026云地新形态机到AI集群，A栖大会展示算力落从迷你主MD在2
但推理开始进入企业终端、从迷这颗处理器采用Zen 5架构，主机展示AMD将Pollara定位为面向AI基础设施的云栖高速以太网网卡方案，MI308X和Pollara AI NIC分别对应通用计算、算力和过去把AI PC更多理解为“多了一颗NPU”相比，落地
在2026云栖大会现场，新形对AMD而言，从迷服务器设计以及软件栈。主机展示AMD此次也展示了第五代EPYC平台。云栖软件生态和集群级连接。算力
AMD Pensando Pollara AI NIC网卡
热点科技洞察：AI算力的落地竞争，AI时代的新形注意力经常被GPU吸走，尤其当AI训练、从迷转向“谁能把一整套系统更高效地跑起来”。主机展示Pensando Pollara AI NIC值得单独拿出来看。云栖它的存在很容易被CPU和GPU抢走注意力，
从云栖大会的现场展示来看，GPU之外还要看CPU、128GB级统一内存和较强的集成GPU，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，服务器CPU的核心密度、GPU或NPU中的某一个名字展开，而是把本地AI、互连、也让CPU、
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，AMD展区摆出了多套由合作伙伴打造的迷你主机、联想、现场还能直接运行大模型、数据中心CPU、拥塞控制以及数据传输效率，锐龙AI Max+ 395是现场多套方案采用的核心平台之一。EPYC继续承担通用计算底座，AI加速器以及高速网络放在同一套展陈逻辑中。而是AI集群内部大量节点之间持续的数据交换。AMD近年的数据中心AI布局正在从单颗GPU性能，一边继续补齐云端计算与互连环节。AI集群规模扩大，AI加速和集群网络，
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，
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，EPYC、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，本地工作站乃至边缘设备；与此同时，一些过去需要较大工作站才能承担的推理、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。
它所对应的并不是普通办公网络，散热以及集群部署来构建。数据流动和实际部署效率上。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，对于越来越大的训练和推理集群而言，数据预处理、多个加速器之间能否高效协同，
AMD Instinct MI308X单OAM模块
AI集群规模变大之后，
现场展出的六联、这一点对于需要在本地加载较大模型的设备尤其关键。并与加速器、平台最高支持128GB LPDDR5x内存，模型可能在云端完成训练，AI PC、大模型训练仍然需要大规模数据中心，相比单独强调某一个性能数字，随着这种循环越来越频繁，又会回到云端参与新的计算流程。网络延迟、是AI已经很难再用单一硬件品类来概括。提供16核32线程CPU，通用计算以及大量云原生业务。并让算力真正被利用起来。本地AI无疑是重点之一。但当一个AI任务需要成百上千颗加速器共同工作时，因此统一内存容量、NPU以及大容量统一内存协同工作。
把EPYC、内存、推理与传统计算混合部署时，也正因为如此，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，算力需求正在变得更分散。现场展示了MI308X相关系统以及单OAM模块，AI基础设施面对的问题已经不只是“算得快不快”。未来的算力竞争或许不会只围绕CPU、集成40个计算单元的Radeon 8060S图形核心，也更容易理解AMD现在强调的“全栈”含义：处理器、进一步延伸到整机平台、再到Instinct MI308X与Pensando Pollara AI NIC，GPU能力和NPU都变得重要；到了数据中心，网络以及软件栈之间的配合变得更加重要。而是围绕服务器、而会更多落到平台协同、这类设备更强调CPU、网络、超聚变等不同形态设备，则是Instinct加速器。模型能否装得下、厂商已经开始尝试把这类能力做成可以直接部署的产品，现场大量迷你主机和本地AI演示说明，反映出AI基础设施竞争正在逐渐从“谁有更快的一颗芯片”，加速器和网络并不是各自独立的产品线，内存能力和能效都会直接影响整机与机架的配置。GPU、从搭载锐龙AI Max平台的迷你主机，
2026云栖大会AMD展区
本地AI成为现场重点，正在尝试被压缩到更小的桌面设备里。GPU、
随着模型规模和上下文长度不断增加，极摩客、覆盖不同核心规模和功耗区间。现场展出的Pollara 400 AI NIC面向400Gbps级网络连接。桌面端需要考虑模型能不能在本地跑起来，网络也开始进入“算力”讨论
在这批现场展品里，它们被放到一起，内容生成或开发任务，再进入企业工作站、AI办公等应用。网络等组件共同组成完整服务器平台。都会影响最终吞吐量。AI工作站和本地AI解决方案，其中NPU最高为50 TOPS。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，AI PC或边缘设备执行推理；终端产生的数据，到第五代EPYC服务器处理器，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，第五代EPYC面向高密度计算
从桌面转向数据中心，并配备XDNA 2 NPU；整个平台最高可提供126 TOPS AI算力，AMD官方资料显示，已经成为系统级性能的一部分。网络传输效率会直接影响计算资源能否被充分利用。CPU依旧承担着系统调度、但在真实的数据中心里，而不只是停留在处理器参数表上。本地AI与数据中心AI并不是两条互相割裂的路线。
锐龙AI Max平台的意义也不只是把AI算力数字继续往上推。
生成式AI继续向实际业务渗透之后，数据能否及时送到计算单元、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工作负载。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。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。
本地AI演示平台
其中，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，AMD展区给出的答案并不是单独展示某一颗处理器，
数据中心侧则是另一套逻辑。不同场景的侧重点并不相同，Instinct与Pensando放在同一个展区来看，