AMD推出Physical AI产品矩阵：杀入英伟达“后花园”

当地时间7月23日，AMD在美国旧金山举行的年度AI大会“Advancing AI 2026”上，正式发布了Ryzen AI Embedded X100系列处理器，以及基于该处理器的一款生产就绪的模块化产品——AMD Kria AI系统级模块(SOM)。

AMD认为，AI能力正从数据中心的虚拟空间走向物理世界，机器人、工业自动化、自动驾驶等场景将成为下一轮AI增长的核心驱动力。这一判断也与AMD的硬件基因高度契合。过去20年，AMD在工业、汽车、医疗等嵌入式领域积累了大量实时计算经验，拥有一系列的软硬件解决方案。

值得关注的是，AMD引用了一项针对150多家机器人开发者的调研数据揭示了Physical AI与传统云端AI的关键差异：机器人对延迟、可靠性和确定性有着严苛要求，单纯比拼TOPS数字并不能解决实际工程问题。

对此，AMD在此次大会上正式发布了Ryzen AI Embedded X100系列处理器，以及基于该处理器的一款生产就绪的模块化产品——AMD Kria AI系统级模块(SOM)。

具体来说，Ryzen AI Embedded X100系列处理器拥有16核心的Zen 5 CPU + 最高40核心的RDNA 3.5 GPU + XDNA 2 NPU异构架构，单芯片AI算力最高50 TOPS，相比上一代提升约3倍，明确面向工业自动化、自主系统、人形机器人本体计算等场景。

为了加速X100系列处理器的落地商用，AMD还推出了基于基于X100系列处理器的Kria AI系统级模块(SOM)，这是一款生产就绪的模块化产品，可以帮助客户快速实现产品的开发和上市。根据PPT公布的测试数据：基于Bosch Rexroth控制器的测试显示，X100系列可实现8000次决策/秒(125微秒延迟)，GPU视觉语言模型(VLA)推理延迟低于100毫秒，NPU任务分类延迟小于0.4ms。

AMD还同步推出了Kria AI Robotics Developer Platform，号称“业界首个开放、交钥匙、集成平台”，核心卖点包括：

开源硬件：提供开源底板原理图与FPGA设计，支持从概念到原型仅需数天；

开放软件：软件栈基于ROCm与ROS 2构建，消除供应商锁定；

规模化部署：从原型到量产，Carrier Card搭配Kria AI SOM即可实现。

AMD此次Physical AI产品的发布，可以看作其AI战略从数据中心向物理世界延伸的关键一步。在云端AI训练市场，NVIDIA仍占据绝对主导地位；但在机器人、边缘计算等Physical AI场景，市场格局远未定型。

AMD的差异化策略在于“开放”与“确定性”——前者吸引希望避免供应商锁定的开发者，后者回应机器人在实时性、可靠性方面的刚性需求。加上ROCm软件栈持续优化、ROS 2原生支持，以及Kria SOM这类生产就绪模块的推出，AMD正在构建从云端训练到边缘执行的完整Physical AI闭环。

但挑战同样存在，不仅机器人相关的开发者生态的建设需要时间，而且英伟达近年来在机器人领域投入重资，凭借Jetson平台已积累大量用户。AMD ROCm的迁移成本目前仍是现实门槛。此外，正如AMD在AI工厂领域所面临的局面，硬件性能之外，软件栈成熟度与开发者习惯的迁移，才是更长远的战役。

不过，对于机器人开发者而言，多一个真正可用的开放平台选择，本身就是好事。

编辑：芯智讯-浪客剑