机器人究竟需要什么样的计算平台？AMD在最新的AI活动上给出了一个不同以往的答案。随着AI从屏幕走向物理世界，面向机器人、自主系统的集成平台正在成为新的技术焦点。在这场由theCUBE直播的独家对话中，AMD产品营销与管理副总裁Kirk Saban明确提出，未来物理AI计算的核心逻辑不是GPU一家独大，而是GPU与CPU的深度协同。
Saban将代理型AI（Agentic AI）推到了台前。他认为，无论是人形机器人还是其他类型的自主机器人，其底层需求高度一致，那就是庞大且多元的算力。“你需要GPU算力，但你同样需要CPU算力来完成所有的自主功能，”Saban强调，“代理型AI的终极应用、终极体现，就是人形机器人。”这句话直接点出了AMD在机器人赛道上的战略判断：单纯的图形或张量核心已不足以应付真实环境的复杂任务，实时控制、决策逻辑、传感器融合等任务离不开传统CPU的配合。
这一判断背后，是AMD嵌入式业务的广泛布局。其平台已经渗透到医疗、农业、汽车、工业物联网等多个领域，跨行业的覆盖带来了对硬件灵活性的极致要求。Saban指出，通过AMD的FPGA技术进行传感器聚合，开发者能够在不改变底层硬件的条件下，适配不同的传感器、摄像头和MIPI接口。“这正是我们价值主张的核心部分，”他解释道，“我们可以服务于整个机器人谱系——脊柱、大脑、关节。现在，我们拥有了完整的解决方案。”
在此之前，机器人开发往往需要在定制芯片与通用方案之间做出艰难权衡。定制芯片性能精准但开发周期长、复用性差；通用方案又难以适配五花八门的传感模块。AMD的思路是把FPGA的可重编程特性引入平台，让同一套硬件根据不同场景重新配置，从而降低开发门槛、缩短迭代周期。这背后还隐含着一个更大的行业趋势：开放生态系统和标准化架构正在成为物理AI计算的关键优先级。当机器人从实验室走向工厂、农场和手术室，封闭的软硬件绑定模式越来越难以满足碎片化的实际需求，这也是AMD反复强调“开放、以开发者为中心”的出发点。
值得注意的是，Saban在访谈中特意使用了“完整解决方案”一词。他所说的完整，并非仅指算力芯片的组合，而是涵盖从传感器数据采集、预处理到高层决策推理的一条纵向通道。用FPGA处理实时的传感器聚合与预处理，用CPU负责自主控制逻辑，再用GPU加速AI推理与训练，这样的架构让平台在应对机器人多模态、高实时性的任务时，有了兼顾效率与灵活性的可能。
将人形机器人定调为代理型AI的“终极载体”，AMD的布局意图已经十分清晰。这一判断并不止于概念层面的站队，而是已经在硬件和平台策略上有了对应支撑。随着越来越多的科技公司开始押注具身智能，围绕物理AI算力架构的竞争，或许才刚刚翻开新的一页。
热门跟贴