​AMD In Depth 2026深度解读 智能体AI怎样改变服务器CPU

​AMD In Depth 2026深度解读 智能体AI怎样改变服务器CPU

Amelia / 2026-11-16 14:3123677

让AI替企业完成一项工作,往往要经历比生成答案更长的过程。查找内部资料、读取数据库、运行代码、核对权限,再把结果交回业务系统,每一步都需要计算资源。智能体越深入真实业务,服务器就越需要同时处理这些细碎、密集且不断变化的任务。CPU在其中承担的工作,也变得更具体了。

近日举行的AMD In Depth 2026,把这条变化讲得相当细。从Zen 6核心到代号“Venice”的第六代EPYC,再到Helion智能体机架,AMD展示了一套围绕工作流组织算力的思路:为不同环节安排合适的核心、内存和连接能力,再将它们放进可部署的系统。

这一轮更新已经进入落地阶段。AMD于11月10日宣布,第六代EPYC SP7处理器正式上市,相关服务器平台开始出货。结合大会披露的技术细节来看,值得关注的既有单颗处理器的提升,也有从芯片到机架的配合方式。

图1 智能体从接入请求到返回结果,需要经过上下文组装、检索、工具执行和校验等环节。智能体从接入请求到返回结果,需要经过上下文组装、检索、工具执行和校验等环节

顺着这张流程图看,许多硬件选择就有了解释。等待数据库返回结果、启动隔离环境和准备模型输入,面对的是不同的瓶颈。把这些环节分别处理好,才能让一次任务更顺畅地走到终点。

一条工作流里的三种CPU需求

AMD将智能体基础设施中的CPU工作归纳为三类:通用服务、GPU主机节点,以及运行智能体工具的沙箱服务器。三者共同支撑一次任务,却并不适合用同一组指标衡量。

以企业知识助手为例,用户发出请求后,网关、身份认证、数据库和存储服务首先介入。这类通用负载需要稳定响应,也需要在性能、核心数量与成本之间取得平衡。到了模型推理环节,主机CPU要准备输入、协调任务并与GPU交换数据,高频核心和I/O能力的价值随之增加。

当智能体开始写代码、处理文档或调用外部工具,许多相互隔离的运行环境会同时出现。此时,服务器需要容纳大量并发任务,并尽量缩短它们等待资源的时间。更多核心、更充足的内存,以及持续负载下的能效,都会影响整套服务能接住多少工作。

图2 Venice产品组合分别面向主机节点、智能体沙箱及通用计算,强调按工作负载选择配置。Venice产品组合分别面向主机节点、智能体沙箱及通用计算,强调按工作负载选择配置

这也解释了EPYC产品组合为何继续细分。SP7面向高性能、高密度需求,SP8侧重企业场景的性能与功耗平衡;Venice-X对应重视缓存的技术计算,Verano则面向AI主机节点。它们是同一产品布局中的不同选择。

供货节奏同样需要分开看:目前已经开始出货的是SP7平台;大会路线图将SP8、Venice-X及Verano的后续平台安排在2027年。企业可以先确定任务类型,再据此规划平台与部署时间。

Zen 6的重点是让每个核心更忙起来

核心数量容易理解,单个核心内部的变化却更能体现这一代设计的取向。AMD在大会展示的Zen 6c细节中,每周期分派宽度保持8条,重排序缓冲区扩大到640项。前者保持了处理指令的入口能力,后者让处理器能同时跟踪更多尚未完成的操作。

这些与企业负载有直接联系。检索、解析和代码执行常常夹杂分支与访存等待;CPU需要在等待部分数据时,继续寻找其他可以执行的指令。更宽的执行入口和更大的调度空间,为这种安排提供了余地,缓存与分支预测则帮助减少无效等待。

在核心组织上,Zen 6与Zen 6c分别优化低延迟和高密度需求。高频Zen 6方案每个CCX包含12个核心、48MB三级缓存;Zen 6c则为32个核心共享128MB三级缓存,相当于每核心4MB。这里体现的是产品配置取舍,软件仍建立在共同的指令集基础之上。

图3 Zen 6与Zen 6c分别优化频率和核心密度,并扩大核心复合体及缓存规模。Zen 6与Zen 6c分别优化频率和核心密度,并扩大核心复合体及缓存规模

向量执行也在向实际软件需求延伸。大会资料列出的变化包括完整的AVX-512 FP16计算支持,以及更多VNNI INT8执行资源。对于数据预处理、向量检索和部分CPU推理任务,这为优化后的代码提供了更充足的执行能力。

硬件能力需要编译器、库和应用共同使用。评估Zen 6时,将业务中的解析、检索、计算等环节拆开观察,比只看一个综合分数更有帮助;也更容易判断新增核心与向量能力能在哪里转化成收益。

256个核心之外还要有足够宽的数据通道

第六代EPYC最高提供256核心、512线程。对并发服务来说,这是很有吸引力的资源规模;随着同时运行的任务增多,内存供给和数据交换也必须跟上。Venice将核心、内存与I/O放在一起升级,原因正在这里。

其中,16通道SP7平台提供DDR5-8000 RDIMM和最高12800MT/s的第二代JEDEC标准MRDIMM选项。后者通过在模组上复用两个Rank的数据,提升主机端看到的传输速率;在对应满配条件下,单路理论内存带宽最高约1.6TB/s。

对大规模内存分析、数据预处理或并发检索而言,带宽增加的意义,是让更多核心能够同时取得所需数据。高核心数与高带宽一起配置,才能更充分地发挥处理器的吞吐能力。这里的1.6TB/s对应16通道平台的理论峰值,实际服务仍需结合内存配置和访问方式评估。

图4 Venice通过两个I/O芯粒连接16条内存通道,并扩展互连与I/O资源。Venice通过两个I/O芯粒连接16条内存通道,并扩展互连与I/O资源

芯粒结构让这组资源有了明确分工:计算芯粒运行CPU核心,I/O芯粒承担内存控制、互连和平台连接。PCIe 6.0与CXL 3.1则为外部设备及内存扩展提供连接基础,使处理器能进入更丰富的服务器配置。

企业选型时,可以先判断任务需要更大的容量,还是更高的带宽。大量数据常驻内存与高频扫描数据,对内存的要求并不相同。Venice提供多种内存与平台选择,实际价值也在于让配置更贴近业务。

把功耗和内存成本纳入同一张部署清单

服务器装进机柜后,能用多少算力还要看供电和散热。业务负载会随时间变化,按照所有部件同时满载预留功率,容易留下暂时用不上的余量。AMD在大会展示了UPP、UBPS和FAST三套调节机制,分别处理功率预算、利用率与频率分配。

UPP将SoC与DIMM纳入联合功率预算;UBPS根据活跃核心和负载利用情况调整功耗;FAST则支持更细的核心组频率管理。这几项机制的共同目标,是让服务器根据实际工作方式使用可用功率,在机架预算内安排更多有效计算。

图5 UPP、UBPS和FAST从功率预算、利用率和频率三个维度调节服务器运行状态。UPP、UBPS和FAST从功率预算、利用率和频率三个维度调节服务器运行状态

与功率预算并行的,是内存容量成本。智能体保留上下文、处理中间文件或查询较大的数据集时,会持续占用内存。AMD此次介绍的MEXT预测式内存软件,尝试通过DRAM与闪存分层,调整这部分容量的使用方式。

MEXT先将冷数据页移到闪存,再预测应用接下来可能访问哪些页面,提前将它们调回DRAM。应用无需改变原有的数据访问方式。它利用的是数据访问存在冷热差异这一特点,让高频访问的数据优先留在更快的层级。

MRDIMM解决数据传输速度,MEXT着眼于容量安排,两者对应不同问题。对于工作集大、访问冷热较分明的业务,预测式分层提供了一个值得验证的方案。它的效果应放回具体应用观察:在期望的响应时间内,能否用更合适的DRAM配置完成相同工作。

从这两个方向看,AMD对服务器效率的讨论已经深入到配置与运行策略。核心数量决定可调度资源,内存和功耗管理则影响这些资源能以什么成本持续工作。

Helion把处理器选择推进到整机架

当智能体规模继续扩大,只调整单台服务器还不够。CPU执行、模型推理、数据库与存储需要怎样配比,机房能否提供液冷,都开始影响系统的形态。Helion就是AMD将这些问题放在一起考虑的机架级参考设计。

AMD目前给出了三种方向:Helion Liquid面向高密度液冷部署,Helion Air适配风冷数据中心,Helion Air Inference则在同一机架中组合CPU执行与本地GPU推理。不同配置可以按业务规模、推理位置和基础设施条件选择。

如果企业已经具备独立的模型推理资源,就可以让CPU机架专门承接智能体执行;如果希望在本地同时完成执行与推理,一体化配置更容易形成完整部署单元。这种拆分让企业可以沿着自身的服务结构增加算力。

图6 Helion提供液冷、风冷及CPU与GPU一体化方案,对应不同机房和任务需求。Helion提供液冷、风冷及CPU与GPU一体化方案,对应不同机房和任务需求

Helion采用开放参考设计,CPU节点可以根据智能体类型组合,在企业配置中也可加入GPU节点。围绕OCP标准构建的机架、供电和管理接口,为整机合作伙伴保留了实现空间。硬件组合因而可以随应用需求调整。

这里还有一层部署意义:企业可以先确定数据放在哪里、哪些模型在本地运行,再分配CPU执行与GPU推理的比例。对于同时涉及内部文档、业务接口和代码工具的智能体,这样的顺序更贴近实际采购与运维流程。

热点科技洞察

AMD In Depth 2026给出的重要信息,是智能体正在改变服务器升级的理由。过去谈一台新服务器,核心数量、频率和带宽往往是主要话题;现在,这些参数需要放进一项业务任务中解释:资料多久能检索到,工具多久能执行完,多少任务可以同时推进,结果又能多快交付。

从这个角度看,Zen 6与Venice的组合很有针对性。高频核心服务于更在意响应时间的环节,高密度核心承接大量并发执行,内存与I/O升级负责供给数据,功耗机制则让这些能力适应真实机房的约束。各项设计之间有了清楚的业务联系。

热点科技认为,下一阶段评估智能体算力,应该更加重视“在约定时间内完成多少项有效任务”。例如一个文档处理服务,需要把模型推理、文件解析、工具执行和结果核验一起纳入测量。只有完整任务完成得更多、更稳,硬件提升才真正抵达业务端。这也为EPYC不同配置的选择提供了可操作的判断方式。

部署成本同样值得用更完整的口径计算。CPU采购、DRAM容量、软件授权、机架供电与运维投入都会影响最终结果。MRDIMM、MEXT和功耗管理所提供的选择,让企业能够围绕自己的瓶颈调整配置,而不必把所有资源都按同一种方式堆高。

现有软件环境的延续也是其中的一项实际价值。智能体需要连接的数据库、企业应用、容器和管理工具,很多已经在生产环境运行。让新平台接入这些系统,可以把投入更集中地用于业务流程与智能体本身。硬件更新与软件演进能够相互配合,部署才更容易从试点走向日常使用。

从SP7平台开始出货,到Helion提供更明确的机架部署路径,AMD这次呈现的是一套逐步落地的基础设施方案。对于准备扩大智能体应用的企业,最有价值的做法,是挑出一条真实工作流,将核心、内存和推理资源逐项对应起来。Venice所扩展的选择,恰好为这种细致配置提供了更大的空间。

声明类型:无需添加自主声明

发表评论注册|