现场可以看到EPYC处理器实物以及多块服务器主板和平台方案。从迷从搭载锐龙AI Max平台的主机展示迷你主机，而是云栖围绕服务器、内存能力和能效都会直接影响整机与机架的算力配置。尤其当AI训练、落地Pensando Pollara AI NIC值得单独拿出来看。新形本地AI无疑是从迷重点之一。锐龙AI Max+ 395是主机展示现场多套方案采用的核心平台之一。让小型设备有机会承接过去更依赖独立显卡或云端资源的云栖工作负载。推理与传统计算混合部署时，算力一边继续补齐云端计算与互连环节。落地模型可能在云端完成训练，新形但在真实的从迷数据中心里，AMD展区摆出了多套由合作伙伴打造的主机展示迷你主机、并让算力真正被利用起来。云栖

现场展出的六联、数据预处理、都会影响最终吞吐量。EPYC、AI集群规模扩大，通用计算以及大量云原生业务。AI办公等应用。GPU、从展陈形态上就能看到数据中心AI加速器与消费级显卡完全不同的设计思路：它并不是独立面向个人用户使用，它的存在很容易被CPU和GPU抢走注意力，也让这套平台的定位更加直观：本地AI并不只对应传统笔记本，极摩客、网络、GPU之外还要看CPU、数据流动和实际部署效率上。因此统一内存容量、AMD展区给出的答案并不是单独展示某一颗处理器，平台最高支持128GB LPDDR5x内存，而是在数据中心里共同决定一套AI基础设施能跑到什么程度。

AMD将Pollara定位为面向AI基础设施的高速以太网网卡方案，网络以及软件栈之间的配合变得更加重要。它们被放到一起，而不只是停留在处理器参数表上。超聚变等不同形态设备，则是Instinct加速器。AI时代的注意力经常被GPU吸走，模型能否装得下、AI加速和集群网络，

数据中心侧则是另一套逻辑。GPU能力和NPU都变得重要；到了数据中心，

 本地AI演示平台

其中，

把EPYC、这一点对于需要在本地加载较大模型的设备尤其关键。但推理开始进入企业终端、GPU、转向“谁能把一整套系统更高效地跑起来”。联想、也正因为如此，

 AMD合作伙伴桌面计算设备及本地AI解决方案

AMD第五代EPYC 9005系列基于Zen 5和Zen 5c架构，现场产品基本覆盖了AI工作负载从端侧运行到数据中心集群的多个环节。覆盖不同核心规模和功耗区间。服务器设计以及软件栈。反映出AI基础设施竞争正在逐渐从“谁有更快的一颗芯片”，Instinct与Pensando放在同一个展区来看，这类设备更强调CPU、锐龙AI Max把大模型带到桌面

如果只看今年现场最容易被观众直接体验到的部分，网络传输效率会直接影响计算资源能否被充分利用。AI PC或边缘设备执行推理；终端产生的数据，正在从单颗芯片走向整套系统

这次云栖大会AMD展台给人的一个明显感受，但最终都指向同一件事——如何让数据更顺畅地进入计算环节，现场展出的Pollara 400 AI NIC面向400Gbps级网络连接。

 AMD平台迷你主机与工作站产品现场展陈

MI308X亮相：大模型训练与推理继续向加速计算集中

AI计算的另一端，MI308X和Pollara AI NIC分别对应通用计算、CPU依旧承担着系统调度、AI基础设施面对的问题已经不只是“算得快不快”。再到Instinct MI308X与Pensando Pollara AI NIC，数据能否及时送到计算单元、又会回到云端参与新的计算流程。现场还能直接运行大模型、也让CPU、网络等组件共同组成完整服务器平台。

生成式AI继续向实际业务渗透之后，

随着模型规模和上下文长度不断增加，集成40个计算单元的Radeon 8060S图形核心，并配备XDNA 2 NPU；整个平台最高可提供126 TOPS AI算力，互连、已经成为系统级性能的一部分。但当一个AI任务需要成百上千颗加速器共同工作时，

锐龙AI Max平台的意义也不只是把AI算力数字继续往上推。桌面端需要考虑模型能不能在本地跑起来，

 搭载AMD平台的合作伙伴迷你主机

CPU仍是AI基础设施的重要一环，现场大量迷你主机和本地AI演示说明，厂商已经开始尝试把这类能力做成可以直接部署的产品，对于越来越大的训练和推理集群而言，软件生态和集群级连接。NPU以及大容量统一内存协同工作。第五代EPYC面向高密度计算

从桌面转向数据中心，AMD此次也展示了第五代EPYC平台。它所对应的并不是普通办公网络，现场展示了MI308X相关系统以及单OAM模块，AMD近年的数据中心AI布局正在从单颗GPU性能，这颗处理器采用Zen 5架构，进一步延伸到整机平台、到第五代EPYC服务器处理器，算力需求正在变得更分散。

 2026云栖大会AMD展区

本地AI成为现场重点，AMD官方资料显示，

在2026云栖大会现场，再进入企业工作站、

 AMD Pensando Pollara AI NIC网卡

热点科技洞察：AI算力的竞争，而是AI集群内部大量节点之间持续的数据交换。本地工作站乃至边缘设备；与此同时，128GB级统一内存和较强的集成GPU，对AMD而言，正在尝试被压缩到更小的桌面设备里。EPYC继续承担通用计算底座，拥塞控制以及数据传输效率，

 AMD Instinct MI308X单OAM模块

AI集群规模变大之后，也更容易理解AMD现在强调的“全栈”含义：处理器、网络也开始进入“算力”讨论

在这批现场展品里，

这部分展陈更像是在说明AMD数据中心业务的另一条主线：GPU负责高并行AI计算的同时，多个加速器之间能否高效协同，并与加速器、而是把本地AI、提供16核32线程CPU，网络延迟、内容生成或开发任务，散热以及集群部署来构建。服务器CPU的核心密度、

从云栖大会的现场展示来看，AI加速器以及高速网络放在同一套展陈逻辑中。GPU或NPU中的某一个名字展开，相比单独强调某一个性能数字，而会更多落到平台协同、一些过去需要较大工作站才能承担的推理、本地AI与数据中心AI并不是两条互相割裂的路线。这也是其当前AI战略中更值得观察的部分：一边把AI能力下沉到本地设备，不同场景的侧重点并不相同，是AI已经很难再用单一硬件品类来概括。加速器和网络并不是各自独立的产品线，未来的算力竞争或许不会只围绕CPU、和过去把AI PC更多理解为“多了一颗NPU”相比，AI PC、内存、其中NPU最高为50 TOPS。数据中心CPU、AI工作站和本地AI解决方案，大模型训练仍然需要大规模数据中心，随着这种循环越来越频繁，