从芯片到整机架，AMD与Meta加速布局AI

10月27日，AMD更新了与Meta的AI基础设施合作进展。AMD确认，EPYC处理器已用于支撑Meta个人AI智能体Muse的专用计算环境，首批Helios机架级系统也已交付Meta，并进入安装与测试阶段。双方合作正从芯片供应进一步延伸至机架级系统验证和面向消费者的AI服务，但具体交付数量及全面商用时间表尚未公布。

从EPYC到Helios，AMD与Meta合作迈向系统级部署

AMD表示，Meta已在多代基础设施中累计部署数百万颗EPYC处理器，并成为最新第六代EPYC处理器“Venice”的主要客户。Venice基于Zen 6核心架构，为Muse智能体服务提供底层计算支持。AMD还透露，Meta参与了后续处理器Verano的规划，该产品专为智能体AI工作负载设计。

需要注意的是，数百万颗EPYC处理器的统计范围涵盖Meta整体基础设施，不能直接等同于Muse服务的处理器用量。AMD也尚未披露Muse具体采用的EPYC型号，以及专门用于该服务的服务器数量。

在AI加速计算方面，AMD表示，Instinct GPU已进入Meta的生产环境，承担模型训练、排序及推荐引擎等任务。Meta是Instinct MI450系列的早期定义客户，未来还将部署针对自身工作负载定制的Instinct GPU。双方合作也将延伸至MI500系列及后续机架级系统。

AMD首席执行官苏姿丰表示，随着Helios开始在Meta运行，双方正在超智能时代将合作提升至新的规模。她指出，两家公司正共同建设和部署吉瓦级AI基础设施，并联合规划未来几代芯片、软件与系统。Meta首席执行官马克·扎克伯格则称，AMD是Meta构建前沿模型计算基础设施的重要合作伙伴。

从数据中心到终端设备，软件协同拓展AI应用场景

软件生态是双方合作的另一项重点，主要围绕PyTorch和ROCm展开。AMD正为Meta的开放权重模型提供首日支持：Muse Spark Open可运行于Instinct GPU，而Muse Glimmer则面向搭载Ryzen AI处理器的AI PC及配备Radeon显卡的设备。

两款模型的定位和规模存在明显差异。根据vLLM团队10月15日发布的技术文章，Muse Spark Open采用稀疏混合专家（MoE）架构，总参数量达8160亿，每个Token激活420亿参数，并支持100万Token上下文长度。Meta于8月推出的Muse Glimmer则拥有300亿参数，重点面向本地设备上的智能体工作流。

两款模型不同的计算需求，也解释了AMD为何同时布局数据中心GPU、桌面显卡和AI PC，试图覆盖从云端到本地设备的多层次AI计算场景。此外，AMD与Meta还共同优化了运行于Instinct MI350X上的推荐模型，并将相关成果反馈至PyTorch、Triton和ROCm开源社区。

根据Meta技术文档披露的数据，MI350X的HBM容量约为英伟达B200的1.6倍。通过硬件与模型协同设计、无需预热的核心选择机制，以及借助智能体工作流辅助模型移植，端到端训练吞吐量最高提升至原来的1.5倍。在Muse Spark Open的推理优化中，采用MXFP4检查点后，四路并行请求下的输出速度从每秒206个Token提升至350个；32路并行请求下，则从每秒719个Token提升至1180个。这些数据表明，双方的合作不仅涉及硬件采购，还深入到模型适配、训练效率和推理性能优化等环节，旨在通过软硬件协同提升AI基础设施的整体效率。

10亿美元投资入局，双方合作延伸至资本层面

除技术合作外，AMD还计划参与Meta为扩大AI基础设施规模而进行的大规模普通股发行，投资金额为10亿美元。这意味着双方的合作关系将从芯片、系统和软件生态进一步延伸至资本层面。回顾双方合作进程，今年2月，AMD与Meta公布了一项多年期合作协议，计划部署最高达6吉瓦的Instinct GPU，Helios架构将支撑首阶段基础设施建设。

需要强调的是，6吉瓦是多年合作的目标上限，并不代表当前已投入运行的算力规模。今年7月，双方曾更新合作进展，提及Meta已开始测试Helios相关工作负载。此次公布首批机架进入安装与测试阶段，进一步确认了系统部署的推进情况，但仍不能据此认定大规模交付已经完成。

挑战英伟达机架级优势，规模化落地仍待验证

从目前披露的信息来看，双方合作已有三个明确进展：EPYC处理器已支撑Muse背后的计算环境；Instinct GPU已用于Meta部分生产工作负载；首批Helios机架级系统已进入Meta的安装与测试阶段。不过，双方尚未公布Helios的具体交付数量、实际部署进度，以及不同工作负载之间的硬件分配比例。从系统测试到规模化部署仍需要时间，后续商业化进程有待进一步观察。

对AI基础设施市场而言，此次进展的重要意义在于，AMD正将竞争范围从单一加速芯片扩展至机架级系统，与长期占据AI加速计算市场重要地位的英伟达展开更全面的竞争。Meta则采取异构计算策略，同时部署英伟达GPU、AMD GPU及自研MTIA加速器，以分散供应商依赖。AMD则试图通过深化ROCm与PyTorch生态的整合，降低客户迁移出CUDA生态的技术与适配成本。

未来，Helios能否从测试阶段顺利迈向规模化交付，软件生态能否持续改善开发者体验，以及相关部署能否转化为实际收入增长，都将成为衡量此次合作成效的重要指标。AMD尚未披露具体的Helios交付规模，其短期收入贡献仍需结合后续财报及双方公告进一步判断。