AMD是全球领先的半导体厂商,业务组织涵盖客户端产品、服务器、嵌入式系统与AI加速器。AMD公司报告称,其2023年营收为236亿美元,如今这家企业正努力探索以确保自身成为生成式AI浪潮下的受益者。
AMD内部的IT战略与AI实施工作由首席信息官Hasmukh Ranjan负责领导,他管理着一支约1000人的团队。Ranjan的职能角色早已超越典型的CIO职务,他积极支持内部产品开发,一切交付其他部门的方案都要先经过他的体验和评判。他还负责公司的间接采购,并在AMD企业客户那边的CIO当中扮演行业领袖和倡导者角色。

AMD在AI革命中的双重角色定位
作为AI生态系统中的关键参与者,AMD在两条战线上同步开展业务:开发推动AI进步的半导体产品,同时在内部实施AI以简化运营。Ranjan指出,“我们的目标是打造出能够重新定义AI可能性的产品。我们先进的半导体芯片促进了大语言模型(LLM)及其他AI应用的发展,使我们能够以前所未有的方式支持企业。”在内部,AMD会使用自己的技术来提高运营效率,旨在成为其他企业可以效仿的示范企业。Ranjan认为,这种双线关注成为AMD的核心优势,不仅使得该公司能够为AI行业做出贡献,同时也可以利用AI成果改进其自身在工程技术、人力资源和采购等领域的执行流程。
AMD的AI集成框架
为了实现AMD的AI抱负,Ranjan实施了一套基于四大关键原则的长期战略性AI框架:辅助、行动、自动化与自主性。辅助主要指使用聊天机器人、智能领航与问答功能。行动强调促进交易、建议和警报。自动化有助于完善端到端流程并进一步提升系统化水平。最后的自主性则强调创建数字角色,提供更加强大的自主决策技术和无人值守能力。
他解释称,“我们正在从辅助工具转向完全自主的系统。”目前,AMD公司专注于开发能够帮助员工提高工作效率的AI智能领航与聊天机器人方案。该公司的内部AI路线图还会优先考虑那些未来有望自主行动的工具,从而减少对于人工干预的需求。Ranjan强调,实现这一愿景需要强大的数据质量与计算能力:“从辅助系统到自主系统的整个过程,离不开丰富的数据、高级分析和大量计算资源的支撑。”而他团队的工作就是绘制出一条从AI协助完成任务到未来依靠自主系统简化AMD运营流程的可行路径。
数据和计算——AI创新的支柱
Ranjan将数据和计算视为成功应用AI技术的基石。他表示“数据是AI的核心,处理数据的计算能力也同样重要”,并解释称AMD对于前沿技术的把握(其中不少技术尚未公开)为公司的AI探索带来了独特优势。
为了确保最大限度利用数据,AMD为各种工作岗位(包括工程师和人力资源专业人士)开发出量身定制的AI工具,让每个人都能从特定的AI驱动效率中获益。Ranjan解释道,“我们为AMD内部的不同岗位规划了「常规状态」,以确保最佳AI应用方式。这种具有针对性的方法能够指导我们对于AI工具的具体选择和部署,从而实现有意义的生产力提升。”
IT在AI浪潮下的角色演变
Ranjan认为,AI将从根本上重新定义IT扮演的角色,未来数据和计算将成为IT职能中的核心。他指出,目前企业能够利用的业务数据仅占总量中的约5%,而未来AI科技的发展有望让组织能够利用多达75%的数据。Ranjan兴奋地强调称,“AI的发展与数据密切相关,IT则有望在企业环境下引领这一重要转变。”但他也承认,最大限度利用数据对于劳动力群体也提出了新的技能要求,而AMD已经成立起一支“AI计算”团队,由相关专项职位引领这一进程。他分享称,“我们围绕AI计算引入了新的工作类别,同时招募经验丰富的专业人士和应届毕业生,希望他们能从新的视角出发应对挑战。”这支新团队不仅负责支持AMD的内部需求,还与产品组携手合作以增强对外部客户的服务和交付能力。
AI与劳动力发展
随着AI科技重塑整个职场,Ranjan承认,人们对这股浪潮给就业市场带来的冲击既兴奋又感到担忧。回顾自己在印度的成长经历,他回忆起银行等行业最初对于技术方案的抵制,但后来这些行业又成为最主要的IT应用者。Ranjan强调称,“人们担心会因此失业,但事实证明技术会创造出更多的就业机会。AI这边的情况也差不多,其实质并不在于消灭原有工作岗位,而是新的岗位对于员工技能提出了新的要求。”
最近几个月来,AMD的IT团队发现与AI计算和自动化相关的新兴职能需求开始激增,这表明该项技术确实成为创造就业机会的催化剂。Ranjan对此充满信心,表示只要员工愿意接受再培训,就完全可以在AI驱动的未来市场上找到新的机会。
构建生态系统,设定成功指标
在指导AMD的AI转型过程中,Ranjan始终在强调合作伙伴关系与可量化目标的重要性。他指出,“AI的发展不可能由单独哪个部门来实现。”AMD已经在基础设施的各个层面建立起一整套由值得信赖的供应商和合作伙伴组成的生态系统,具体涵盖计算、网络乃至数据和中间件。此外,Ranjan和AMD公司首席软件官兼首席执行官苏姿丰密切合作,上报AI计划,使用关键绩效指标(KPI)来跟踪项目进度并确保项目以结果为导向。Ranjan解释道,“这可不是科学实验,我们会设置明确的KPI来衡量各个不同业务部门是否成功。”通过关注工程时间节约等指标,AMD正努力确保其AI计划能够被转化为真正的价值。
面向未来的路线图
凭借明确的AI应用战略,Ranjan对于AMD以身作则的能力持乐观态度。他总结道,“我们才刚刚开始探索AI的全部潜力。但随着时间推移,这一切终将改变企业自身并重新定义IT的新面貌。”通过深思熟虑的实施辅以持续学习,Ranjan带领的AMD团队正在认真制定路线图。这不仅是为了加强公司内部的科研实力,更将给更多刚刚踏上自己AI之旅的组织提供指引和参照。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。