大家习惯把 AI 算力直接等同于大 GPU，但是在拉斯维加斯举办的 CES 2026 上，AMD 给出一套不一样的思路，AI 是多负载混合任务，智能体、长上下文推理、本地端侧 AI、调度与数据搬运，很多环节并不适合堆显卡；AMD 在现场拿出完整方案，依靠第六代 EPYC Zen 6 服务器 CPU、锐龙 XDNA 2 NPU、Pensando DPU、MEXT 智能内存扩展技术，再搭配升级后的 ROCm 软件生态，把 CPU、NPU、网络、内存全部变成 AI 算力的组成部分，不再只靠 GPU 单打独斗，这套方案专门针对当下火热的智能体 AI，智能体需要反复调用工具、多轮规划、频繁读写内存，这类任务瓶颈经常不在矩阵计算，而在数据调度、延迟、内存容量，只用 GPU 反而容易出现资源浪费；现场实测显示，搭载 MEXT 的第六代 EPYC，在不少智能体负载下砍掉一半物理 DRAM，依旧保住九成以上性能，端侧锐龙 AI 依靠内置 NPU 完成本地大模型推理，DPU 接管网络与存储卸载，把 GPU 解放出来留给最适合它的大规模矩阵运算，整套开放算力栈覆盖云端机架、服务器、AI PC、嵌入式边缘设备。
拉斯维加斯展会亮相非 GPU 算力模块清单
- 第六代 EPYC（Venice，Zen 6）服务器 CPU：最高 256 核，超大共享 L3 缓存，原生面向智能体 AI，搭配 MEXT 内存扩展，降低昂贵 DRAM 的依赖，负责智能体规划、工具调用、任务调度、EDA 仿真。
- XDNA 2 NPU（锐龙 AI 400 / Max+）：端侧本地算力，最高 60 TOPS，独立跑本地大模型、图像生成、Copilot 任务，不需要占用 GPU。
- Pensando DPU / Vulcano 智能网卡：卸载网络包、存储、安全、通信同步，减少 CPU 和 GPU 的无效开销，是大规模机架里看不见的算力。
- MEXT 智能内存扩展技术：内置学习型预测引擎，预判内存访问，把低速扩展内存伪装成高速 DRAM，专门解决智能体 “吃内存” 痛点。
- ROCm 全栈软件：打通 CPU、NPU、GPU、DPU，统一调度，支持 Windows、Linux，降低多硬件协同开发门槛。
Helios 机架平台硬件分工简表
| 硬件单元 | 定位 | 在 AI 里面承担的工作 |
|---|---|---|
| Instinct MI455X GPU | 主加速器 | 大模型训练、高密度矩阵推理 |
| EPYC Venice CPU | 任务调度底座 | Agent 规划、多任务编排、控制流 |
| Pensando Vulcano NIC | 数据搬运 | 集群通信、存储卸载、安全隔离 |
| MEXT 内存子系统 | 容量扩充 | 降低内存采购成本，提升并发任务数量 |
| ROCm | 软件层 | 统一编译、调度、模型适配 |
几个关键技术亮点
- Zen 6 的超大缓存域：CCX 扩大到 32 核，共享 L3 提升至 128MB，智能体多任务之间交换数据不用频繁访问外部内存，大幅压低延迟。
- MEXT 的 AI 预取：芯片内部轻量模型持续学习程序访问习惯，预测接下来要读取哪一块内存；智能体负载可以削减一半 DRAM，还维持接近原版性能。
- 端侧 NPU 独立链路：锐龙 AI 的 XDNA 2 可以独立跑模型，不用强行抢占独显，笔记本本地图文、视频理解功耗更低。
- 开放式生态路线：AMD 没有锁死硬件，ROCm 持续补齐 Windows 生态，开发者可以自由组合 CPU、NPU、GPU，按负载分配算力，而不是所有任务一股脑塞进显卡。
不同 AI 负载适合的算力载体
- 大模型预训练、批量推理：优先 Instinct GPU。
- Agent 智能体、多轮工具调用、流程编排：EPYC CPU + MEXT 收益极高。
- PC 本地小模型、实时 AI 修图、语音助手：交给 XDNA 2 NPU。
- 集群互联、加密、存储转发：交给 Pensando DPU。
当前局面总结
这次在拉斯维加斯 CES 上传递出来最核心信号，就是 AI 已经进入混合算力时代。GPU 依然是高密度矩阵运算的主力，但它不是唯一算力；智能体这类新 workload，瓶颈转移到控制流、内存、通信调度，AMD 这套全栈方案就是抓住这个变化，把 CPU、NPU、DPU、内存、软件全部纳入算力池。对于企业客户，它意味着可以优化硬件预算，不用无脑堆 HBM 和显存；对于端侧用户，意味着更多本地离线 AI 能力；当然，这套多硬件协同的开发门槛更高，生态成熟度还需要时间追赶。
【相关 FAQ】
问题 1：在拉斯维加斯展出的 AMD 方案提出 AI 不只靠 GPU，那 AMD 拿出哪些硬件释放算力潜力？
回答 1：在拉斯维加斯展出的 AMD 方案提出 AI 不只靠 GPU，依靠 Zen 6 EPYC CPU、XDNA 2 NPU、Pensando DPU、MEXT 智能内存扩展，搭配 ROCm 软件栈协同释放算力潜力。
问题 2：在拉斯维加斯 AMD 这套不靠单一 GPU 的算力方案，最适合哪一类 AI 任务？
回答 2：在拉斯维加斯 AMD 这套不靠单一 GPU 的算力方案，尤其适合智能体 Agent、多轮规划、频繁内存访问的长上下文推理，还有 PC 本地离线 AI，这类任务瓶颈不在 GPU 矩阵计算。
问题 3：拉斯维加斯 CES 上 AMD 展示的 MEXT 技术，在 AI 算力释放里起到什么作用？
回答 3：拉斯维加斯 CES 上 AMD 展示的 MEXT 技术依靠内置预测引擎预判内存访问，在智能体场景下可以大幅降低对高速 DRAM 的需求，用更少内存保住任务性能，释放整套服务器算力。
问题 4：AMD 在拉斯维加斯提出 AI 不只靠 GPU，锐龙上面的 NPU 在整套算力体系里承担什么角色？
回答 4：AMD 在拉斯维加斯提出 AI 不只靠 GPU，锐龙搭载的 XDNA 2 NPU 作为独立端侧算力，负责本地离线大模型、实时 AI 处理，不用占用独显，降低功耗，释放 GPU 留给更重任务。
【参考资料】
[2026-11-11]（AI 不只靠 GPU：在拉斯维加斯，看 AMD 如何释放算力潜力）新浪科技
[2026-11-11]（Zen6 细节终于摊牌：AMD 如何把 EPYC 推向智能体 AI 时代）36 氪
[2026-01-05]（AMD and its Partners Share their Vision for “AI Everywhere, for Everyone” at CES 2026）AMD 官方新闻
[2026-01-06]（苏姿丰 CES 演讲：Helios 机架，迈向尧字节级算力）华尔街见闻
[2026-01-09]（芯片公司的 “上天”“落地” 探索）中国电子报
【免责声明】
以上内容仅为拉斯维加斯 CES 展会 AMD 相关算力技术资讯转述，不构成服务器采购、算力集群搭建、芯片选型投资建议。AMD 这套多硬件协同 AI 方案的实际性能、落地成本、软件适配效果随模型、负载、驱动版本变化；产品正式量产、供货时间、定价以 AMD 官方后续公告为准。
本文来自作者[锐涡快照]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/itzx/202611/2538.html
评论列表（4条）
我是乌兰科技网的签约作者“锐涡快照”！
希望本篇文章《AI 算力不能只依靠 GPU，拉斯维加斯 CES 展会上 AMD 通过 CPU、NPU、DPU、内存智能调度与全栈软件释放整套算力潜力》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：大家习惯把 AI 算力直接等同于大 GPU，但是在拉斯维加斯举办的 CES 2026 上，AMD 给出一套不一样的思路，AI 是多负载混合任务，智能体、长上下文推理、本地端侧 AI、调度与数据搬运，很多环节并不适合堆显卡；AMD 在现场拿出完整方案，依靠第六代 EPYC Zen 6 服务器 CPU、锐龙 XDNA 2 NPU、Pensando DPU、MEXT 智能内存扩展技术，再搭配升级后的 ROCm 软件生态，把 CPU、NPU、网络、内存全部变成 AI 算力的组成部分，不再只靠 GPU 单打独斗，这套方案专门针对当下火热的智能体 AI，智能体需要反复调用工具、多轮规划、频繁读写内存，这类任务瓶颈经常不在矩阵计算，而在数据调度、延迟、内存容量，只用 GPU 反而容易出现资源浪费；现场实测显示，搭载 MEXT 的第六代 EPYC，在不少智能体负载下砍掉一半物理 DRAM，依旧保住九成以上性能，端侧锐龙 AI 依靠内置 NPU 完成本地大模型推理，DPU 接管网络与存储卸载，把 GPU 解放出来留给最适合它的大规模矩阵运算，整套开放算力栈覆盖云端机架、服务器、AI PC、嵌入式边缘设备。