AMD：AI 是新时代的电力，而电表正在走

AI 是新的电力。正如电力为世界赋予了能量，AI 为世界赋予了智能。就像电力改变了我们的生活和工作方式一样，AI 正在成为我们日常生活的一部分，改变着我们连接、创造、娱乐和经商的方式。它让创新的力量以前所未有的规模掌握在更多人手中。

这是今年在纽约市举行的 Agentic AI Exchange 大会的核心主题，商业和技术领袖齐聚一堂，探讨企业如何超越试验阶段，让智能体 AI 大规模投入实际应用。

但这个观点还有后半句，也是我从 CIO 们那里听得最多的：电表在走。由此引出两个问题：你能多快让 AI 投入使用？你为每花费的 token 能创造多少业务价值？

回答这些问题正是我们能帮忙的地方。在 AMD，我们与客户合作，将 AI 转化为业务解决方案成果。凭借我们领先的端到端 AI 产品组合、开放平台和深入的生态合作伙伴关系，我们创造了灵活性，让 AI 在能发挥最大价值的地方运行。

AI：四年四大飞跃

变革的步伐令人瞩目。2022 年，AI 变得可以对话。2023 年，它变得多模态。2024 年，它开始推理。2025 年，它成为智能体的——这一转变在 2026 年持续加速。

最后一步对企业尤为重要。个人智能体可以提升一个人的生产力。一组智能体可以将整个部门的产出成倍放大。而在业务流程中协同工作的智能体可以积极变革组织的运营方式。

每个生产力倍增器都是一个算力倍增器

随着 AI 智能体能力增强，它们需要更多推理、提供更多上下文并执行更多操作，同时消耗更多 token。将此乘以数千个企业工作流，算力的需求和成本就会急剧增长。

对 CIO 们来说，要求很明确：扩展 AI 的同时，不让成本以同样的速度增长。

这意味着要从战略层面思考 AI 工作负载如何以及在哪里运行，并选择能带来最大价值的基础设施。

把正确的 AI 工作负载放在正确的算力上

企业客户一致表示，AI 没有一刀切的方案。

并非每个工作负载都需要云端的大型前沿模型。许多工作负载在云端、数据中心、边缘和 AI PC 上使用更小、专用或开放权重的模型运行会更高效。

关键是在平衡性能、成本和安全的同时，为每个工作负载匹配正确的模型和算力。

我们已经看到了这一方法的业务影响。全球最大的电信运营商之一 AT&T 已在 Microsoft Azure 上的 AMD Instinct™ GPU 上处理了超过 1 万亿 token 来训练开放的电信专用模型，其缓存感知 AI 网关可将每项任务路由到正确的模型，已将 AI 成本降低多达 80%。¹

这是一个有力的例子，说明正确的基础设施策略如何帮助企业在管理成本的同时扩展 AI。在本地、内部部署或 AI PC 上运行工作负载还可以降低延迟，并让敏感数据更贴近自己的环境。

目标不只是更多算力，而是从每个工作负载中获得更大的业务价值。

将 AI 转化为业务价值的框架

当客户问从哪里开始时，我会分享一个简单的三步框架：

1. 识别需求：从最重要的业务成果入手，无论是提升生产力、降低成本还是改善客户体验。接下来，确定驱动这些成果的关键工作流，以及你想要优化的工作流。然后，设计智能体工作流本身：决定哪些任务由智能体承担、人在哪些环节保持参与，以及智能体如何连接到你的数据和系统。最后，将每个工作负载匹配到合适的计算和模型，确保每个智能体都在适合该任务的正确解决方案上运行。

2. 验证价值：投资之前先测试。利用真实场景的概念验证和总拥有成本建模来建立基线、衡量投资回报，并在扩展之前验证业务可行性。

3. 加速与扩展：一旦验证了业务可行性，就专注于复制有效做法。借助合适的基础设施、治理和运营支持，企业可以从单个试点转向可投入生产的解决方案，在整个业务中交付一致、可衡量的价值。

结论

我们正处于 AI 发展中一个非凡的时刻。虽然 AI 能力是基础，但关键在于将这种 AI 能力转化为实实在在的业务价值。

一个世纪前，赢家不是那些用电最多的人，而是那些最善于用电做事的人。AI 也将如此：电表在转动，每 token 的价值成为新的成功衡量标准。 

领先的企业将是那些做出明智基础设施决策、尽早验证价值并扩展有效做法的企业。