争。实测数据显示,9686F在部分智能体中间件调度基准中表现接近甚至略优于Vera,尤其在多任务并发与内存带宽敏感型负载中优势明显。
值得注意的是,AMD并未否认智能体AI的价值,而是反对将其简化为一种“硬件专属”叙事。兰加拉詹指出,真正的技术演进应基于可验证的工作负载需求,而非事后贴标签式的营销话术。他举例称,若四年前就确信智能体将成为主流,那么当时所有服务器CPU厂商都应同步转向同类设计——但事实是,包括英特尔在内的主流厂商均未采取此类激进路线,侧面印证了该趋势的突发性与不确定性。
从行业视角看,此次交锋折射出AI基础设施层话语权争夺的深化。过去几年,GPU凭借训练环节的压倒性优势确立了“AI算力=显卡”的公众认知;进入推理与智能体阶段后,CPU重新获得战略重视,因其承担着协调多个模型调用、维护长期上下文、处理非结构化输入等关键角色。据市场研究机构Omdia数据,2024年Q3全球AI服务器中CPU贡献的总算力占比已回升至37%,较2022年低点提升近12个百分点。
在此背景下,AMD借EPYC 9006系列强化其在AI推理链路中的存在感,不仅关乎市场份额,更涉及对“AI计算定义权”的争夺。该公司正推动与主流智能体框架(如LangChain、LlamaIndex)的深度适配,并联合Red Hat、Canonical等操作系统厂商优化内核调度策略,以提升CPU在长时间运行、状态持续更新类任务中的稳定性。
另一层面,这场争论也揭示了技术宣传与工程现实之间的张力。半导体行业惯于使用“为XX优化”“面向YY场景”等表述,本意是突出产品特性,但在AI热潮下易被解读为“先知式创新”。事实上,多数先进芯片的设计决策依赖于对未来3–5年工作负载的合理外推,而非精准预言。例如,EPYC 9006系列的CCD模块化架构、12通道DDR5内存控制器、PCIe 5.0×128总线设计,初衷是提升通用虚拟化与云原生负载效率,却恰好契合了智能体所需的高并发与低延迟交互需求。
英伟达方面尚未就AMD的质疑作出正式回应,但其Vera CPU仍处于早期客户评估阶段,尚未大规模出货。相较之下,EPYC 9006已在AWS、Azure、Google Cloud等主流云平台上线,部分客户已将其用于部署自主智能体集群。一位不愿具名的云服务商工程师透露:“我们测试过Vera原型,单节点性能不错,但扩展到千级节点时,EPYC的NUMA拓扑管理更成熟,故障隔离也更可靠。”
可以预见,随着智能体应用从实验室走向生产环境,CPU与GPU的协同关系将进一步复杂化。未来系统架构可能不再是“GPU主训+CPU辅推”的二分法,而是形成“GPU负责密集计算单元,CPU统筹任务流与状态机”的新型分工。在此过程中,能否提供灵活、可扩展、低延迟的通用计算底座,将成为衡量数据中心CPU竞争力的关键指标。
AMD此番表态并非单纯驳斥对手,而是重申其技术路线的延续性与务实性。在AI竞赛进入深水区之际,过度聚焦“概念先行”的营销策略或将面临客户理性检验——毕竟,最终决定采购选择的,仍是实际部署中的能效比、兼容性与总体拥有成本。
