↑

AMD探讨企业数据基础设施适配智能体AI的生产部署方案

AMD|阅读 1
2026/11/18 00:50
原文链接:https://newsroom.amd.com/news/is-your-enterprise-data-infrastructure-ready-for-agentic-ai/
智能体AIAMD EPYC处理器企业数据基础设施算力性能数据库负载
AMD探讨企业数据基础设施适配智能体AI的生产部署方案
本文围绕智能体AI从试点转向生产部署时的算力需求增长问题,分析企业现有数据基础设施面临的性能、成本挑战,介绍AMD EPYC系列处理器适配相关负载的技术特性与实测表现。

声明:文档由AI根据原文生成。

智能体AI落地催生基础设施新需求

AMD Helios rackscale solution 1920x1080

企业正整合打通内部数据,满足智能体AI的信息调用需求。而智能体从试点转向生产阶段时,首个常见约束往往并非模型本身,而是智能体访问、处理数据以产出有效结果的速度与效率。单台智能体可能需要完成客户数据调取、库存查询、API调用、记录分析、生成响应、结果核验等多步操作,当数百上千台智能体同时运行时,数据库、分析平台、业务应用的请求量会快速攀升。

这也给CIO和IT管理者提出了实际问题:现有处理企业数据的系统,能否在不推高延迟、成本、功耗、机房占用面积的前提下,承载这部分新增负载。

智能体新增请求的影响测算

现代企业数据分散存储在操作型数据库、数据仓库、数据湖、行业专属应用等不同位置,完成数据整合梳理这一AI就绪的首步工作后,智能体需要可靠的合规访问通道,以及充足的算力承载持续增长的请求量。

可通过测算直观理解该影响:某企业部署智能体前,多套数据存储系统每小时共处理10万次请求。当业务在多个工作负载、多个团队中部署多台智能体后,任务与数据请求量持续上涨。若智能体每小时完成1万项任务,每项任务新增10次数据请求,总请求量将达到每小时20万次,为原有规模的2倍;每项任务新增20次数据请求时,总请求量达到每小时30万次,为原有规模的3倍;若单任务对应40次数据请求,总需求可达到每小时50万次。

单智能体任务通常包含客户记录核验、信息调取、数据库查询、API调用、任务编排、业务规则匹配、分析运算、二次数据核验等多步操作,请求量会快速累积上涨。

适配负载特性的处理器选型逻辑

企业数据环境运行的负载类型十分广泛,覆盖事务型数据库、数据分析、虚拟化、内嵌在业务应用中的推理任务等。大生成式AI的推理任务可借助加速器获得性能增益,但周边多数工作流在CPU上运行效率更高,部分内嵌在企业应用中的AI推理,在靠近数据侧的CPU上运行也能获得出色表现。

AMD在企业AI与CPU性能层面的技术积累,让第五代AMD EPYC™处理器成为智能体负载的适配选择:其具备高内存带宽,可承载大规模数据集,最高主频可达5吉赫兹,适配对单核性能要求较高的负载,最高可配置192核,可在更少服务器上整合更多负载。第六代AMD EPYC™ 9006系列CPU进一步将单插槽核心密度提升至256核,为智能体负载的部署与编排提供对应性能。

单核性能优势对部分按处理器核心数授权的软件场景尤为重要,包括部分Oracle与微软SQL Server部署场景,这类场景下单授权核心可完成更多工作,能降低整体软件成本。该优势仅适用于按核心授权的软件,不影响按用户数、使用量等其他模式定价的产品。

AMD测试数据显示,搭载EPYC的服务器运行微软SQL Server分析负载时,估算授权成本比参测英特尔至强平台低最多38%¹。在AWS平台上,搭载EPYC的实例运行同一款微软SQL Server负载的综合运营成本(含软件授权)低最多36%²。

高密度算力可降低部署规模与综合成本

AMD EPYC™系列服务器处理器的高CPU性能与核心密度特性,可支撑企业确认自身基础设施已做好准备,将智能体负载从试点平稳推进到生产环境。

在一项模拟整合场景中,347台搭载英特尔® 至强® 铂金8592+处理器的双路服务器,和131台搭载AMD EPYC™ 9965处理器的双路服务器对比,AMD配置可输出相近的总SPECrate®2017_int_base性能,服务器数量减少216台,降幅达62%。该模拟还测算出AMD配置的功耗降低45%,三年总拥有成本低44%³。

这类优势在智能体生成更多查询与应用请求时价值更为突出,单台服务器的性能提升可帮助企业承载业务增长,同时减少新增硬件、电力与机房空间的需求。

该性能优势覆盖大量主流数据库与分析负载,和参测的英特尔至强平台相比,AMD EPYC处理器的实测表现如下:

  • 云端微软SQL Server的每秒事务处理量最高达1.63倍²
  • Databricks SQL分析任务的性能最高达1.6倍⁴
  • 微软SQL Server分析负载的吞吐量高约1.3倍¹

行业生态已启动智能体AI适配布局

相关适配并非假想场景,云服务商和数据库厂商已经针对智能体AI催生的需求开展布局。

2026年早些时候,AWS为亚马逊RDS for SQL Server新增搭载AMD EPYC的实例支持,后续进一步推出基于AMD处理器的R8a和M8a数据库实例,覆盖亚马逊Aurora和亚马逊RDS,支持PostgreSQL、MySQL和MariaDB等数据库⁵。

甲骨文也在针对同类需求开展布局,2026年3月,其宣布为甲骨文AI数据库新增智能体AI能力,包括Exadata驱动的AI搜索功能,据甲骨文介绍该功能可加速高复杂度、多步骤智能体负载的查询效率⁶。

行业普遍情况是,智能体从试点转向生产时,企业最先发现容量不足的环节往往是数据库和数据湖层,现有主流运行平台已经在响应该需求,提前推进相关布局的企业,可在智能体负载全面规模化落地时避免算力缺口。

基础设施是智能体工作流落地的核心支撑

梳理整合企业数据只是智能体AI落地的第一步,智能体进入生产阶段后,落地成效的评判标准,是调用这些数据的系统能否在满足企业对性能、成本、功耗要求的前提下,处理规模暴涨的请求。

AMD EPYC服务器处理器可提供智能体依赖的数据库、分析平台、企业应用所需的性能、核心密度与内存能力。将AI工作流的各个环节和对应算力匹配,企业可将长期积累的数据转化为更高效的决策和实际业务价值。

延伸阅读: 丹·麦克纳马拉此前发布的博客文章包括:

  • 智能体AI改变CPU与GPU的算力配比逻辑
  • 智能体AI并非单一负载,而是端到端完整工作流
  • 数据中心算力测算逻辑已发生变化