如果某家企业的分析师要弄清楚一款产品为什么交付延误，或者核对一批库存和订单。他把这件事交给智能体，只用交代一句话即可。而系统后台要做的事远比这句话多：理解意图，找出相关数据，调用业务工具，必要时写一段代码跑一遍，检查计算结果，再把不同来源的信息整理成一份答复。

一句话进去，一份可交付的建议出来，中间隔着完整的执行过程。模型给出推理结果只是其中一段，数据查询、工具运行和结果校验都还在后面。数据放在哪里、多个任务怎么并发推进，直接决定用户等多久。所以当智能体进了企业，这些后台工作就落到基础设施头上。

2026年7月23日，AMD在旧金山举办Advancing AI 2026大会（简称AAI 2026），展示了AI解决方案与高性能计算上的最新进展。第六代AMD EPYC服务器处理器是其中重要的部分，它承担着以上工作流中一部分工作，既要支持智能体执行任务，又要运行智能体调用的企业服务。

智能体给CPU带来了什么工作

以前面的案例为例，如果一家企业想让智能体查找产品交付延误的原因，读取订单和查询库存可以分别进行，汇总原因却要等数据到齐；如果需要编写程序来核对结果，程序运行后还可能触发新一轮检索。一次业务请求会反复经过模型和工具，后台要处理的任务各不相同。

AMD此前分析过这类工作流程。请求进入系统后，需要检索上下文，经过规划和路由，再调用模型与工具，检查返回的结果。这些步骤有各自的计算要求，频繁运行代码的任务需要执行效率和并行资源，查询密集的任务还受内存与数据访问速度影响。CPU在其中承担了更多工作，即使模型推理足够快，工具或数据库的响应仍可能让整项任务停下来等待。

AMD将CPU在智能体工作流程中的任务分为智能体沙盒执行、AI主机节点和通用计算。沙盒中的CPU负责运行智能体及相关代码；AI主机节点为加速计算系统提供数据支持，比如给整套AI基础设施里的GPU供数据，AMD Helios机架级解决方案就属于这一层。至于数据库和存储等日常业务服务，则由通用计算资源承载。这也是智能体与企业已有服务器发生联系的地方，新的请求仍然要调用原来的业务系统。

第六代AMD EPYC，把处理器选择落到工作本身

智能体接手实际工作之后，服务器处理器的活更杂了，既要执行代码，协调工具调用，连接企业数据，还要给模型运行提供主机支持。AMD在AAI 2026上介绍的第六代EPYC 9006系列服务器处理器正是围绕这套需求推出的产品组合，其定位彼此错开。核心密度、频率、缓存、内存和能效，每一项取舍都落在具体的工作环节上。

EPYC 9006 SP7面向高密度智能体沙盒执行，最高支持256个核心、512条线程。它的高频配置也用于AI主机节点，最高频率可达5.0GHz，支持PCIe 6.0。AMD强调这款产品在CPU与GPU配合方面的改进，并以每瓦、每美元和每机架能够承载的智能体数量来描述其优势。

EPYC 9006 SP8则提供8至128核心可供选择，能够带来均衡的计算、内存和 I/O 以运行业务关键型应用、虚拟化及混合企业级工作负载，同时也适用于智能体AI 服务。

EPYC 9006X SP7面向高性能计算（HPC）、技术计算和数据密集型负载，吃的是高缓存与大内存带宽的红利。部分型号频率最高5.15 GHz，每核L3缓存容量是EPYC 9006 SP7的三倍，用来加速仿真、建模、大规模分析、数据检索这类内存吃紧的任务。

EPYC 9006 LP专为下一代机架级AI系统设计，同样扮演AI主机节点。它采用LPDDR内存，最高频率5.0 GHz，负责在加速器密集的机架里持续给加速器喂数据，部署规模从单个节点扩到AI工厂，系统利用率也随之线性增长。

这些配置属于不同产品，不能拼成一颗处理器的规格。第六代EPYC服务器处理器的优势在于覆盖智能体工作的不同环节，客户可以按任务选择CPU。产品组合共享软件生态和安全基础，在同一架构体系下提供多种设计。智能体执行需要的密度与主机节点需要的频率和带宽各有侧重；技术计算还会关注缓存，企业服务则要考虑能效。第六代EPYC服务器处理器由此把新的应用需求落实到了处理器设计中，也为AI应用从试验转入持续运行提供了支持。

Meta与OpenAI怎样参与设计

在AAI 2026大会上，Meta披露的合作进展为EPYC的新一代能力提供了一个典型案例。AMD与Meta双方的合作已经跨越Milan、Bergamo和Turin等多代产品，Meta目前已经在基础设施中部署了数百万颗EPYC CPU，并作为Venice的先期客户参与合作。在AAI 2026大会期间，Meta正在实验室验证Venice平台，同时与AMD推进Verano及后续EPYC产品的合作。

这项合作还将为后续平台提供参考，包括AMD Instinct MI500加速器及下一代机架级系统。Meta有为数十亿人运营基础设施的经验，AMD则把客户要求与CPU、GPU和系统产品的规划结合起来。双方希望更快部署AI算力，并适应后续工作负载的变化。

在AAI 2026大会上，AMD还宣布与OpenAI在技术栈的各个层面上展开合作。根据AMD公布的消息，此次合作中，OpenAI将向AMD提供有关模型发展方向的早期洞察，而AMD则将其转化为芯片、系统和软件。据悉，OpenAI已经提前接触Helios系统，双方围绕硬件、软件和系统共同调试，并在Triton、Gluon、LLVM和ROCm等层面开展工作。模型演进带来的需求也会向后续基础设施设计反馈。

合作中的另一项进展是双方将研究如何使用AI来改善AI基础设施的软件开发，OpenAI预计从2026年第四季度开始让Helios上线，并在2027年加快部署，这标志着双方于2025年10月宣布的6吉瓦AMD GPU部署计划进入初期阶段。

从这些公开进展看，AMD的AI领导力有EPYC多代部署作为支撑，也在向软件与系统设计延伸。Meta的验证和OpenAI的共同调试使客户在平台开发期间就能提出要求，这与AMD在大会上强调的“要为不同的AI工作负载匹配合适的计算能力”理念相一致。

处理器之外的内存和网络

此外，数据供应也会限制计算。当任务增加时，计算与内存的需求未必同步增长。一组服务可能还有可用的计算资源，而内存容量却已经不足；另一组任务可能有足够容量，但频繁访问数据时需要等待。对于这一点，AMD显然也有前瞻布局。

6月15日，AMD发布收购MEXT的公告。MEXT开发了基于AI的预测式内存技术，旨在让闪存呈现更接近DRAM的使用特征，帮助扩展可用内存容量。AMD期待通过后续整合提高资源利用效率，降低客户的基础设施成本。这项技术将为AMD增加一种管理内存资源的办法，它能给服务器提供怎样的数据支持，仍要看后续整合。

当模型、数据库和工具服务分布在不同服务器上，任务还要等待数据在它们之间传递。CPU执行得更快之后，通信所用的时间仍会影响用户拿到结果的时间。7月20日，AMD宣布扩大与微软在Azure平台上的合作，范围涉及计算硬件，也包括网络及软件。微软将部署AMD Helios机架级解决方案，为自身和AI客户提供前沿模型推理能力，并支持Azure AI服务。

Azure还将新增两款基于AMD EPYC处理器的虚拟机系列，扩大Pensando DPU的部署范围，以支持Azure网络服务。按照当时公布的计划，AMD将于2026年下半年开始向包括微软在内的客户交付Helios。

物理AI与专用推理

AAI 2026发布的产品也覆盖了机器人。AMD推出Kria AI系列方案，其中的系统级模块采用锐龙AI Embedded X100系列处理器；机器人开发平台则整合CPU、GPU、NPU和FPGA计算，配套软件和参考设计，用于机器人及自主系统的开发与部署。

自适应计算在这里承担着面向现场设备的工作，机器人要考虑控制响应，也受功耗和环境条件限制。它与EPYC面向的数据中心任务各有侧重，共同扩展了AMD从训练到推理、从芯片到机架及现场设备的产品范围。

大会之后，AMD继续投入专用推理技术。8月6日，公司宣布签署收购Taalas的最终协议。Taalas专注于专用AI推理芯片，技术重点包括优化推理数据流。针对推理需求的进一步分化，AMD计划将相关技术纳入加速器路线，并发展系统级方案。

写在最后

AAI 2026前后，AMD的AI布局在产品发布与客户合作中持续推进，MEXT收购公告和Taalas收购协议则指向后续的技术整合。毫无疑问，第六代AMD EPYC服务器处理器是其中的重要支撑，它承担智能体沙盒执行、AI主机节点和企业通用计算的工作，将新的应用需求落实到CPU设计中，也让AI平台建设与企业已有的服务器环境接上了。

Meta的验证、微软Azure的部署规划以及OpenAI参与的共同调试让AMD在AI领域的领导力有了更具体的支撑。计算产品需要接受客户工作负载的检验，软件与系统也要在合作中不断调整。AMD正将这些工作纳入覆盖训练与推理的平台建设，产品范围从芯片延伸到机架和现场设备，推动AI从技术创新走向规模化部署。为不同的AI工作负载匹配合适的计算能力，这正是AMD在AAI 2026上强调的理念，也是这一系列产品与合作共同指向的目标。