"AI 正在重新定义计算的每一个层次。"
这是 AMD AI 开发者大会今天首次落地上海时，AMD 董事会主席、首席执行官苏姿丰针对 AI 行业给出的最新判断。
参加完这一天的活动后可以感受到，从苏姿丰的判断，到整场大会的选题和阵容，都折射出 AI 行业正在加速转变。
竞争的焦点，正在从模型能力转向系统工程与全栈优化能力。
开发者真正需要的，是一套可以落地、可以优化、可以持续演进的工程体系。
这个判断在中国尤其成立。
DeepSeek、Qwen...... 过去两年全球最活跃的一批 AI 工程项目，从未缺少过中国的影子。
中国开发者从来都不只是 AI 应用的消费者，更是基础设施的建设者。
AMD 今天带来的，正是围绕这一趋势的系统性回应。
AI 开发者需要新的工程体系
AI 落地的成本问题，正在成为整个行业绕不开的核心议题。
图灵奖得主、Google 杰出工程师 David Patterson 在 2026 年初发出警告，他表示，AI 大规模落地，正面临一场成本危机。
这场危机乍看有一个颇具反差的面貌，Token 一降再降，但同期的企业 AI 预算却不降反增。
OpenClaw、Hermes 等 Agent 框架在几个月内成为开发者社区最热的基础设施，意味着项目从单次问答切换到 Agent 工作流。
新的工作流下，我们完成一项任务需要多轮规划、多次工具调用、反复验证，每一步都在产生算力消耗。
单次成本降低的情况下，总体成本从账单上的单行数字，变成了系统层面更难看清的累积。
系统层次的问题，自然需要系统性的解决方案，这标志着 AI 竞争正在进入一个新的阶段。
在这个阶段里，能不能在规模化之下把整套体系跑得稳、跑得省、跑得持续，才是真正的考验。
这种考验可以拆解成三个层次。
首先是成本层面，使用规模越大，Token 消耗的累积效应越明显。
一个团队跑十个并发 Agent 和跑一千个，差异不只是消耗的 Token 量，整个系统的调度、容错、资源分配都要重新设计，成本结构随之从线性变成指数级。
一个对话框里问一个问题，消耗的是单次调用；但 Agent 工作流要完成一项任务，背后是多轮规划、多次工具调用、反复验证的完整链路，每一步都在产生算力消耗。
使用规模越大，这种累积效应越明显，成本结构随之从线性变成指数级。
其次，在复杂度层面，工程难度的跃升源于 AI 应用形态的根本变化。
过去的 Chat 范式下，一个模型对应一种能力，边界清晰；但 Agent 时代要求 AI" 能办事 "，一套系统里往往同时跑着多个模型、多种模态、分布式计算和工具调用，任何一个环节的延迟或失败都会影响整个链路。
工程师面对的，是如何维护一套持续演进、随时可能扩展的生产系统。
最后是部署层面，场景碎片化正在成为新的工程负担。
云端推理满足不了所有场景，有些场景要求数据不出本地，有些场景对延迟极度敏感，有些场景根本没有稳定网络。
这些需求把开发者推向了边缘设备和端侧部署，但每换一个硬件平台，工具链、优化策略、调试环境往往都要重来一遍，碎片化带来的隐性成本在悄悄累积。
三层压力叠加，指向同一个结论，开发者真正需要的，是一套可落地、可优化、可持续演进的工程体系。
苏姿丰：中国正在领跑开放生态
这次 AI 开发者大会上，AMD 董事会主席、首席执行官苏姿丰对这套需求给出了 AMD 的判断：
Agent 时代，每个人可以拥有 5 个、10 个甚至 100 个 Agent，算力消耗的结构随之发生根本性变化，单纯堆 GPU 已经不够，GPU 加 CPU 的完整端到端算力组合才能真正满足需求。
AMD 的解决策略，是提供覆盖云端到端侧的全栈算力，以 ROCm 开源软件平台为核心，让开发者在每一个部署场景里都能找到合适的工具。
这些判断，有更长的来路。
AMD 在全球战略层面，面对 AI 工程化大趋势，有着一套一以贯之的战略。
今年年初的 CES 2026 上，苏姿丰已经给出了方向：开放生态是 AI 下一阶段的基础设施。
基础设施意味着它不属于任何一家公司，它是整个行业共同依赖、共同建设、共同受益的底层。
AMD 选择把这个词用在开放生态上，就是在表明一种立场：AI 的未来，不应该被锁定在某一套封闭的系统里。
这个立场，也在推动着 AMD 对自身定位的重塑。
软硬件协同与开放生态是实现这一目标的路径。
软件层面的开放让开发者不被硬件代际绑定，硬件层面的持续迭代为软件生态提供更强的底层支撑。
两者互相加持，形成一个庞大开发者群体愿意长期留在其中的体系。
具体到中国市场，AMD 深耕大中华区超过 30 年，上海研发中心是 AMD 全球最大的研发中心之一。
在苏姿丰看来，中国不只是 AMD 的重要市场，更是 AMD 全球路线图的重要组成部分，从芯片到 AI 软件，再到平台工程，AMD 在中国的投入覆盖了完整的技术栈。
同时，在开源生态的判断上，苏姿丰直接点出，中国正在领跑开放生态，这种开放性是推动整个 AI 生态尽可能快速演进的核心力量，也与 AMD 的战略方向高度契合。
这次在上海举办大会，正是这套战略在中国市场落地和延续的彰显。
在中国，这套战略落到实处意味着这几件具体的事：
持续投入本地开发者社区建设，让中国开发者在日常工程实践中能真正用起来、用得好；
与本地开源生态协同，免去开发者自己去做适配工作的繁冗；
最终把 AI 开发与部署的门槛降下来，让更多团队有能力把想法变成跑在生产环境里的系统。
AI 开始进入系统化工程实践
AI 工程化的竞争，正在变成整个开发者社区需要共同面对的基础建设问题。
这次 AMD 的 AI 开发者大会，设置了实战工作坊和技术专题演讲环节，其中的议题分布，就是当下 AI 工程实践的一个截面。
单轮问答的时代，推理成本可以用单次调用的价格来衡量；Agent 工作流完成一个任务要经过多轮规划、工具调用和验证，消耗结构完全变了。
如何在新范式下压低 Token 成本，如何让推理引擎在高并发场景下维持吞吐效率，如何让推理优化本身也能自动化运转，是整个行业正在啃的硬骨头，也是这次推理专题的核心命题。
RLHF 从研究论文变成各团队的标配流程，怎么在单卡上高效跑通端到端的对齐训练就成了实际问题；
MoE 架构开始大规模商用，超大规模训练的稳定性和效率，变成了每天都要面对的工程任务。
端侧方向，则是变化最明显的一块。
完全离线的 AI 桌面机器人、本地大模型驱动的个人 Agent、在本地硬件上跑通完整开发流程的 vibe coding...... 这些场景已经可以在具体的 AMD 端侧硬件上实现。
端侧 AI 不再是云端的降级替代，它在隐私保护、低延迟、离线可用等场景下有自己的工程逻辑，需要一套从模型量化到本地推理加速的完整支撑。
AI Kernel 开发、编译器优化、GPU 内核 AI 智能体、PyTorch 分布式训练框架在 AMD GPU 上的适配 ...... 关注的都是决定整个生态能走多远的基础设施层。
AMD 正在通过实战工作坊、开源工具链与真实工程场景，强化与开发者社区的长期连接，推动 AI 开发从模型使用走向系统构建。
从这些议题可以看出，AMD 想建立的是让开发者从听懂到做出来、再到持续演进的完整飞轮。
值得一提的是，AMD AI 开发者计划 - 中国也在今天正式上线。
这是 AMD 面向 AI 开发者打造的会员生态项目，通过技术资源、开发课程、社区交流和开发者活动等多元支持，帮助开发者更高效地开展 AI 应用与大模型相关开发。
加入计划的开发者，可以与更广泛的中国开发者社区建立连接，参与由 AMD AI 专家及生态伙伴支持的技术交流与工作坊。
本次会后，AMD 将通过这个计划，持续提供技术内容更新、社区互动、后续开发者活动等资源。
持续加码中国开发者生态建设
开发者生态的建设，是一场长期投入，需要工具链的持续完善、社区的持续运营、本地化适配的持续跟进，以及开发者在一次次真实工程实践中积累起来的信任。
这种信任一旦形成，切换成本极高，因为整个团队的工程惯性、积累的优化经验、调试过的工作流，都已经深度嵌入进来。
显然，这种信任已经被 AMD 握在了手中。
今天的上海，中国 AI 工程生态几乎所有关键方向的一线建设者，都被 AMD 召集在了同一个活动现场。
从 DeepSeek、Qwen 等中国主流开源模型的第一时间适配，到本地开发者社区的持续建设，AMD 在做的事有一条清晰的逻辑：
让中国开发者在日常工程实践中真正用起来、用得好。
这个逻辑背后，是 AMD 对中国 AI 市场的一个基本判断：中国不只是 AI 应用的消费市场，更是 AI 基础设施的重要建设者。
中国开源社区在训练框架、推理引擎、模型量化等方向上的贡献，正在被全球开发者社区广泛采用。
AMD 选择在这个时间节点深度投入中国开发者生态，既是对这一现实的认可，也是对未来的一次押注，他们正在通过开源协同、工具链建设与本地开发者连接，持续加码在中国 AI 开发者生态中的长期投入。
AI 时代最深的护城河，是开发者选择在你的平台上构建，并且不想离开。
AMD 在做的事，正是让这件事在中国市场一点一点成为现实。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
点亮星标
科技前沿进展每日见
