过去几天，AMD在AI圈刷了两次屏。
7月28日，智东西一篇人形机器人算力布局的深度报道在科技媒体间传开，同一天AMD自研开源模型Instella-MoE-16B-A3B-Think的详细参数和跑分被各家跟进拆解，HuggingFace上的模型页引来不少开发者围观复现。
7月24日的Advancing AI 2026大会上，苏姿丰一口气连发七项发布，市场的聚光灯大多打在Helios整机柜和2nm工艺的MI455X上，而真正值得细嚼慢咽的，是藏在后面的两条暗线，一条伸进机器人的身体，一条摸进大模型的腹地。
一条伸进机器人的身体，一条摸进大模型的腹地，拼在一起才是AMD这盘棋的完整形状。
这次被热议的Kria AI方案，核心是一套面向物理AI的软硬件全家桶，把异构算力、开放模块和软件工具链打包进了同一套机器人架构。
硬件底座是锐龙AI嵌入式X100系列处理器，统一内存架构最高支持128GB，单芯片集成Zen 5 CPU、RDNA 3.5核显与XDNA 2 NPU三类算力单元，顶配型号X199为16核Zen 5加40个GPU计算单元，NPU独立AI算力最高可达50TOPS。
三路算力的分工相当明确，CPU负责实时控制，完整控制周期压到125微秒以内，核显跑沉浸式图形渲染，还能在100毫秒内完成π0.5 VLA模型的AI推理，NPU专攻低时延确定性任务，视觉检测仅需不到0.4毫秒。
往上是Kria AI系统级模块，采用COM-HPC开放标准，厂商可以跳过繁琐昂贵的主板研发环节直接整合。
再往上是Kria AI机器人开发者平台，补上机器人载板、ROCm和ROS 2软件工具链与参考设计，定位开箱即用的开放式交钥匙方案。
节奏也很清晰，X100处理器6月已开始送样，预计第四季度量产，开发者平台正在向早期客户送样，同样第四季度正式供货。
公开合作案例显示，Weston Robot基于AMD Kria平台打造B2系列安检机器狗，算法移植与适配周期大幅缩短。
再看模型这一头。
Instella-MoE总参数16B，激活参数仅2.8B，27层解码器架构，64个路由专家中每token激活6个，外加2个共享专家，预训练吃掉7.1万亿token，支持64K长上下文。
很多人第一反应是比跑分。
Base版本平均分76.7，高于SmolLM3-3B和OLMo-3-7B，但确实打不过Qwen3.5-4B-Base，Think版本则在激活参数更少的情况下赢了Gemma-4-E4B-it。
如果只盯着榜单，这模型充其量算同梯队中上水平，远谈不上惊艳。
但芯片公司做模型，从来不是为了刷榜。
真正的看点在训练方式上，这是完全基于AMD Instinct MI300X和MI325X GPU、全程跑在ROCm软件栈上从零训出来的模型，训练框架Primus和RL框架Miles全是自家货。
为了压掉MoE架构专家并行的通信开销，AMD专门做了FarSkip-Collective连接模式，把预训练速度拉高12.7%，推理端配合SGLang把首次Token响应时间最多缩短39.2%。
更关键的是开源的彻底程度，权重、训练配置、数据配比、推理代码，连同预训练、中期训练、长上下文扩展、SFT、DPO、强化学习一共6个阶段的中间检查点全部公开。
这个诚意指向的读者不是普通用户，而是所有潜在客户和开发者。
此前Zyphra已经用ZAYA1验证过MI300X的端到端训练能力，AMD这次亲自下场，本质上是用一个完整项目证明，离开CUDA生态，AMD的软硬件组合可以独立跑完从预训练到强化学习的全链路。
卖铲子的人亲自下矿挖一轮，挖到多少金子不重要，证明矿机能用才重要。
把Kria放进竞争格局里看，会发现AMD选了一条和对手完全不同的路。
英伟达的Jetson Thor走的是暴力性能路线，2070 FP4稀疏峰值算力确实唬人，英伟达官方在发布会上披露的口径是70亿参数级VLA模型的视觉到动作端到端感知推理，在Jetson Thor上约45毫秒，而在传统边缘平台需要800毫秒。
但机器人行业有句大实话，脱离功耗、散热和实时性谈理论算力毫无意义。
一颗芯片峰值再高，塞进人形机器人狭小的躯干里持续降频，就成了废铁。
数据中心比的是峰值算力，机器人拼的是在严苛功耗预算里长期稳定输出的可用算力，以及高算力AI推理、高实时运动控制、低功耗传感器接入三类需求的同时满足。
X100三路异构各干各的活，Kria平台再叠加赛灵思的FPGA产品线补齐传感器接入与实时控制，正是冲着这个痛点去的。
125微秒的控制周期、0.4毫秒的视觉检测，这些数字不起眼，却是机器人敢不敢在真人旁边干活的安全底线。
依托赛灵思产品线的积累，Zynq UltraScale+已通过ISO 26262 ASIL-C与IEC 61508 SIL3功能安全认证，可以进入关节控制、安全检测这些对可靠性有硬性要求的环节。
更值得玩味的是AMD的入场姿势。
过去二十多年，赛灵思的FPGA一直在给FANUC、欧姆龙、DEXORY这些头部厂商做传感、安全和实时控制系统，也就是机器人的神经末梢。
当年收购赛灵思埋下的产业伏笔，如今开始逐步兑现，把AI算力叠加到存量工业客户身上，相当于在已有客户池里做增量升级，获客成本远低于从零拓荒。
如今从传感器接入、关节实时控制到中枢AI推理的全层级算力，AMD都有对应产品覆盖，Kria AI做大脑负责高级感知推理，Versal AI Edge做脊柱跑高速数据，Zynq UltraScale+管关节实时控制。
这种从工业现场反向包抄的路径，和从GPU训练端自上而下推平台的打法，是完全两种物种。
开放是AMD这次唯一反复强调的词。
模块用COM-HPC开放标准，软件站在ROCm和ROS 2两个开源基座上，模型权重全链路公开，开发者平台明牌打出交钥匙加消除供应商锁定的旗号，30多家伙伴组成开放机器人合作伙伴网络，覆盖ODM、ISV、仿真、传感器、系统集成各个环节。
这不是情怀，是生意经。
机器人行业极度分散，工业、服务、人形、四足各有各的硬件需求，本来就没有统一标准，客户最怕被单一供应商绑死在封闭生态里，中途想换血就得伤筋动骨。
当对手的护城河是封闭栈的深度，开放本身的宽度就成了最锋利的错位竞争武器。
对广大中小机器人厂商来说，一套能按需裁剪、从原型平滑走到量产、还不用担心被卡脖子的平台，吸引力未必输给纸面算力更强的方案。
AMD真正想复刻的是PC时代开放标准跑赢封闭专有架构的那条路径，让具身智能市场走向平台化、生态化，靠产品与生态互相促进形成正循环。
从MI455X到X100，从Instella到Kria，AMD实际缝合了一个闭环。云端用Instinct加ROCm训练具身智能模型，端侧用Kria直接部署推理，开发者不用在云端和端侧之间切换两套工具链，中间再用开源软件和开放标准黏合整条生态。模型练的是ROCm全栈的工程成熟度，平台攒的是开放生态的产业向心力。
机器人大脑的竞赛才刚刚开跑。这一局拼的未必是谁的芯片跑得更快，而是谁能让开发者用更低的代价、更短的时间，把实验室里的原型变成产线上的产品。这条路上，AMD选择做那个把门敞开的人，至于门里能聚起多少人，第四季度的量产交付会给出第一份答案。
2026全球闪存峰会
随着生成式AI进入规模化落地阶段，大模型训练与推理对存储性能、容量、架构的需求持续攀升，存储正从被动的数据容器，升级为驱动AI产业发展的核心底座。
在此背景下，以“存力跃迁，AI破局”为核心主题的2026全球闪存峰会（Flash Memory World 2026），将于2026年8月26日在中国武汉正式举办。本届峰会由 DOIT 传媒、华中科技大学计算机科学与技术学院、华中科技大学集成电路学院联合主办，汇聚全球存储产业链力量，全面呈现闪存技术前沿突破与 AI 时代的产业新图景。
报名通道：https://app.ehub.net/register/nga5ph
扫描下方二维码 关注我们
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表