TAG:AMD
AMD展示2026 CES机器人解决方案
本文介绍了AMD在CES 2026上展示的机器人战略，重点是与意大利初创公司Generative Bionics合作推出的人形机器人概念平台GENE.01。该平台强调触觉智能和分布式计算架构，面向工业应用场景。同时，AMD推出了专为边缘系统设计的Ryzen AI Embedded处理器系列，以及一系列生态布局，展示了从云端训练到边缘执行的全栈AI计算能力，以支持Physical AI和机器人技术的发展。
1 
0 
英特尔高管批评AMD掌机芯片为过时产品
英特尔高管在CES 2026期间公开批评AMD在掌机市场销售的是“老古董”芯片，并强调自家专为掌机设计的Panther Lake处理器在每瓦性能和图形处理能力上具有优势。文章介绍了英特尔新一代处理器的技术亮点及市场策略。
AMD推出AI芯片直指英特尔市场
AMD在2026年CES上发布了全新的AI PC芯片系列，包括Ryzen AI400和Ryzen AI Pro400处理器，基于Zen5架构和XDNA2 NPU，旨在将人工智能能力从云端扩展到笔记本电脑和移动设备。新产品与英特尔Core Ultra系列展开竞争，同时AMD与戴尔等PC厂商的合作关系改善，市场份额显著提升。然而，行业仍面临供应链挑战和生态建设需求。
苏姿丰称AI不会取代人类 但AMD青睐AI优先求职者
AMD首席执行官苏姿丰在CES 2026上分享了对AI与就业市场的见解，强调AI不会取代人类，而是作为生产力倍增器改变工作性质。她指出AMD招聘需求持续增长，但更青睐具备'AI优先'思维的求职者，未来五年全球AI用户预计超50亿，AI能力将成为职场基础技能。
AMD苏姿丰：AI不取代人类，但懂AI者优先
AMD首席执行官苏姿丰在CES展上表示，人工智能不会取代人类，但会改变企业招聘方向。她强调公司正在优先招聘具备AI思维的人才，AI技术正增强生产力而非取代员工。文章还提及AMD在AI芯片市场的竞争地位及行业对AI影响的不同观点。
CES大秀倒计时：黄仁勋与苏姿丰同日登场 机器人领域竞争加剧
本文聚焦2026年CES科技大展，重点预告了英伟达CEO黄仁勋与AMD CEO苏姿丰的主题演讲内容，分别涉及AI数据中心、机器人技术及AI PC硬件进展。文章指出，消费级AI与机器人将成为展会核心，众多厂商将展示家用、工商业机器人，但需面对商业化可行性的市场审视。
阿里巴巴拟大规模采购AMD MI308AI芯片
据报道，阿里巴巴计划向AMD采购4万到5万颗MI308AI芯片，以增强其在人工智能领域的技术布局。MI308作为专为中国市场定制的合规AI芯片，凭借192GB HBM3显存、约1.2万美元的单价以及较高的安全性，在性价比上优于NVIDIA的H20芯片。这一采购决策不仅反映了阿里巴巴对AI计算能力的强烈需求，也可能对行业芯片竞争和供应链产生重要影响。
AMD CEO苏姿丰到访中国
AMD董事会主席兼首席执行官苏姿丰率高管团队访问联想北京全球总部，参观了包括人形机器人在内的多项联想最新产品与技术成果。此次访问展现了科技巨头间的合作交流，可能预示着双方在人工智能、计算硬件等领域的进一步合作动向。
AMD掌门人苏姿丰造访联想总部，考察人形机器人
AMD董事会主席兼CEO苏姿丰率团队访问联想集团北京全球总部，参观了包括人形机器人在内的多项最新产品与技术成果。双方在AI PC领域已有合作，此次互动进一步凸显了在人工智能浪潮下，AMD与联想等终端厂商的紧密关系。同时，联想也在深化与英伟达的合作，预计2026年联想科技创新大会上，苏姿丰和黄仁勋均将出席。
三星联手AMD 台积电2nm芯片霸主地位或遭撼动
据报道，三星正在与AMD洽谈2纳米芯片代工合作，可能涉及下一代CPU的开发。这一合作若达成，将挑战台积电在先进制程领域的垄断地位，反映芯片行业竞争加剧和供应链多元化趋势。
AMD携手HPE深化合作 共促开放AI基础设施规模化
AMD与HPE宣布扩大合作，共同推动开放式、可扩展的大规模AI基础设施发展。基于AMD的“Helios”全栈平台，该合作将集成EPYC处理器、Instinct GPU及ROCm软件栈，提供每机架高达2.9exaFLOPS的计算性能，旨在简化AI集群部署，提升灵活性和效率。HPE还将为德国HLRS推出搭载AMD技术的新超级计算机“Herder”，预计2027年投入使用，助力科学和工业创新。
AI算力的“B计划”：当AMD与IBM联手，用1024张MI300X，炼出了第一个“非NVIDIA”大模型
AMD携手IBM与Zyphra发布全球首个纯AMD硬件训练的大模型ZAYA1，采用MoE架构预训练14T tokens，性能与Qwen3系列持平。ZAYA1创新性采用CCA注意力机制和线性路由MoE，在数学推理等STEM领域表现优异，验证了AMD MI300X+ROCm在大规模模型训练中的可行性。
