|
AMD：做了 20 年的机器人“身体”，正式入局“大脑”竞争
2026 年，物理 AI 成为算力产业最确定的方向之一。年初在 CES 上，AMD 董事会主席及首席执行官苏姿丰（ Lisa Su ）博士就给出一个判断：物理 AI 是技术领域最艰难的挑战之一——交付这种智能，需要全栈方法。这句话值得反复推敲，特别是“全栈”，恰恰是AMD这几年在多数场合反复强调的关键词。
市场规模的预期也在不断抬升。AMD 给出的预估是，物理 AI 芯片市场将从 2025 年起持续跨越式增长，到 2035 年达到约 2000 亿美元，覆盖机器人、工业、医疗、汽车、智慧城市等场景。
在刚刚落幕的 AMD 年度大会 Advancing AI 2026 上，AMD 发布了一整套物理 AI 产品：面向机器人的锐龙 AI 嵌入式 X100 系列处理器、Kria AI 机器人开发者平台和机器人软件套件。同时，AMD 还宣布了机器人合作伙伴网络，该网络汇集了 ODM 厂商、AI 模型提供商、中间件、传感器、机器人技术及系统集成等领域的众多伙伴。
至此，AMD 在物理 AI 领域的战略已经非常清晰：一家靠 FPGA 在机器人"身体"里深耕了二十多年的公司，正式开始做机器人的"大脑"。
01 - 20 年“身体”积淀，
AMD 向“大脑”市场迈进
"物理 AI"多年前就已存在，只是当时的称谓不同。不过，它的基本框架始终没变：感知（ sense ）、理解（ perceive ）和行动（ act ）。
对于 AMD 来说，感知一直是其 FPGA 的主场。FPGA 拥有可编程 I/O，本质上是一块可以重编程成任何角色的定制芯片，天然适合传感融合、数据聚合与图像汇聚；FPGA 带来的另一样东西是确定性，比如确定性网络、可预测时延，这些对机器人都至关重要；行动环节同样如此：驱动电机、转动舵机、开合阀门……都是 FPGA 的看家本领。
此外，机器在物理世界与人进行交互，功能安全至高无上。这也是 AMD 的积累所在——来自汽车和工业领域的功能安全能力，已在手术机器人、工业产线等场景经过量产验证，如今被带进人形机器人时代。
对于人形机器人来说，“感知、理解、行动”这套能力对应的是身体的传感器、关节、脊柱。在传统的自动化时代，机器人智能含量有限，最贵的是实时性和可靠性，FPGA 和自适应 SoC 足够支撑这块市场的需求。
但物理AI改变了机器人产业的价值分布。当机器人从"按程序动作"走向“感知、推理、决策”，大脑——也就是 AI 推理与智能体决策，成为机器人整机价值最高、迭代最快的部分。理解周围环境、追踪移动物体、解读场景、规划路径、安全执行，这些都需要大脑具备可观的算力。而这块市场，AMD 一直缺席。
AMD 嵌入式业务产品、软件与解决方案公司副总裁 Kirk Saban，有一个颇具启发意义的表述："智能体的终极形态，就是人形机器人。" 言下之意，当整个产业都在谈智能体时，机器人才是智能体最适合的物理载体，而 AMD 要做的，是把能力从机器人身体扩展到机器人大脑。
因此，这次大会发布的 AMD Ryzen（锐龙）AI 嵌入式 X100 系列处理器和 AMD Kria AI 解决方案，并不是一次新品类的试探，而是随着价值链的必然上移。
02 - 机器人大脑芯片
为什么和数据中心不一样？
做机器人的大脑，是不是把数据中心的算力缩小就可以了？答案是否定的。
Kirk Saban 表示，机器人大脑需要做路径规划和感知，不能只看峰值 TOPS，最根本的是确定性，可预测的时序是绝对刚需。
这不是一家之言，来自于开发者社区和用户的反馈也非常一致。例如 2026 年 2 月，AMD 赞助了一项针对全球 177 名机器人开发者的调研，排在前三的需求依次是：第一，确定性高于峰值算力；第二，开放架构，避免供应商锁定；第三，一个平台适配所有机器人，在功耗、散热和实时约束内提供可用性能。
AMD 锐龙 AI 嵌入式 X100 系列处理器就是对应这些需求的一款产品。先看算力构成：X100 在单颗嵌入式 SoC 上集成了最多 16 个高性能 AMD“Zen 5”CPU、独立级集成 GPU 以及高能效 NPU，负责低功耗、常驻在线的推理，比如持续的视觉和音频感知。
关键技术还有统一内存架构：最高 128GB 容量、273GB/s 带宽，CPU、GPU、NPU 之间零拷贝交换数据。
为什么这点对机器人格外重要？传统的 CPU+外挂加速器架构是碎片化的，感知、规划、控制数百个并发线程在不同计算域之间来回搬运数据，每个周期都在损失时间；而集成式架构下，高性能 CPU 与 AI 加速器在同一块内存上工作，实现零拷贝。
此外，硬实时能力也有助于提升确定性。X100 通过统一内存的工作负载隔离、PREEMPT_RT 实时 Linux 补丁、缓存预留与内存带宽分配等，实现了小于 7 微秒的中断延迟。
还有一条嵌入式领域的基本门槛：10 年产品生命周期、7×24 小时运行、-40°C 至 105°C 的工业温度范围、45W 至 120W 可配置 TDP——这也恰恰是 AMD 嵌入式事业部几十年来的立身之本。
今年 1 月 CES 上，AMD 已发布面向边缘智能的 P100 家族，X100 是其延续，两者引脚兼容。Kirk Saban 强调，这颗芯片是 AMD 机器人大脑征程的起点，未来路线图会持续推进。
03 - 从芯片到"交钥匙"，AMD“开放”理念贯穿
对机器人用户来说，很大的一个挑战在于从开发到量产的一段路。AMD 这次发布的 Kria AI 解决方案，就是为了降低使用门槛、加速量产而来的。
这套方案分两大部分，一是搭载了 X100 的 Kria AI 系统模块（ SOM ）和机器人载板，二是 Kria AI 机器人开发者平台（ Kria AI Robotics Developer Platform ）。
SOM 并不是新产品形态，AMD 在这个领域已有多年积累——通俗讲，它是一块预先完成工程设计的板卡，内存接口、配置接口等工作 AMD 都预先做好，客户插进基板就能用，省去了最耗时的硬件前期工作。
最新的 Kria AI SOM 搭载 X100 处理器，采用 COM-HPC 开放标准外形（ 120×120mm ），异构算力、统一内存、每秒 8000 次控制决策的实时控制能力和低于 100 毫秒的 VLA 推理，全部浓缩在这块掌心大小的模块上。更关键的是其生态策略：整个 SOM 生态向 ODM 伙伴网络开放，客户可以定制载板，按应用在性能、功耗、成本之间灵活选配，从而快速走向量产。
此外，AMD 还推出了 Kria AI 机器人开发者平台，并宣称这是首个面向自主机器人的开放式交钥匙集成平台，融合了 CPU、GPU、NPU 与 FPGA 的异构计算能力。其接口布局完全按机器人需求设计——正面是时间敏感网络（ TSN ）输入、相机接口等机器人专用连接，背面则是以太网、USB、显示等标准接口。
这个平台最打动开发者的设计，也是其“交钥匙”的真正含义：开发者桌上调试用的 SOM，和将来通过伙伴生态作为量产模块出货的，是同一颗。从概念到原型只需几天，开发完成即可直接转化上市。
此外，比硬件更值得注意的是"开放"二字的落地程度：SOM 采用开放标准，基板原理图作为参考设计向客户开放，载板上 FPGA 的 RTL 设计也将开源，方便客户按需改动、快速上市。
软件栈同样沿着开放路线展开。AMD 机器人软件套件基于 ROCm 与 ROS 2 构建，支持 PyTorch、ONNX、MoveIt 等行业标准框架，模型库已覆盖 OpenVLA、Pi-0、CogACT 等 VLA 主流模型，以及 Llama 3.2-Vision、Qwen3、DeepSeek-R1 等多模态模型。
由于 ROCm 适用于 AMD 全线 GPU，Instinct 数据中心端的软件创新会持续进入同一个代码库，这意味着开发者可以在云端用 Instinct GPU 训练机器人基础模型，再用同一套软件栈部署到 X100 上。云端训练、机器人端部署——这也是 AMD 全栈战略在物理 AI 上最具体的呈现。
根据 AMD 测试结果，AMD 开放软件栈支持从 CUDA 向 ROCm 迁移，开发者可保留最高达 75% 的现有 CUDA 代码，借助 AMD 开放且垂直整合的机器人软件套件加速开发。
开放的硬件和软件支持之外，AMD 在生态方面也是一脉相承的开放战略。
会上，AMD 宣布推出 Robotics Partner Network（机器人合作伙伴网络），该计划通过统一的 AMD 硬件和基于开放标准构建的软件基础，将ODM、ISV、仿真提供商、传感器与感知技术公司、安全与基准测试合作伙伴以及系统集成商连接起来。
AMD 打造机器人合作伙伴网络的现实依据，源于行业由来已久的集成痛点：AI 模型、中间件、传感器、仿真工具、系统集成商以及生产硬件等，这些组件往往来自不同的供应商，彼此之间缺乏验证。
AMD 嵌入式业务工业、机器人与医疗市场高级总监 Amey Deosthali 谈到，没有任何一家企业能够独自构建物理 AI 的未来, 通过 AMD 机器人合作伙伴网络，可以减少集成工作量、缩短开发周期，并使机器人专家能够以更高的灵活性、可移植性，从参考平台迈向量产系统。
据了解，这一计划涵盖 AMD 从边缘系统（基于 AMD 锐龙 AI 嵌入式处理器和 AMD Versal 自适应 SoC ）到数据中心基础设施（基于 AMD EPYC 处理器和AMD Instinct GPU ）的计算平台，旨在为客户提供开放、经过验证且量产就绪的机器人解决方案，覆盖感知、规划、控制、仿真、训练和部署环节。
写在最后
二十多年前，FPGA 赋予机器人感知和行动能力；现在，AMD 想教机器人如何思考。回看 AMD 在物理 AI 领域的最新动向，覆盖芯片、开发平台、量产模块、开放软件、开放生态五大方向，指向非常明确：把二十年在机器人"身体"积累的确定性与产业经验，延伸到"大脑"这块价值最高的版图上。
而机器人大脑之争不会是数据中心的简单延续。数据中心比的是峰值算力，机器人比的是确定的每一毫秒；数据中心可以靠单点性能制胜，机器人却必须依赖一整条产业链的协同验证。AMD 发力的三个支点——确定性、开放、全栈，恰恰都是这个行业被抱怨最久、也最难用一颗芯片解决的问题。这场竞争的核心，更关乎谁能把可靠性做到极致，把生态合作落到实处。
对国内产业链来说，这个信号同样值得重视：机器人"大脑"的格局远未定型，窗口期仍然存在。如何在这个极度碎片化的场景里找到长期的方向，并形成独有的竞争力——这是 AMD 要回答的问题，也是所有玩家共同的挑战。
阅读原文 |
