AMD CEO Lisa Su 在 TBPN：从 Advancing AI 2026 看芯片、世界模型与算力效率
为什么这期特别
Lisa Su：12 年转型之路
TBPN 在 AMD Advancing AI 2026 大会现场直播。当 Lisa Su 走上舞台时，她代表的是一个与 2014 年截然不同的 AMD。十二年前，AMD 市场份额低迷、产品路线图不明朗、行业普遍宣称"CPU 已死，GPU 将接管一切"。而今天，AMD 带着 EPYC CPU、Instinct GPU、Xilinx 自适应计算和 Helios 机架系统站在 AI 时代的中心。
Lisa Su 回顾这段历程时坦言，半导体行业每两年就会经历一次技术趋势、客户需求和市场格局的根本变化——"这行永远不会让你感到无聊。"但她承认，AI 时代的节奏比以往任何时候都快，"速率和节奏的变化实际上要快得多。我们从 '我们得再快一点' 变成了 '我们得更快'。"
在半导体行业，决策需要提前三到五年做出。Lisa Su 说： "你意识到，天哪，我们甚至可以更快。这就是市场想要的。"
"我们的第一信条就是打造伟大的产品。" — Lisa Su，AMD CEO
Lisa Su 将 AMD 的企业文化定义为三个关键词：合作、开放生态、为每个工作负载选择最佳计算引擎。她特别强调"一加一大于三"的理念——"合作伙伴不只是一个词，它是 AMD 的根基。"
Advancing AI 2026：AMD 的三大发布
AMD 在本次大会上发布了三个关键产品与合作，标志着公司从芯片供应商向全栈 AI 基础设施平台的战略转型。
Helios 机架系统搭载 MI450 加速器，将 AMD 的 CPU、GPU 和网络整合为一个完整的数据中心解决方案。这不仅是芯片层面的竞争，更是系统级的角逐——Lisa Su 反复强调，"没有一刀切的解决方案，这个世界是异构的。"
AMD × Anthropic 合作是本次大会最受关注的消息：高达 2GW 的 MI450 部署协议，价值约 50 亿美元。Anthropic 将 AMD 芯片用于 Claude 的全栈训练与推理。AMP 的 Anjney Midha 在节目中这样评价："Anthropic 从五年前起步到今天超过 400 亿美元的年化收入——大部分收入来自 Claude Code 的日常用户。这不是循环交易，这是新价值创造。"
AMD × Cerebras 推理合作推出解耦式推理方案，将推理管线的不同阶段搭配最合适的计算引擎。"这正是 Agentic AI 一直在等待的"，当 AI Agent 需要持续思考和行动时，推理延迟和吞吐量成为了硬约束。
Anthropic 用 Claude 自动适配了 MI355：一个标志性的故事
Lisa Su 在节目中分享了一个让她印象深刻的故事。几个月前，她的团队告诉她 Anthropic 已经在 MI355 上跑起来了。当她问团队需要什么帮助时，得到的回答是：
"Lisa，他们不太需要我们的帮助。他们不太需要我们帮忙。他们用 Claude 自己就搞定了。" — Lisa Su 转述团队报告
这个故事的意义远超出一次芯片适配。传统上，新硬件适配需要芯片厂商投入大量工程师与客户联合调试。Anthropic 使用 Claude 自动完成从 CUDA 到 ROCm 的代码迁移和优化——这意味着 AI 本身正在消除软件生态的迁移壁垒。
Lisa Su 对此的总结是："我深信 AI 是一种不可思议的力量倍增器。这是对所有行业都适用的，但对我们这个行业尤其如此。"如果能用 AI 把芯片开发周期缩短三到六个月，"对客户的价值是巨大的"。她转述 OpenAI 的 Sachin 对她说的话： "more compute faster"——这是她经常听到的客户声音。
异构计算的哲学：为什么 CPU、GPU、FPGA 缺一不可
从 Lisa Su 接任 CEO 至今，一直有人说她应该聚焦——要么做 CPU，要么做 GPU。她的回应贯穿了整个采访：
"这个世界是异构的——你就是你，我就是我，我们的工作负载各不相同。没有一刀切的解决方案。" — Lisa Su，AMD CEO
AMD 的并购策略——Xilinx（自适应计算）、Pensando（DPU）、ZT Systems（系统设计）——正是为了打通从芯片到机架的完整技术栈。Lisa Su 说："以前人们只做软件创业，因为硬件太难了。现在虽然也不容易，但资本和人才在涌入。"她欢迎新一代硬件创业公司，"AMD 的心态是开放接受新想法的。"
本地 AI：AI PC 和物理 AI 的下一个战场
Lisa Su 对本地 AI 下了重注。Ryzen AI Max 系列专为本地 AI 推理优化，她在节目中说： "本地 AI 将是释放全部 token 需求的关键推动力之一。"她认为，隐私、低延迟、离线可用是云端无法完全替代的优势。
与此同时，AMD 在 Advancing AI 上发布了小型机器人开发板，让开发者和初创公司能够低成本实验。"低门槛的进入方式——我想让人们体验 AMD，并拥有出色的体验。他们最终可能会进入最大的前沿模型公司——或者大量做惊人技术的初创公司。"
世界模型的 GPT-2 时刻
Odyssey 的 CEO Oliver Cameron 曾在 Cruise 从事自动驾驶研究，现在他将世界模型定义为 GPT-2 阶段的基础设施——一种可以应用于机器人、科学、游戏和自动驾驶的通用技术。Odyssey 已成立三年，募集资金 3.1 亿美元。
"如果你想训练一个能解决 IMO 级别数学题的模型，你不会把哈利·波特从训练数据里删掉——你需要哈利·波特才能解数学题。" — Oliver Cameron，Odyssey CEO
Oliver 用这个比喻解释世界模型的泛化逻辑：传统自动驾驶只用道路视角的数据训练——"戴着遮眼罩"看世界。而世界模型从一切可能的视觉数据中学习（视频游戏、电影、手机拍摄），建立对物理规律和因果关系的深层理解，最后一步才用驾驶数据微调。基础越宽泛，系统越鲁棒。
他认为世界模型和语言模型是互补的两种技术：LLM 擅长代码和写作，世界模型擅长操作物理或虚拟世界。二者的交汇点在于——世界模型可以成为 LLM 的"无限训练环境"，一种持续进化、永不固定的模拟器。这与 DeepMind 的 AlphaStar 形成鲜明对比：AlphaStar 在《星际争霸》的固定环境中训练，环境不进化，智能体的能力就有天花板。
自动驾驶的国家安全维度
"我有两个孩子。今天儿童死亡的首要原因仍然是车祸。我们已经有这样的技术了——我可以走出这里，完全无人驾驶地回到 40 英里外的家。不强制推广无人驾驶技术，现在已经近乎于一种国家危机。" — Oliver Cameron
Oliver 认为消费者口碑效应正在让 Tesla 积累难以追赶的优势。他预测到 2030 年之前，会有公司能向 Honda 等 OEM 提供可立即部署的无人驾驶方案——真正的瓶颈不是技术，而是汽车制造商是否愿意放弃自研。"他们自己阻碍了自己。"
Ideogram：从图像生成到企业设计生成
Ideogram 的 CEO Mohammad Norouzi 曾是 Google 图像生成品牌 Imagine 的创建者。他将 Ideogram 的使命定位在企业设计营销的 AI 基础设施上。当被问到图像生成是否已经"足够好"时，他回答：即使是照片级真实也不够——品牌还需要一致性（logo 必须 100% 准确）、排版可控（跨语言）、产品摄影级别的精度。
企业客户的三个核心需求：数据主权（下一代汽车、国防设计不能放在公有云上）、开放权重（Ideogram 最新模型是前沿级紧凑模型，可在企业内部部署）、以及一致性（Mohammad 认为"接下来几个月就能解决"）。
谈到与 AMD 的合作，Mohammad 分享了从 MI300 早期样品测试到 MI450 正式部署的历程： "有了 AI Agent，把架构给它然后优化到芯片上变得非常容易。"AMD 的路线图直接影响着 Ideogram 的产品规划——前沿 AI 公司普遍从芯片规格反向推导模型架构。
Output Maxing：效率即国家安全
AMP 的合伙人 Anjney Midha 是本期节目中最有冲击力的声音。他提出了一个尖锐的概念——"Output Maxing"，与行业中普遍的"Token Maxing"形成直接对比。
"AMP 的品牌就是 Output Maxing。这个行业有太多浪费——没有人以效率最优的方式在做输出最大化。" — Anjney Midha，AMP 合伙人
他给出的数字触目惊心：在美国的单租户数据中心中，每花一美元的长期租赁费，首先有约 40% 的 FLOPS 在调度中损失（节点根本没在运行），然后在芯片内部只有约 15% 的模型 FLOPS 利用率——芯片在等待存储、网络或其他芯片完成工作。两层叠加，每花一美元，只有 15 美分的算力真正投入使用。
"每一美元，只有 15% 的 FLOPS 真正被利用。另外 85%——那是国家安全危机。" — Anjney Midha
供应链积压了两年，新容量要到 2030 年才能上线。Anjney 认为美国不能跟中国比纯规模——"你不能在纯规模上打败中国。"中国的工业级协调能力、无审批障碍、十年内至少新增 100GW 能源（"甚至不会眨一下眼"）——这些都是结构性优势。DeepSeek 仅凭约 20,000 个 Hopper 等效 GPU 就做到了前沿，而梁文锋在四小时的投资者电话中明确表示"不是一家只关注利润的公司"。
Anjney 的核心论点是：美国必须靠效率取胜。将利用率从 15% 提升到 40%、60%，每一个百分点都释放出巨大的算力。Anthropic 约 5000 人的团队就创造了超过 Google 约 60,000 人的前沿创新产出——"Google 至今还没推出一个 Anthropic 级别的编程模型，尽管他们在尽最大努力。"
RL 验证飞轮：从代码到室温超导
"RL 就像训练狗——'好孩子，去捡球。做对了？给奖励。'这个算法就这么简单，但它就是有效。" — Anjney Midha
Anjney 认为强化学习是"持续馈赠的礼物"。两年前奖励建模还是手工工艺，现在已进入工业级可重复的 RL-as-a-Service。只要能做到形式化验证（如代码的单元测试），再加上 RL，就会看到能力跃升——这是为什么代码领域进展最快的原因。
但更令人激动的应用在科学领域。AMP 的投资组合公司 Periodic Labs 正在 Menlo Park 的 40,000 平方英尺实验室中将 RL 飞轮应用于材料科学——AI 模型预测新材料、机器人合成、X 射线衍射验证物理性质。因为验证信号来自物理世界本身，这是最干净的形式化验证。他们正在尝试发现室温超导体，过去六个月的进展被 Anjney 形容为"非凡"。
核废料：被误解的资产
Seth Cohen 是 Mavria Inc. 的联合创始人，此前曾任美国能源部核政策首席顾问以及核监管委员会的高级顾问。他分享了一个令人震惊的数据：
"反应堆外燃料棒上储存的能量，是沙特阿拉伯已探明石油储量的四倍。" — Seth Cohen，Mavria Inc.
约 97% 的潜在能量仍残留在所谓的"废"燃料棒中。而美国商用反应堆整个寿命周期产生的所有废料，只需要一个足球场大小的地方存放。Seth 指出，关于核废料的恐惧很大程度上来自《辛普森一家》——"我见过废燃料棒的蓝色辉光，那其实非常酷。但没有绿色粘液。"
Seth 和他的团队成功推动了一场叙事转变：从把核废料视为负债，转变为将其视为资产。27 位州长申请了"核生命周期园区"项目，Tennessee 等多个州已公开申请。"这是叙事转变成功的标志。"
对于 AI 行业而言，数据中心正面临巨大的电力供应压力——能源是 AI 部署的第一个瓶颈。Seth 认为数据中心是"关键国家资产"，必须加速核能部署以确保美国在 AI 领域的竞争力。