在高盛 Communacopia + Technology 大会上，AMD 负责计算与企业 AI 业务的高级副总裁兼总经理 Dan McNamara 表示，公司正在把在人工智能中的角色从半导体供应商扩展为机架级系统与软件提供商，同时将服务器 CPU 产品线定位为承接智能体 AI（agentic AI）负载带来的新增需求。AMD 财务战略与投资者关系企业副总裁 Matt Ramsay 同场发言，重申了公司此前给出的增长目标。
从卖芯片到卖整机架
McNamara 称，AMD 已从分别管理各条产品路线图，转向统筹覆盖 CPU、GPU 与网络的数据中心路线图，当前的首要重点是交付机架级解决方案。Ramsay 补充说，这让 AMD 能以更广义的高性能计算伙伴身份面对大型计算客户，而不再只是 CPU、GPU、FPGA 或半定制部件的单一供应商；这一合作方式可延伸至终端设备、边缘推理、本地服务器、云部署、大规模 AI 数据中心以及 PC。
在具体产品上，Ramsay 提到 AMD 正通过机架部署扩大 AI 业务，包括 Helios 系统与 MI455 产品。公司重申的目标包括：在战略时间框架内，数据中心业务复合年增速超过 60%，AI 业务复合年增速超过 80%；到 2030 年对应的潜在市场规模约 2 万亿美元，对应约 40% 的增速，AMD 预期自身增速将快于整体市场。他还提到公司预计到 2027 年数据中心业务规模将增长一倍以上。
智能体 AI 为何利好 CPU
McNamara 认为，智能体 AI 改变了系统架构。此前的提示—响应式推理应用大体是 Web 服务器、应用服务器、数据库、存储与 GPU 服务器的线性部署；而智能体系统涉及持续活动、多个智能体，以及控制面操作、API 调用、数据库查询和工具执行等任务。这些任务跑在 CPU 上，因此既催生面向智能体环境的新一类 CPU，也推高对传统通用服务器的需求，以支撑更活跃的系统负载。
按他的说法，AMD 以 Venice 产品组合瞄准三类 CPU 部署场景：面向智能体 AI 环境的高核心数处理器，其中包括一款 256 核产品；面向头节点工作负载、负责持续给 GPU 供给任务的高频处理器；以及面向更广泛企业与云部署的通用服务器处理器。
Ramsay 表示，AMD 已将服务器 CPU 的潜在市场规模估计从 600 亿美元上调至 1200 亿美元，再进一步上调至到 2030 年的 2200 亿美元；公司预计其服务器业务将覆盖其中一半以上，但他没有给出详细的市场份额预测。对于吉瓦级 AI 部署中 CPU 的占比，McNamara 称无法用固定比例表达，因为这会随客户负载（训练、推理、通用计算与智能体应用的组合）而变化；不过他提到，CPU 与 GPU 的比例正从目前大致 一比一的水平上升。
自用 AI 与模型组合
AMD 高管还披露了公司内部的 AI 使用情况。McNamara 说，AMD 已成为 AI 的重要内部用户，最初是为 AI 智能体优化数据层，并开源了名为 Optima 的解决方案；如今把 AI 用于电子设计自动化、编码、调试、内核开发及更广泛的软件开发等特定领域工作，并借此改善运营自动化与效率。他表示，更快的上市时间才是关键所在，AMD 会先在自己的数据中心部署自家技术，再推向外部企业客户。
Ramsay 说，AMD 在工程组织中采用了 Anthropic 与 OpenAI 的工具，以加速软件开发、调试和芯片程序生产；公司承担了更高的 token 成本，但获得了更大的生产率提升。在模型格局上，他认为市场将同时存在前沿模型、开放权重模型以及面向特定任务的更小语言模型，AMD 的目标是在这些场景中提供能带来良好「每美元 token」经济性的 CPU 与 GPU 产品。
McNamara 预计企业会采用混合架构，把云端前沿模型与运行开放权重模型的本地系统结合，并按性能、延迟、安全与成本等因素，以基于策略的路由方式分配工作负载。他称企业架构会高度混合，且这一趋势将持续。
x86 生态与执行
在服务器架构竞争上，McNamara 认为 x86 与基于 Arm 的产品之间的较量，更多是优化问题而非指令集架构问题；他指出 x86 软件生态对庞大的通用服务器存量负载仍然重要。他表示 Turin 产品需求强劲，并预期 Venice 将延续这一势头。
整体来看，AMD 这番表态把竞争焦点从单颗芯片的性能，推向 CPU、GPU、网络与软件协同的整机架交付能力，同时把智能体 AI 视为服务器 CPU 需求的新增量来源。对产业链而言，这意味着价值分配可能进一步向系统集成、网络互联与服务器整机环节扩散，而 CPU 在 AI 数据中心中的角色也被重新定价。