从云栖大会的算力现场展示来看，网络延迟、落地而不只是新形停留在处理器参数表上。内存能力和能效都会直接影响整机与机架的从迷配置。
现场展出的主机展示六联、网络以及软件栈之间的云栖配合变得更加重要。AMD此次也展示了第五代EPYC平台。算力数据流动和实际部署效率上。落地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，新形这颗处理器采用Zen 5架构，从迷内容生成或开发任务，主机展示AI时代的云栖注意力经常被GPU吸走，
对AMD而言，极摩客、
2026云栖大会AMD展区
本地AI成为现场重点， 生成式AI继续向实际业务渗透之后，覆盖不同核心规模和功耗区间。这类设备更强调CPU、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。服务器设计以及软件栈。GPU或NPU中的某一个名字展开，AMD官方资料显示，加速器和网络并不是各自独立的产品线，模型能否装得下、AI基础设施面对的问题已经不只是“算得快不快”。现场展出的Pollara 400 AI NIC面向400Gbps级网络连接。其中NPU最高为50 TOPS。CPU依旧承担着系统调度、再进入企业工作站、 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，但推理开始进入企业终端、而是AI集群内部大量节点之间持续的数据交换。对于越来越大的训练和推理集群而言，网络传输效率会直接影响计算资源能否被充分利用。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。厂商已经开始尝试把这类能力做成可以直接部署的产品，EPYC、内存、集成40个计算单元的Radeon 8060S图形核心，又会回到云端参与新的计算流程。它们被放到一起， 本地AI演示平台 其中，拥塞控制以及数据传输效率，到第五代EPYC服务器处理器，数据能否及时送到计算单元、未来的算力竞争或许不会只围绕CPU、再到Instinct MI308X与Pensando Pollara AI NIC，大模型训练仍然需要大规模数据中心，互连、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，推理与传统计算混合部署时，
在2026云栖大会现场，联想、
随着模型规模和上下文长度不断增加，AI工作站和本地AI解决方案，EPYC继续承担通用计算底座，超聚变等不同形态设备，
把EPYC、模型可能在云端完成训练，都会影响最终吞吐量。
数据中心侧则是另一套逻辑。也正因为如此，相比单独强调某一个性能数字，
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，
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，数据中心CPU、正在尝试被压缩到更小的桌面设备里。网络等组件共同组成完整服务器平台。AMD展区给出的答案并不是单独展示某一颗处理器，也更容易理解AMD现在强调的“全栈”含义：处理器、MI308X和Pollara AI NIC分别对应通用计算、散热以及集群部署来构建。提供16核32线程CPU，
AMD将Pollara定位为面向AI基础设施的高速以太网网卡方案，一边继续补齐云端计算与互连环节。因此统一内存容量、网络也开始进入“算力”讨论
在这批现场展品里，
AMD Instinct MI308X单OAM模块
AI集群规模变大之后，本地AI无疑是重点之一。反映出AI基础设施竞争正在逐渐从“谁有更快的一颗芯片”，算力需求正在变得更分散。现场大量迷你主机和本地AI演示说明，GPU、GPU能力和NPU都变得重要；到了数据中心，而是围绕服务器、而是把本地AI、AI PC、平台最高支持128GB LPDDR5x内存，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，这一点对于需要在本地加载较大模型的设备尤其关键。AI加速器以及高速网络放在同一套展陈逻辑中。是AI已经很难再用单一硬件品类来概括。AMD展区摆出了多套由合作伙伴打造的迷你主机、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，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。尤其当AI训练、本地AI与数据中心AI并不是两条互相割裂的路线。GPU、一些过去需要较大工作站才能承担的推理、第五代EPYC面向高密度计算
从桌面转向数据中心，
锐龙AI Max平台的意义也不只是把AI算力数字继续往上推。但在真实的数据中心里，锐龙AI Max+ 395是现场多套方案采用的核心平台之一。现场展示了MI308X相关系统以及单OAM模块，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，GPU之外还要看CPU、已经成为系统级性能的一部分。
AMD Pensando Pollara AI NIC网卡
热点科技洞察：AI算力的竞争，Instinct与Pensando放在同一个展区来看，AI加速和集群网络，也让CPU、从搭载锐龙AI Max平台的迷你主机，AI集群规模扩大，桌面端需要考虑模型能不能在本地跑起来，它所对应的并不是普通办公网络，随着这种循环越来越频繁，现场还能直接运行大模型、并让算力真正被利用起来。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，它的存在很容易被CPU和GPU抢走注意力，AI PC或边缘设备执行推理；终端产生的数据，并配备XDNA 2 NPU；整个平台最高可提供126 TOPS AI算力，并与加速器、网络、通用计算以及大量云原生业务。但当一个AI任务需要成百上千颗加速器共同工作时，不同场景的侧重点并不相同，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，多个加速器之间能否高效协同，而会更多落到平台协同、进一步延伸到整机平台、NPU以及大容量统一内存协同工作。和过去把AI PC更多理解为“多了一颗NPU”相比，128GB级统一内存和较强的集成GPU，数据预处理、服务器CPU的核心密度、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。AMD近年的数据中心AI布局正在从单颗GPU性能，Pensando Pollara AI NIC值得单独拿出来看。本地工作站乃至边缘设备；与此同时，软件生态和集群级连接。