AI智能体的工作并不都发生在GPU上：模型推理需要加速器，工具调用、代码执行、沙箱和流程编排则会消耗大量CPU资源。AMD推出Helion开放机架后，智能体AI开始按任务配置CPU与GPU，机架设计也从“堆叠加速卡”转向完整工作流优化。

10月12日，AMD在OCP 2026期间发布Helion智能体AI机架蓝图。该方案基于开放计算项目规范设计，允许合作伙伴和客户根据智能体工作负载调整CPU性能、核心密度、功耗和GPU加速比例，并支持风冷与液冷配置。

智能体工作流拆成多个计算环节

传统的大模型基础设施讨论往往聚焦训练和推理吞吐量。进入智能体阶段后，一次用户任务可能包含规划、搜索、调用接口、运行代码、读取文件、创建隔离环境和多轮模型推理。不同环节对计算资源的要求并不相同。

例如，模型生成通常依赖GPU，而大量并发智能体的任务调度、数据预处理、工具执行和沙箱管理更适合CPU。若所有环节都按照同一种硬件比例建设，可能导致一边排队、另一边闲置，增加电力和资本开支。

两类机架对应不同部署场景

AMD给出的第一类配置是纯CPU机架，使用第六代EPYC处理器，最高可支持32768个CPU核心。它面向超大规模客户，把智能体执行与独立的模型推理基础设施连接起来，适合已经拥有集中GPU集群的环境。

第二类是一体化机架，在同一平台中组合EPYC CPU节点、Instinct MI350P GPU节点和通用计算资源，面向希望获得完整企业智能体AI系统的客户。合作伙伴可以按照任务需要调整CPU和GPU比例，把智能体执行、模型推理与辅助计算放进统一架构。

Helion还包含集成式Token路由器，可把智能体的模型调用分配给前沿模型或开源模型。模型路由有助于让简单任务使用成本较低的模型，把高复杂度请求交给更强模型，但实际效果取决于路由准确率、失败回退和业务评估。

开放蓝图降低定制门槛

AMD计划把Helion规范贡献给OCP，供社区继续开发和采用。公司公布的生态支持方包括Cisco、Dell Technologies、鸿海、HPE、联想、QCT、Supermicro和Wiwynn。相关机架配置目前仍在与合作伙伴共同开发，计划于2026年11月推出。

开放规范有利于不同厂商围绕网络、存储、散热和管理软件进行组合，也能减少客户被单一封闭架构锁定的担忧。不过，开放并不自动意味着组件可以任意混搭，企业仍需验证固件、驱动、网络协议、散热能力和运维工具之间的兼容性。

编辑观察：衡量每类任务的算力占比

企业在规划智能体基础设施前，应从真实任务轨迹中统计模型调用、CPU执行时间、内存占用、网络流量、沙箱数量和峰值并发，再决定CPU与GPU比例。还要同时考虑电力、散热、机架空间、故障域和扩容周期。

AMD Helion所代表的变化，是智能体AI的基础设施开始围绕工作流设计，而不只围绕单个模型设计。谁能把推理、执行、隔离与调度准确映射到合适硬件，谁才更可能在规模扩大时控制成本、时延和能耗。

配图为AIcent原创AI生成实景风格示意图，非官方新闻现场照片，不使用第三方新闻图片。

参考来源：AMD官方新闻中心（2026年10月12日）。正文为基于官方消息的中文整理，编辑观察与事实披露分开呈现。