行业趋势：AI重心从训练转向场景落地 - 产业重心正加速从大模型训练向场景落地转移 [1] - “物理AI”的兴起推动人工智能从数字世界深度渗透进物理现实 [1] - 行业正经历从“云端逻辑”向“边缘执行”的范式转移，对算力的实时性与异构性提出更高要求 [1] AMD锐龙AI嵌入式P100系列产品定位 - 该系列产品为工业边缘与物理AI解决方案提供可扩展的高效算力 [1] - 产品旨在为车载体验和工业自动化提供强劲支持 [1] - 新款P100系列处理器针对下一代工业和更广泛的边缘AI用例进行了优化 [20] 产品推出的背景与市场需求 - 汽车、机器人、智能工厂等应用需要可靠、低时延且不依赖云的底层算力 [2] - 传感器融合、可视化、AI推断等多样化负载需要并行工作，对解决方案的封装尺寸和算力扩展提出更高要求 [2] - 多屏幕支持已成为嵌入式解决方案的刚需 [2] - 智能自动化、AI赋能终端及大规模物理AI落地给行业提出新需求，如需要紧凑型系统实现完全自主运行 [3] - 物理AI算力需求从“云端推理”转向具备实时反馈能力的边缘异构协同 [3] 新款P100系列处理器的核心升级 - 采用Zen 5 CPU、XDNA 2 NPU和RDNA 3.5 GPU的异构集成方案 [5] - 与之前发布的P100系列相比，新款处理器可提供最高2倍的CPU核心数量、最高8倍的GPU算力 [6] - 系统级每秒万亿次运算性能预计提升36% [6] - CPU核心数从4-6颗提升至8-12颗，多线程性能相比上一代AMD Ryzen Embedded 8000 APU提升高达39% [8] - 新系列最高拥有8个GPU单元，能处理多4K/8K p120渲染、多叠加人机界面和低延迟视频合成 [8] - 系统级总算力最高提升2.1倍，达到80 TOPS，可支持近2倍数量的虚拟机及更大规模的大语言模型 [11] - 产品提供卓越的AI每瓦性能 [11] 产品关键特性与优势 - 集成高性能“Zen 5”核心架构，实现可扩展x86性能和确定性控制 [2] - 集成RDNA 3.5 GPU用于实时可视化和图形处理 [2] - 集成XDNA 2 NPU用于低延迟、低功耗的AI加速 [2] - 提供一致的开发环境，统一的软件栈涵盖CPU、GPU和NPU [2] - Zen 5核心提供隔离能力和充足的性能裕量，可在单个平台上以确定性的多任务方式整合多个关键工作负载 [8] - 集成的AV1解码器和AMD视频引擎带来高保真、低延迟的流媒体播放体验 [8] - “iGPU+NPU”组成的端到端AI加速器能根据需要将工作负载分配给合适的引擎，平衡功耗和性能 [8] - 紧密集成的CPU、GPU和NPU架构能在混合工作负载下实现高效的工作负载分配，并确保可预测的时延 [12] - 支持工业温度范围（-40℃至105℃）、7×24小时连续运行以及10年产品生命周期 [17] 软件与生态系统支持 - 得益于对AMD ROCm开放软件生态系统的支持，公司为嵌入式应用带来了一套业经验证的开源AI软件栈 [13] - ROCm软件采用开源的HIP，将GPU编程从硬件中解耦，消除了软件栈和硬件之间的供应商锁定 [13] - 软件栈支持通用开源框架，可灵活地将工作负载定向到特定引擎，模型支持涵盖从视觉到推理 [15] - 为工业领域的混合关键型应用提供了一个基于Xen虚拟管理程序构建的封装式、垂直整合的虚拟参考堆栈 [15] 目标应用场景 - 用于工业PC的智能机器视觉：整合PLC、机器视觉与人机界面到同一台工业PC，支持低时延异常检测 [20] - 用于自主运行的物理AI：针对移动机器人，CPU管理导航与控制，GPU处理多路摄像头数据实现空间感知与高级AI工作负载，NPU提供始终在线的低功耗推理 [21] - 3D医学成像与临床智能：在边缘端支持超声、内窥镜、组织分类及肿瘤检测等3D成像，加速从成像到报告的工作流程 [21]