旧金山——AMD正押注物理人工智能（特别是机器人领域），认为其异构系统级芯片（SoC）比大型GPU更能满足需求。公司推出了Ryzen AI X100芯片，集x86 CPU、GPU与NPU于一体，并采用统一内存架构，体现了AMD对物理AI客户核心诉求的理解：确定性延迟，以及开放的硬件与软件生态系统。
AMD的客户正在开发从手术机器人到仓储、配送、制造及检测机器人等多种应用，长期以来FPGA在这些场景中承担着传感、传感器融合与数据聚合任务。
AMD认为，物理AI正暴露出GPU中心化AI架构在上述应用中的局限性。人形机器人的“大脑”需完成协调调度、感知、推理与控制等多重任务——这些异构任务需要异构计算能力；而FPGAs则部署于系统更靠近传感器的边缘位置（例如置于摄像头后端进行图像处理，或嵌入机械手指中）。
AMD自适应与嵌入式事业部高级副总裁兼总经理萨利尔·拉杰（Salil Raje）向《EE Times》表示：“机器人中存在大量协调工作，同时需要AI支持。规划、决策与推理环节确实需要AI加速器——无论是GPU还是NPU——但我们注意到，CPU的负载需求显著上升。许多客户采用‘GPU大脑+独立大尺寸Intel或AMD CPU’的方案，以实现系统整体协调运行。”
拉杰指出，分离式CPU与GPU架构会引入额外延迟。将CPU、GPU与NPU集成于单颗芯片并采用统一内存，是提升性能的最佳路径。
AMD自适应与嵌入式事业部产品、软件与解决方案企业副总裁柯克·萨班（Kirk Saban）表示，人形机器人将是具身智能（agentic AI）的终极形态。“这与数据中心领域的情形一致：具身AI推动CPU需求激增。诚然，GPU不可或缺，但并非一切围绕GPU展开；我们的多数基准测试显示，自主机器人对CPU算力的需求甚至超过GPU。因此，人形机器人的‘大脑’绝非仅靠一块巨型GPU即可胜任。”
萨班补充道，统一内存使软件可动态分配任务所需内存资源，从而让Ryzen AI X100这类SoC在计算引擎供能效率上超越分立式“重型”GPU。
Ryzen AI X100芯片整合了Zen 5 CPU、桌面级RDNA 3.5 GPU以及XDNA2 NPU。其中NPU贡献了总计126 TOPS INT8算力中的约50 TOPS，专用于处理始终在线、对功耗与延迟高度敏感的AI任务。
萨班强调：“延迟是致命问题。你必须确保从摄像头输入开始，经图像信号处理、模型推理、目标识别，到判断机器人前方物体——整个流程能在确定性时延内完成，使人形机器人在物理世界中及时做出反应。”
拉杰进一步指出，机器人客户首要诉求实为延迟的确定性——即每次执行时间稳定可控，这甚至比单纯缩短平均延迟更为关键。
他解释道：“模型运行时间需合理，但更重要的是响应行为与整个闭环流程的收敛稳定性——这才是客户所追求的确定性。正因如此，仅关注‘大脑’远远不够，还需将算力分布于整机各处；而FPGA与自适应SoC恰恰具备高度确定性优势。”
避免厂商锁定
避免厂商锁定亦列于机器人客户的高优先级需求清单。萨班表示，客户倾向开放架构，拒绝依赖专有标准。
AMD承诺全力支持开源硬件与软件生态。
搭载Ryzen AI X100的新款Kria AI系统级模块（SoM）将采用COM-HPC标准板型，而非私有规格。该SoM将集成至新款Kria AI机器人开发者套件的载板中。所有原理图、物料清单（BOM），乃至载板上Spartan UltraScale+ FPGA的RTL代码，均将开源。
萨班解释道：“开放设计的初衷在于，硬件开发者可根据自身系统需求定制版本——毕竟我们套件中的标准板型很难直接适配各类定制系统，他们通常需通过ODM合作伙伴自行设计载板。我们提供起点与快速启动平台：完整原理图、已验证可行的参考平台……开发者可据此快速修改适配自身需求。”
AMD嵌入式软件栈基于ROCm平台，并配套机器人SDK（另设更广泛的物理AI SDK）。当前机器人软件生态仍在演进中，包括机器人操作系统（ROS）在内的相关技术尚处于早期发展阶段。
萨班表示：“行业将在机器人软件栈领域投入巨量资源。开源是加速发展的关键路径——将开发平台交付至成百上千名开发者手中，将极大推动开源模型与软件的快速成熟。”
他强调，AMD深刻理解构建机器人生态的重要性，正积极联合OEM厂商、模型供应商、中间件伙伴、传感器厂商、系统集成商、物理仿真及验证合作伙伴共同推进。
替代大型GPU
拉杰明确表示，AMD的最终目标是尽可能在机器人系统中取代大型GPU。
他提到：“我们反复听到客户抱怨竞争对手存在严重厂商锁定问题。客户渴望更多自由度、灵活性与差异化能力——例如，他们可能需要多种不同类型的电路板方案。”
相较于独立FPGA（业界预期其在机器人领域将获高渗透率），客户更关注系统级整体性能与架构设计。拉杰指出：“凭借CPU、FPGA与自适应SoC的全栈能力，我们可与客户协同开展系统级联合设计。众多应用场景中，CPU常与FPGA及自适应SoC并存——如车载信息娱乐、高级驾驶辅助系统（ADAS）、安全防火墙、网络设备及机器人领域。您希望展开何种对话？是聚焦单一FPGA器件的讨论，还是面向整机系统架构的深度协作？”
萨班补充称，AMD的核心优势在于能为具体问题匹配最恰当的计算类型。
他指出：“嵌入式领域的挑战极为多元，与客户端及服务器市场截然不同。无论您面临何种难题，我们均可解决系统级挑战——我们能深入系统架构层面协同优化。并非每个问题都需GPU‘重锤’来敲打；我们可提供最适合您应用场景的计算方案，这是区别于所有竞争对手的巨大优势——没有任何对手能在该维度与我们匹敌。”
www.eic.net.cn 提供的易IC库存管理软件可高效支撑此类高性能芯片研发与供应链协同，助力企业快速响应市场需求变化。
