AMD與OpenAI深化共同設計 打造下一代AI基礎設施

AMD在Advancing AI 2026大會上進一步揭露與OpenAI的合作內容，雙方合作已不再侷限於GPU採購或系統部署，而是擴展至晶片、系統架構、軟體堆疊與AI模型需求的共同設計（Co-design）。隨著大型語言模型持續朝向更大規模、更高代理能力（Agentic AI）發展，硬體與模型之間的協同設計正逐漸成為AI基礎設施發展的重要方向。

OpenAI運算策略副總裁Sachin Katti表示，AI模型正快速演進，不僅持續提升推理能力，也開始參與軟體開發、科研與基礎設施管理等工作，因此未來AI系統對運算效能、記憶體容量、網路頻寬以及能源效率的要求都將持續提高。

圖一 : AMD執行長蘇姿丰博士（左）與OpenAI運算策略副總裁Sachin Katti對談

雙方合作最早可追溯至AMD Instinct MI300X平台，之後逐步延伸至MI355X，而最新發表的Helios機櫃級AI系統則代表合作再向前推進。Helios採用AMD Instinct MI455X GPU與第六代EPYC "Venice"處理器，OpenAI目前已提前使用該平台進行軟體驗證與最佳化，包括針對GPT等級大型模型進行除錯、效能調校與系統驗證，為後續正式部署預作準備。

依照AMD規畫，OpenAI將於2026年下半年透過多家部署合作夥伴開始導入Helios系統，並於2027年擴大部署規模，這也代表雙方先前宣布的6GW AMD GPU建置計畫正式進入第一階段。

除了硬體部署之外，更受外界關注的是雙方已建立模型與硬體共同規畫的合作模式。OpenAI會向AMD提供新一代AI模型發展方向，包括模型規模、未來訓練與推論需求，以及可能面臨的系統瓶頸，AMD則將這些資訊提前納入GPU、CPU、記憶體、互連網路以及軟體架構的設計規畫。

AMD表示，這套回饋機制已經影響Instinct MI400系列產品的設計方向，未來也將延續至下一代MI500系列。對GPU供應商而言，若能在晶片設計初期便掌握模型需求，相較於傳統依據既有工作負載設計硬體，更有機會提升整體系統效率。

軟體方面也是此次合作的重要內容。OpenAI研究員Philippe Tillet指出，不同AI工作負載需要不同的程式設計方式，因此不存在一套適用所有場景的GPU軟體架構。研究用途仍大量採用Triton快速開發GPU Kernel，而針對推論等高度追求效能的應用，OpenAI則發展出更貼近硬體架構的Gluon程式語言，以提升GPU資源利用效率。

AMD目前已與OpenAI共同優化Triton、Gluon，以及LLVM編譯器等底層軟體技術，希望讓新一代GPU硬體效能能更有效反映在實際AI工作負載上，而非僅停留於理論規格。

此外，AI也開始協助AI系統本身的開發流程。OpenAI表示，目前Codex已能協助工程師撰寫Triton GPU程式碼，未來也將逐步支援Gluon，透過代理型AI工具協助產生GPU程式、最佳化核心以及加速新硬體適配，降低工程師在底層程式開發上的負擔。

AMD與OpenAI此次展示的不只是硬體合作，而是建立從模型需求、晶片設計、軟體開發到系統部署的完整技術協作模式。隨著AI模型規模持續擴大，未來AI基礎設施的競爭焦點，將不再只是單一晶片效能，而是晶片、軟體、系統與模型能否同步優化，形成完整的平台競爭力。這也顯示AI運算產業正從硬體競賽，逐步邁向全技術堆疊共同設計的新階段。