文丨苏扬
编辑丨徐青阳
黄仁勋在CES2026上的演讲过去不到3个小时，人称“苏妈”的AMD CEO苏姿丰就带着AMD的AI全家桶登台亮相。
为了给自己产品铺垫，苏姿丰开场大谈推理需求的暴涨，强调算力接下来将进入Yotta Flops时代（1Yotta Flops=1,000,000 ExaFLOPS，即每秒可执行10的24次方次浮点运算）。
针对这一变化趋势，AMD的解决方案是最新的MI455X GPU，并且基于72颗MI455X GPU和18颗Venice CPU，打造了一台开放式72卡服务器“Helios”。
苏姿丰强调称，MI455X系列相较于MI355X拥有10倍的性能提升，其公布的路线图显示，2027年将推出基于2nm工艺，搭载HBM4e内存的MI500系列。
“未来四年，要实现AI性能1000倍的提升，”苏姿丰说。
01
苏妈的“算力核弹”
这张路线图清晰地展示了AMD INSTINCT系列GPU路线图。
最强大的是2027年要上市的MI500，届时将会导入2nm工艺，采用HBM4e内存，AI性能又是一次巨大飞跃。
如果MI455X的性能是MI355的10倍，对照官方折线图，粗略量化一下，MI500的提升可能是MI455X的30倍。
不过，抛开PPT上的故事，明年下半年的重点产品还是MI455X和“Helios”机架。
不过这里比较有意思，在说MI455X的时候，官方晒的是一张MI450的参数对比图。
按照苏妈的说法，2026年上市的MI450，相当于MI300X+MI350，堪称阶梯式的创新和性能跨越。
升级的核心思路和英伟达的逻辑一样，借助HBM内存，实现显存、带宽和算力三个维度扩展，打破AI推理的“内存墙”限制。
这种升级的好处体现在三个方面：首先是更强的扩展能力（Scale-up），更大的显存意味着能装下更巨型的模型；其次是更高的生成效率，通过极高的带宽解决了“出字速度”慢的问题，提升了每秒Token的输出量；最后是极高的QPS（每秒查询率），让服务器在单位时间内能同时响应更多用户的提问。
MI450在主流的FP8精度下提供了20PF的算力，性能表现接近初代的4倍。不仅如此，FP4精度下能达到40PF的极高性能。
机架方面，根据官方资料，Helios总共18个计算托盘，一个计算托盘采用1颗Venice CPU+4颗MI455X GPU。
部分细节虽未详细说，但从现场的配置来看，其中Venice CPU采用2nm工艺，总计4600个核心，MI455X GPU则采用了3nm工艺，总计18000个计算核心，搭配总计31TB HBM4显存和43TB/s的总带宽，提供2.9Exaflops的FP8算力。
AMD也强调，Helios是一个通往Yotta级计算扩展的开放式机架平台。
02
AI PC的故事
端侧AI不是附加值，而是必需品
展示完机架级“算力核弹”之后，苏姿丰将叙事重心拉回到个人设备，并给AI PC下了一个明确判断：AI PC并不是云端AI的替代品，而是下一代个人计算的基础设施。
AMD在本次发布中正式推出Ryzen AI 400系列处理器。该系列采用Zen 5 CPU架构与RDNA 3.5 GPU，集成最高60 TOPS的NPU算力，并已全面支持Windows Copilot+生态。
苏姿丰在现场多次提到，AI已不再是PC的附加功能，而是正在成为其“默认能力”。
紧接着，AMD还正式发布了面向高性能开发者和创作者的Ryzen AI Max平台。
从现场大屏展示的参数来看，Ryzen AI Max并非一次常规的移动端升级，而是AMD对“本地AI计算单元”形态的一次重新定义。
CPU最高配备16核/32线程Zen 5架构，GPU集成40个RDNA 3.5计算单元，NPU算力达到50TOPS，并配备128GB统一内存。这一配置不仅支撑多模态AI推理和生成，也能够处理编译、渲染、数据预处理等高负载任务。
在此基础上，AMD进一步向上延展，推出面向高性能本地AI场景的Ryzen AI Max平台。
Ryzen AI Max被定义为面向游戏玩家、内容创作者与开发者的“终极处理器”，其核心并不在于单一模块性能，而在于 CPU、GPU与NPU之间高度整合的内存架构，以提升本地 AI 推理时的带宽效率和响应速度。
真正引发现场讨论的，则是摆在舞台一侧的一个“小盒子”——Ryzen AI Halo。
形态上，Ryzen AI Halo更像是一台迷你主机，体积远小于传统工作站，却被苏姿丰称为“世界上最小的AI开发系统”。
该设备基于旗舰级Ryzen AI Max处理器打造，采用统一内存设计，最高可配置 128GB内存，以满足本地运行大模型时对容量与带宽的双重需求。
与传统意义上的AI PC不同，Ryzen AI Halo的目标用户并非普通消费者，而是开发者、研究人员以及小型创作团队。
AMD在现场明确强调，这并不是一台展示型硬件，而是一个开箱即可使用的本地AI平台。
Ryzen AI Halo出厂即预装多款主流开源模型，包括GPT-OSS、FLUX.2、Stable Diffusion XL（SDXL） 等，开发者无需复杂配置，即可在本地完成模型推理、调试和应用验证。这一设计思路，显然意在降低“使用AI的工程门槛”，而不是单纯追求跑分或峰值算力。
这一开箱即用的设计，不仅展示了Halo在实际应用场景中的便利性，也凸显了AMD对本地AI平台的整体架构思路：它不仅是软件友好，更是在硬件层面为开发者提供充足算力和统一内存支撑。
Ryzen AI Max/Halo与MI系列GPU的核心共性在于：都通过大容量、高带宽的统一内存设计，将算力单元与数据紧密耦合，以打破本地或节点间的内存瓶颈，实现高效推理与生成。
与英伟达DGX Spark的对比中，AMD并未强调绝对性能，而是提出了一个更贴近实际使用场景的衡量方式：tokens/dollar/second。
这一指标背后，是AMD对AI PC的核心判断，即未来的个人AI设备，并不是“缩小版数据中心”，而是效率优先、随时可用、成本可控的本地智能节点。
从Ryzen AI 400系列笔记本，到Ryzen AI Max，再到“小盒子”形态的Ryzen AI Halo，AMD在CES 2026上给出的AI PC路线已经十分清晰：AI正在从云端服务，下沉为每一台个人设备中的常驻能力。
03
抱完OpenAI总裁，再抱李飞飞
CES 2026的舞台上，苏姿丰不再单纯堆叠参数、制程或峰值算力数据，也把时间留给了几类“正在真实消耗算力的公司”。
这些公司共同构成了AMD此次发布中最重要的一条暗线：算力究竟流向了哪里，又在改变什么。
首先登台的，是OpenAI总裁、联合创始人格雷格·布洛克曼（Greg Brockman）。
他并未谈论模型细节，而是反复强调一个事实：OpenAI内部长期处于“算力紧张”状态，模型能力的每一次跃迁，都会迅速吞噬掉新增的计算资源。
苏姿丰在台上半开玩笑地回应道：“每次我遇到你，你都在说需要更多算力。”
这句玩笑背后，其实是一次非常直接的确认——通用大模型仍然是当前算力需求的上限场景。
对AMD来说，OpenAI的存在并不只是一个客户案例，而是为Helios、MI455X这类机架级产品提供了最直观的合理性：只要模型规模和使用频率持续上升，算力就永远不够。
紧接着，AMD将舞台交给了AI初创公司Luma AI。
Luma AI首席执行官阿米特·贾恩（Amit Jain）展示了其最新一代多模态视频模型Ray3以及实时编辑功能Ray3 Modify。这些模型已经能够在4K、HDR 条件下生成和修改长视频内容，并支持将真人拍摄素材与 AI 生成世界进行动态融合。
贾恩特别强调，2025年是Luma从“模型展示”走向“商业部署”的一年，一些客户甚至已经开始使用其系统生成90分钟长度的完整影片。
更关键的一点在于，目前约60%的Luma推理负载运行在AMD GPU上。
这一比例本身释放出一个明确信号：推理正在成为比训练更长期、更稳定的算力消耗来源。
相比一次性的超大规模训练，视频生成、实时编辑、内容修改和多模态交互，对算力的需求更高频、更持续，也更依赖单位成本与能效比。这正是AMD在本次发布中反复强调tokens/dollar/second的原因。
随后登台的，是来自MIT孵化公司的Liquid AI。
与前两者不同，Liquid AI并不试图扩大模型规模，而是试图从根本上降低“智能的计算成本”。
其首席执行官拉明·哈萨尼（Ramin Hasani）在现场发布了Liquid Foundation Model 2.5，并预告了将于年内推出的LFM 3.0。这些模型主打高度量化、低延迟与原生智能体能力，能够在本地设备或企业系统中常驻运行，持续处理多语言音视频输入、函数调用和后台任务。
在演示中，LFM 3.0可以代表用户参加会议、处理日程，甚至在用户不直接交互的情况下主动执行任务。
苏姿丰在一旁打趣道：“你确认我们会相信这个智能体？”但这句玩笑点出的，恰恰是AMD想要押注的下一阶段趋势：AI正从“生成工具”转向“系统级参与者”。
除了内容与企业软件，苏姿丰还明确表示，医疗是她个人最关注的AI应用领域之一，因为这里既存在极高的算力需求，也存在对稳定性、可解释性和长期运行能力的现实约束。
当这些企业被串联在一起时，一条清晰的逻辑逐渐浮现：从OpenAI这样持续吞噬算力的通用模型平台，到Luma的内容生成工厂，再到Liquid AI的本地智能体，以及医疗等高可靠性场景，算力正在从集中式训练中心，扩散为一个高频、分布式、长期运行的推理网络。
在这样的背景下，“AI教母”、斯坦福大学教授李飞飞也受邀登台，分享其创办的World Labs。
World Labs的核心目标，并不是生成更精致的图像或视频，而是让AI理解现实世界的空间结构。李飞飞将其称为“空间智能（Spatial Intelligence）”，即模型并非学习屏幕上的像素，而是学习世界本身的尺度、深度、结构与物理关系。
在现场演示中，World Labs仅使用普通手机拍摄的少量照片，就生成了具有真实空间关系的3D世界模型。李飞飞指出：“过去需要几个月的工作，现在只需要几分钟。模型跑得越快，世界就变得越即时。”
值得注意的是，这些模型的训练与推理同样运行在AMD Instinct GPU与ROCm软件栈之上。性能的提升，并不是简单地缩短等待时间，而是在改变研究和创作的基本方式。
从OpenAI的算力饥渴，到内容生成、智能体、医疗应用，再到空间智能的出现，AMD在CES 2026所呈现的，并不是一场单纯的硬件发布，而是一种判断：当算力成本持续下降，AI 将不再只是模型能力的竞争，而是开始重塑我们理解和构建世界的方式。
特约编译无忌对本文亦有贡献
推荐阅读
