AMD推出智能体AI助手Ross，加速嵌入式系统开发全流程

智东西

作者 | ZeR0

编辑 | 漠影

智东西10月21日报道，近日，AMD推出一款智能体AI助手 AMD Ross ，旨在加速从架构设计到优化、调试、PCB设计、原理图审查、软件、AI以及实际系统部署的嵌入式开发全流程，相较于典型开发生命周期，可显著加速嵌入式系统的设计、优化、调试和部署。

AMD嵌入式产品涵盖FPGA、自适应SoC、x86嵌入式处理器和专用边缘AI平台，这些均由丰富的开发工具与工作流生态系统提供支持。

AMD Ross支持自然语言工具交互，并可部署由专家开发的智能体技能、可复用工作流和以AMD专业知识为基础的知识库，为整个设计流程提供指导。

它能够连接各类工具、规模化应用专业知识、自动执行经验证且可重复的工作流程，并对结果进行分析，从而帮助工程师快速将设计构想转化为实际实现，同时大幅缩短典型的嵌入式开发周期。

取名Ross，也是为了纪念赛灵思FPGA的创始人Ross Freeman。

开发人员可通过AMD.com/Ross使用AMD Ross。

AMD计划按月在AMD Ross中推出更多AMD嵌入式工具和工作流功能。现可用版本可访问AMD知识库，使用针对FPGA设计的AMD Vivado设计套件和用于算法实现的AMD Vitis HLS工具包。到第四季度，AMD Ross将增加对功耗设计、FPGA调试和AI推理功能的支持。

一、基于AMD工程知识方法论构建，加速嵌入式开发全流程

AMD Ross支持从硬件设计与调试到软件和算法开发、边缘AI实现及部署的整个嵌入式开发过程。

开发者可使用自然语言，让AI智能体搜索文档、检查工具状态、运行命令、指导调试并执行业经验证的工作流。

AMD Ross覆盖全部AMD嵌入式工具产品组合，使用户能够：

进行硬件与软件划分；

实现基于高层次综合工具的硬件设计；

优化芯片设计与调试；

开发嵌入式软件应用和算法；

利用AMD嵌入式AI软件优化机器学习算法；

准确估算功耗并进行低功耗优化；

开展系统原理图审查，并实现最优板级布局。

AMD Ross能提供通用型AI助手无法提供的上下文指导和工作流自动化功能，不受客户端限制，支持团队灵活采用大语言模型、集成开发环境（IDE）和命令行环境，同时与AMD嵌入式开发工具保持连接。

不同于通用型AI助手，AMD Ross基于AMD嵌入式开发环境、AMD长期积累的工程知识体系以及专家编写的方法论构建而成，整合了对AMD开发环境、AMD文档、AMD编写的工作流及可复用工程专业知识的直接访问能力，打造出专为嵌入式开发而设计的体验。

二、4个专属组件：MCP服务器、AMD知识库、智能体技能、设计示例

随着团队同时开展硬件设计与调试、软件开发与部署、AI推理和系统级设计，嵌入式开发正变得日益复杂，工程师有机会简化在整个系统开发生命周期中运用这些资源和成熟工程实践的方式。

通过将专家方法论沉淀为可复用的智能体技能，组织能让专业知识更易获取、提高执行一致性，并使工程师能够专注于更高价值的设计挑战。

AMD Ross汇集了4个专属打造的组件，来为嵌入式开发者提升生产力：

（1）模型上下文协议（MCP）服务器： 基于开放标准的MCP服务器，AMD Ross将AI智能体连接到AMD嵌入式工具。借助这一连接，AMD Ross可查询信息、运行命令并在设计环境中工作。

（2）AMD知识库： 经AMD验证的向量数据库包含用户指南、产品指南、白皮书、应用笔记和解答记录。其可通过云端或本地离线环境提供经AMD验证的解答和文档访问。

（3）智能体技能： 开放且由专家编写的markdown文件，记录针对常见设计任务的可重复、可共享最佳实践。这些技能可以引导大语言模型完成结构化工作流，例如时序优化，或重构C++设计以在Vitis HLS中获得更高性能。

（4）设计示例： 可直接运行的设计展示了如何将智能体技能应用于实际嵌入式应用。

▲AMD Ross基础技术栈和智能体工作流

三、AMD Ross能实现什么？原型开发、解决错误、优化设计

AMD Ross旨在加速开发团队从设计构想到部署的进程，包括：

借助AI辅助的工作流自动化，更快完成原型开发；

通过经AMD验证的指导和可复用方法论，缩短调试和优化周期；

通过自动执行重复性的工具交互和任务，提升开发人员生产力；

通过获取经过验证的专家工作流，加快新工程师上手；

在各团队和项目中一致执行最佳实践；

更充分地复用和规模化应用组织内积累的工程知识。

该智能体助手支持的工作流示例包括：

（1）将自然语言意图转化为开发操作 ：通过搜索文档、执行工具命令、生成代码、迭代设计，并引导开发人员实现设计目标。

一个例子是让Ross创建一个微控制器的设计。Ross会解读设计的意图，为它检测Spartan UltraScale+评估套件创建一个MicroBlaze V微控制器的意图。它会随时进行规划和实现这样的系统，确认连接的电路板，也能帮助解决相关配置不匹配的问题，在连接设计中必要的端口并对其进行配置。整个应用微控制器的预设，包括配置、本地内存，还有时钟及配置子系统等，均由Ross完成。

（2）理解并解决工具错误 ：通过简化的解释、上下文指导和纠正建议。

（3）分析时序问题 ：运用AMD时序分析方法论识别时序违例、解释根本原因并提出实现改进建议。

例如，用户在实现时序收敛时遇到了一些困难，Ross可以检查哪些路径出现了失败，按照具体发生的时序失败的类别进行分类，然后分析并验证这些时序失败，确认所有路径均已通过。整个过程都是自动化的，利用了Ross时序智能体技能赋予它的知识和技能。

（4）优化Vitis HLS设计 ：通过提出有关流水线设计、循环优化、编译指令（pragma）插入和架构改进的建议。

一个例子说明了Ross如何帮助优化算法。这里的应用是一个图像传感器的管线，最初在MATLAB中设计，性能目标是每秒3亿像素。对比手写代码和Ross生成的代码在AMD Vitis上的结果可见，AMD Ross能够达到性能目标，将人类开发者需要花2天时间的任务缩短到2小时内完成，并使得可编程逻辑资源减少35%，也就是实现相同算法所占用的资源减少了35%。

（5）加速硬件调试 ：通过引导式信号采集、调试核配置、接口分析和根因识别。

AMD Ross可帮助嵌入式开发流程中的系统架构师、电路板设计师、FPGA设计师、嵌入式软件开发人员、算法和AI开发人员等不同角色满足需要；通过汇集AMD各方面的知识，来支持不同功能在一个工作流中帮助分享文件，并把它应用到多个不同的学科，让每个不同的项目角色都能获得相同的技能。这样客户就可以针对每个角色，以情境化上下文的方式来运用这些共享技能或者工作流，了解项目状态。

一个例子是AMD Ross使用多领域的流程，并具备上下文感知能力。这里还用到了一些更高级的AMD Ross功能，比如一个能根据用户提供的技术文档创建基本设计规格的规格生成器，规格创建完成后，Ross能规划工作流程，弄清不同事物之间的关系，以及需要按什么顺序来完成什么样的任务。接下来经过人工审查，就可以在工作流程中执行，通过利用多个不同的智能体，涵盖嵌入开发的各个不同领域。

还有一个例子是上下文感知智能，比如客户需要开发一个基于摄像头的系统且能对设计进行变更，这种设计变更会导致整个系统设计需要更新，也就是会导致FPGA设计接口逻辑需要更新，进而驱动电路板设计和引脚排列发生变更，最终导致软件设计摄像头驱动时序变更。DSP和AI成像流水线也需要变更，导致系统时序需要进行重新校验，整体设计亦需要再次验证。借助AMD Ross，所有流程都可以整合在一起，通过一个可追踪的、可标记和验证的流程来实现，覆盖整个系统层面的设计流程。

在另一个例子中，Ross中的spec生成器可读取用户所提供的规范文档，生成一份spec规格的说明书，然后确定如何在目标硬件中将不同的类型计算资源进行规划和分配，将算法映射到目标硬件上，从而将其转化为一个协调的系统来进行实施和部署。整体验证图像感知就像流水线一样通畅。

结语： 访问整个AMD知识库， 让开发者更快完成设计

AMD Ross智能体AI助手代表了一种嵌入式开发新方法，将智能体AI、AMD专业知识与业经验证的工作流相结合，有助于团队更高效地开展硬件、软件、AI和系统设计工作。

在智能体工作流的每一个阶段，用户都能自主决定想赋予Ross多少自主权，以及自己想保留多少控制权。

通过使工程知识更易获取和复用，这一智能体助手可助力组织机构加速开发进程、规模化应用专业知识，并更快地将创新产品推向市场。

除了按月增加工具和工具流能力外，AMD还计划通过支持用户定制智能体技能、促进专业工作流共享等方面来推动Ross生态扩展。

资讯由采集器定时从公开的机器人 / AI 信息源自动聚合。