AMD CES 2026重磅发布：Helios平台开启Yotta级AI算力新纪元

2026年1月5日，CES开幕之夜，AMD董事长兼首席执行官Lisa Su博士登上主舞台，没有冗长的铺垫，直接切入核心议题：

AI是过去50年最具变革性的技术。

但这一次，她带来的不再是远景蓝图，而是一套完整的工业化解决方案。

这不仅仅是一系列芯片的发布，更是一整套面向未来的AI基础设施平台：

面向超大规模数据中心的旗舰级MI455X，集成3200亿个晶体管；

专为企业级推理与能效优化设计的MI440X；

以及本次发布会的绝对主角——为Yotta级AI时代量身打造的机架级平台Helios。

这并非简单的硬件迭代，而是在重新勾勒AI产业的版图分界线。

为证明这不仅仅是AMD的自我宣告，Lisa Su邀请了一众顶尖AI领域的实践者同台站台：OpenAI、World Labs、Luma、Liquid、Absci等行业先锋，现场展示了他们如何将核心业务迁移至AMD平台，并取得突破性进展。

更引人注目的是，Lisa Su还提前预告了下一代MI500系列将于2027年问世，并豪言四年内性能实现1000倍的增长。

第一节：Yotta级算力缺口催生新的产业逻辑

过去一年，AI模型愈发智能，但其对算力的渴求也呈指数级攀升。

2022年全球AI运算需求约为1 Zettaflop，预计到2025年将突破100 Zettaflops。而Lisa Su的预测更为激进：未来五年，全球算力需要再提升100倍，迈入10 Yottaflops的崭新纪元。

Yottaflop究竟意味着什么？

1 Yottaflop等于1后面跟24个零，相当于当前全球总算力的上万倍。这几乎等同于过去几十年计算能力进步的总和，而这一切需要在短短五年内实现。

这预示着AI应用将迎来全面爆发：

1. 生成式视频：一段10秒的视频动辄需要处理十万个token，远超文本模型的复杂度；
2. 多模态智能体：不仅要能看、能写、能听，还要能自动协调复杂的工作流；
3. 企业级部署：每家公司不再仅仅需要一个模型，而是需要配套的开发工具链和本地化AI支持能力。

这一趋势在OpenAI总裁Greg Brockman的分享中得到数据印证：推理需求两年激增100倍的现实，让“人人拥有后台算力”的愿景受困于基础设施的瓶颈。

当大模型从“尝鲜体验”转变为“常态服务”，算力系统面临的考验也随之升级：它不再需要为跑分而生的短跑冠军，而是需要能7x24小时稳定在线、安全可靠的马拉松选手。

这迫使芯片厂商重新思考产品的定义：不是追求单一芯片的极限性能，而是构建能支撑AI工业化规模的全套基础设施：

每个计算托盘能承载多颗GPU、CPU、NPU高效协同；

每个机架能无缝扩展为成千上万个单元构成的AI工厂；

网络、内存、散热、供电都必须为超高密度和极低延迟进行重构。

这正是AMD推出Helios架构的核心思路：不依赖单颗GPU的蛮力，而是打造一套可大规模部署、持续在线、灵活适配的AI基础设施系统。

每个Helios机架拥有：

• 超过18,000个CDNA 5 GPU计算核心；
• 4,600多个CPU核心；
• 31TB HBM4高速显存；
• 每秒2.9 Exaflops的浮点运算能力。

它不再是芯片的简单堆叠，而是AI工业化生产的流水线。

这一节，AMD并未纠缠于性能天花板的数字游戏，而是重新定义了新的基准：如何让AI成为真正可用、高性价比、具备工业级稳定性的算力系统。

第二节：Helios并非最强单体机器，而是可量产的标准构件

本届CES上，Lisa Su带来的不是一块芯片，而是一座完整设计的计算工厂。

舞台上，AMD首次公开展示了Helios，一个重达3吨的机架级计算平台，专为AI工业化而生。

Helios的三个核心关键词：

1、高度集成

每个计算托盘包含：

4块MI455X GPU，集成3200亿晶体管、432GB HBM4高带宽内存；

1颗Venice CPU，拥有多达256个Zen6核心；

1颗Pensando网络芯片，负责数据流的智能调度。

托盘之间通过Ultra Accelerator Link互联，72块GPU在一个机架内协同工作，形成一个统一的巨型计算单元。

而托盘+散热+供电+网络+算力调度软件，全部预集成在一个整机内。这不是一堆零部件的拼凑，而是一个可以直接投入生产的AI工段。

2、模块化设计

Helios没有采用封闭的专有架构，而是遵循OCP（开放计算项目）标准。

每个组件均可替换、升级、扩展。它更像一套可自由组合的积木系统，而非一次性封装的黑色盒子。这对于快速迭代的大型AI公司至关重要，模型还在进化，数据中心不能每次都推倒重来。

Lisa Su给出了Helios的定义：目标不是制造一台最强的机器，而是打造一个可以量产、复制的算力模板。

3、极致效率

Helios采用全液冷散热方案，能在超高负载下保持稳定运行。

每个机架配备31TB显存，机架内部带宽高达260TB/s，对外连接带宽达43TB/s。

AMD还深度优化了ROCm软件栈，使其能够无缝兼容主流开源AI框架，如PyTorch、vLLM、SGLang。开发者几乎无需修改代码即可直接使用。

相比之下，NVIDIA的DGX系列更强调整体性能的极致，而Helios则更注重模块化与开放性，意在成为整个行业通用的标准件。

Lisa Su的理念是：不让客户去适配AMD，而是让AMD主动适配客户的需求。

这不仅仅是一次产品发布，更是一次架构哲学的转变。

OpenAI采用MI455加速推理服务；

Meta与AMD联合设计Helios架构；

主流云服务商正将Helios纳入其下一代AI基础设施规划。

Helios不再是一个孤立的产品，而是下一轮AI工业化的最小功能构件。

AMD发布的是一条可以复制的生产线，一个为AGI世界预制的底层模块。

第三节：OpenAI、Luma、李飞飞，为何选择AMD

本次CES舞台上，AMD并非在追随竞争对手，而是在尝试定义新的行业标准。

过去两年，大模型发布节奏不断加快，但AI真正发挥价值的地方，早已不是发布会，而是后台的持续运行：

Greg Brockman：我们正从单纯的被动问答，演进为自主执行复杂工作流的智能体时代。

未来每个人都将拥有后台运行的10个智能体。那不再是临时调用AI，而是AI全天候在线，这对推理芯片提出了前所未有的压力。

1、智能体不是概念，已在真实场景运行

AI视频公司Luma CEO的分享更具说服力：

一段10秒的视频推理，Token数量可能高达10万个。

他们已将模型部署到生产线：

一年时间内，Luma有60%的推理负载迁移到了AMD平台；

大模型只是起点，接下来的任务全是智能体架构；

这些智能体不仅能回答问题，还能修改世界、编辑视频、自动创作一部完整影片。

当这些任务真正落地时，GPU的经济性变得比绝对性能更为关键。

2、Liquid AI：AI的下一个入口，是主动式助手

MIT孵化的公司Liquid AI联合创始人Ramin Hasani正式推出两款核心产品：

一是LFM 2.5：12亿参数的小模型，可在本地设备完成指令跟随，在指令遵循能力上超越了DeepSeek和Gemini 2.5 Pro；

二是LFM 3：能听、能看、能说、能实时翻译的多模态助手，延迟低于100毫秒。

这不再是云上训练模型，而是直接在笔记本本地运行，持续监听、主动协助用户。

Ramin表示：

“现在，不是人类在召唤AI，而是AI在默默为你做事。”

这对芯片的要求，已经从模型规模转向部署速度、离线能力和功耗控制。

3、李飞飞带来第三种维度：空间智能 + 世界建模

World Labs CEO李飞飞展示了另一种“AI交互新范式”的可能性。

只需一张普通照片，模型就能还原完整的3D空间，不仅是识别房间，而是“创建世界”：

将图片输入模型后，可以生成多个3D结构版本；

实时拖动、编辑、重建世界细节；

甚至能把拉斯维加斯威尼斯人酒店的一张图，生成可自由探索的完整空间世界。

李飞飞强调：

“人类的理解从不是从文字开始，而是从空间与动作。真正通用的AI，必须能理解物理世界。”

而空间智能的落地，需要高带宽、低延迟、大内存、高并发，这些需求是传统图形处理无法满足的。

三个案例指向同一个趋势：Luma看重成本，Liquid看重实时性，World Labs看重大内存。

这意味着算力竞争的逻辑已经改变：从比拼参数，变成比拼体系能力。

AMD正将硬件重塑为AI的“操作系统”，成为支撑万物智能的算力底座。

第四节：从云到端，AI落地的最后一公里

如果说Helios是主电站，那么接下来的问题就是：电力如何输送到各个角落，如何在每个终端点亮应用。

AI要无处不在，就需要将算力带到云端之下的每一层。个性化、现场化、连续性，是这个过程的三个关键词。

从医院、工厂、学校，到你桌上的那台电脑，AI需要进入真正复杂的人类环境。

1、从AI PC到Halo：将AI带到桌面

过去两年，大语言模型几乎都在云上运行，但这带来两大问题：

成本高昂，每次调用都需要支付显卡费用；

延迟明显，每次问答都依赖网络连接。

AMD推出Ryzen AI Max和Halo系列，就是要将AI能力搬到本地。

Ryzen AI Max配备128GB统一内存，可在本地运行200B参数模型，让创作者和开发者能直接在个人工作站上部署AI工具。

性能方面，它在高端笔记本场景中超越MacBook Pro，在小工作站场景中以更低价格达到NVIDIA DGX Spark的性能，运行GPT开源模型时每美元每秒生成的Token数是后者的1.7倍。

Halo则是全球最小的AI开发机，手掌大小却能运行200B参数模型，预装ROCm软件栈，专为开发者和研究团队设计。

关键技术是AMD将CPU、GPU和NPU做成统一内存架构，三者直接共享数据。这意味着你在笔记本上调用Copilot、摘要会议、编辑视频，都可以完全离线完成。

2、医疗：AI已经在救人

OpenAI总裁Greg Brockman分享了一个假期里的真实案例：有人腿疼，医生初诊说没事，回家后用ChatGPT输入症状，AI建议立即回医院。结果发现是严重血栓，如果没有AI提醒可能致命。

医疗行业已成为AI落地最快的领域之一。

现场三家公司展示了实际应用：

Absci用AI从零设计新药，使用AMD MI355单日筛选超过100万种候选药物，攻克脱发和女性健康疾病。

Illumina每天产生的测序数据量超过YouTube，用于癌症早筛和精准医疗，系统采用AMD EPYC CPU和FPGA实时处理。

AstraZeneca大规模使用生成式AI设计分子、筛选药物，候选药物交付速度提升50%，临床成功率也在提高。

这些公司已将AI作为主力工具，而非简单试水。

3、工业机器人：边缘AI的触觉协作

Generative Bionics创始人Daniele Pucci带来了人形机器人Gene One。它能感受人手的力度、方向和协作意图，这背后是触觉反馈和实时决策能力。

AMD提供了完整算力路径：机器人本体用Ryzen AI Embedded和Versal Edge芯片，模型训练用MI系列显卡，多机协作靠Pensando网络芯片。

边缘设备的AI不能等待联网，必须本地决策、立即响应。这就是AMD从云到端的连续计算架构。

4、新兴场景：不能等、不能断、不能慢

除了云端和边缘，AI正向更多新兴场景渗透。空间智能、机器人导航、虚拟世界构建，都需要高带宽、低延迟、大内存和实时响应。

这些场景的共同特点是：不能等，不能断，不能慢。

5、AI落地的未来：从标准芯片变为场景原生平台

这一整轮发布，实际上是Lisa Su带领AMD转型的清晰路线图。

在云端，Helios机架、MI455显卡和Venice CPU构成了大规模训练与推理的基础设施，服务于OpenAI、Meta等头部AI公司。

在企业级，MI440X和MI430X提供更高精度的计算能力，专门面向主权AI和超级计算场景，满足科研机构和政府部门的需求。

在开发层，Ryzen AI Max和Halo让开发者能在本地进行模型开发和智能体原型验证，不必每次都依赖云端资源。

在消费端，Ryzen AI 400系列处理器让普通PC也能运行Copilot、主动助手和内容创作工具，将AI真正带入日常生活。

从云到端，AMD不是在销售芯片，而是在铺设AI时代的基础设施。

结语：将芯片做成地基

MI455是芯片，Helios是平台，但真正让AMD占据有利位置的，是Lisa Su所揭示的产业逻辑：

不是建造一台最强机器，而是搭建一套可量产的工业系统；

不是问能跑多大模型，而是问能否支撑百万级智能体同时工作。

OpenAI训练模型，Luma生成视频，Absci设计新药，Generative Bionics驱动机器人。

而AMD，正成为这一切背后的算力基础设施提供者。

2026年这场CES，Lisa Su押注的是最底层的命题：让AI真正落地，既要性能足够强，也要成本可控，还要长期稳定运行。

📮 原文链接：

https://www.youtube.com/watch?v=H4ylJtPRACo&t=7079s

https://www.reuters.com/business/amd-unveils-new-chips-ces-event-las-vegas-2026-01-06/

https://www.amd.com/en/newsroom/press-releases/2026-1-5-amd-and-its-partners-share-their-vision-for-ai-ev.html

https://www.marketwatch.com/story/as-amd-chases-nvidia-heres-how-its-positioning-itself-for-the-future-of-ai-09048ea4