继英伟达CEO黄仁勋随美国总统访华之后，AMD的掌门人苏姿丰也踏上了中国之旅。就在5月19日上海的AMD AI开发者日活动上，苏姿丰发表了约十分钟的演讲，向外界传递了AMD对中国市场的重视与对未来AI趋势的洞察。
谈及对中国市场的承诺，苏姿丰列举了几个关键数字：AMD在北京、上海、深圳和台北的研发中心，汇聚了超过4000名工程师；其EPYC处理器已经支撑起中国头部云服务的700多个云实例；同时，公司与超过100家软件提供商、初创公司及高校建立了生态合作关系。这些数字背后，是AMD深耕本地化研发与合作的清晰战略。
AI普及的惊人速度与智能体的范式跃迁
苏姿丰对AI的普及速度给出了一个颇具冲击力的预判：全球活跃AI用户数将从2020年的约100万，激增至2025年的10亿以上，并预计在2030年达到50亿。这意味着，未来五年内，AI将真正成为数十亿人日常生活中的一部分。
在随后与零一万物CEO李开复的“炉边对话”中，两位行业领袖深入探讨了“AI智能体”这一前沿领域。李开复指出，过去一年发生了根本性变化：AI的编程能力已经跨过了临界点。从一年前仅能辅助编写代码片段，发展到如今可以端到端交付完整功能。智能体在数字世界的一切行为，最终都归结于代码执行，因此编码能力的突破，为自主智能体走向现实铺平了道路。
但更深刻的认知转变在于，行业开始意识到单一智能体的能力存在天花板。无论模型参数规模多大，仅靠单个Agent的推理能力，在面对真实世界的复杂问题时总会遇到瓶颈。而多智能体架构的出现，第一次打破了这一上限。规划、评估、研究、执行等不同角色的智能体开始协作、辩论，并在彼此的工作成果上持续迭代，这构成了智能体能力跃升的新范式。
硬件竞赛的新焦点：全栈算力与端侧协同
苏姿丰透露，AMD自身的工程师已经在利用AI智能体来加速产品设计和验证流程。她观察到，一个配备合适工具和充足算力的个人，如今能完成几年前需要一个团队才能完成的工作。这背后，智能体经济催生了前所未有的算力需求，而且需要的并非单一算力，而是一整套能够协同工作的全栈算力体系。
对此，李开复点明了多智能体协同走向实用的硬件前提：系统必须满足本地优先、端侧处理，以及低于100毫秒的响应延迟。他认为，这正是当前硬件竞争真正决出胜负的关键战场。谁能更好地满足这些苛刻的实时性、隐私性和效率要求，谁就能在下一轮AI应用中占据先机。
“CPU+GPU”时代与开源生态的全球化创新
“AI正处在一个转折点上。”苏姿丰总结道。推理和智能体需求的爆发式增长，正在重新定义计算格局。CPU的角色被重新定位，AI在企业端的部署也从试点项目转向大规模铺开，变得无处不在。
她进一步阐述，随着AI智能体的广泛使用，我们正进入一个“CPU+GPU”协同计算的时代。2024年至2025年，主要计算节点中CPU与GPU的比例可能从1:4向1:1演进。AMD今年的重点，正是加速这一发展势头，扩展其在计算技术和数据中心领域的领导力。这一判断并非空xue来风，苏姿丰在近期的财报电话会中也透露，随着AI应用扩展，市场对支持AI推理的CPU需求显著增长，AMD已连续四个季度实现了创纪录的服务器CPU收入。
另一个让苏姿丰感到兴奋的趋势，是开源AI社区的蓬勃创新，并且这个生态正变得越来越全球化。李开复对此深表赞同，他认为开源趋势势不可挡，正在从根本上重写全球AI的竞争规则。中国开源生态的出色表现，背后有深刻的结构性原因：由于硬件资源相对有限，中国的开发者和公司无法单纯依赖“大力出奇迹”的算力堆砌。这种约束反而迫使整个生态将重点转向极致的工程效率，更加专注于算法优化、架构创新，以及打造更精简、更强大的底层基础设施。
未来展望：自主企业与AI转型的核心命题
整体来看，苏姿丰认为，我们仍处于AI时代的非常早期阶段，真正精彩的部分还在后头。李开复则描绘了更具体的未来图景：真正意义上的“自主企业”将会诞生，其驱动力来自跨部门、多层级协同运作的智能体网络。而下一阶段的产业AI转型，将紧紧围绕两个核心问题展开：一是数据主权，二是清晰可验证的投资回报率（ROI）。这两个问题，将成为企业拥抱AI过程中必须回答的关键考题。
