这些年，AI芯片性能越发强大，而且越来越强的AI能力，也在反哺芯片设计，不少厂商都在芯片设计中融入AI能力，大大提升效率，尤其是随着AI智能体的兴起和普及，芯片设计更是走上了AI快车道。
近日，AMD正式发布了面向嵌入式开发、涵盖全流程的智能体AI助手“AMD Ross”， 旨在帮助工程师加速从设计构想到系统部署的嵌入式开发流程。
芯硬件注：“Ross”这个名字，是为了纪念赛灵思联合创始人、被誉为FPGA之父的Ross Freeman，赛灵思已成为AMD技术和产品线的核心组成部分。
众所周知，AMD拥有极为丰富而强大的嵌入式产品，涵盖FPGA、自适应SoC、x86嵌入式处理器、边缘AI与物理AI平台等，都有完整的开发工具与工作流生态系统支持。
不过，随着硬件设计与调试、软件开发与部署、AI推理和系统级设计的不断演进，嵌入式开发正变得日益复杂，不但需要非常专业的知识和能力，更是极度耗时耗力。
AMD自适应与嵌入式计算产品组合产品、软件与解决方案企业副总裁Kirk Saban表示，嵌入式客户的开发工作往往面临多领域处理、多团队协作、多工具使用等难题，而在嵌入式开发历史上，无论硬件设计还是开发工具，都在持续演进，如今都可以通过自然语言实现。
因此，AMD相信大模型、智能体在嵌入式开发领域都有着无尽的潜力。
为了应对上述挑战，并真正利用生成式AI的力量，AMD Ross应运而生。
尤其是FPGA设计，它的灵活性非常高，但是需要专业的开发技能和特殊的编程知识，还是相当有难度的，AMD Ross将从根本上帮助打破这个壁垒和障碍。
这是一个面向嵌入式开发全流程的生成式AI助手，目标是需要覆盖嵌入式开发各个不同的环节，从最底层的硬件，一直到最高层的软件，都能与现有的AMD嵌入式工具配合使用，同时涵盖可编程FPGA、自适应SoC、x86嵌入式产品组合。
从本质上讲，AMD Ross就是一个智能体AI工具，可以通过MCP连接AMD知识库，同时对接AMD全栈开发工具（包括Power Design Manager、Vivado、Vitis、Vitis AI、Embedded Solutions、Ryzen AI Software、ROCm.AI），以及所有可用的AMD产品支持文档，还提供一系列面向不同开发任务的Skill（技能）。
它能在整个嵌入式开发流程中，包括系统架构、原理图、硬件设计、算法开发、系统软件、AI推理、调试和部署，始终为开发者提供助力。
开发人员可以使用自然语言，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的核心价值，在于将 AMD 积累的工程知识和专家方法论沉淀为可复用的智能体技能与工作流，实现开发工作的自动化、智能化，让客户从大量的重复性工作中解放出来，将精力聚焦于创新设计。
需要强调的是，AMD Ross的设计初衷就是集成于客户或企业自有的IT安全环境，
可在企业内部部署使用，也可以基于本地 AI 模型运行，设计上不需要将任何数据资料共享到公共域。
AMD Ross绝非简单地在开发工具之上叠加一个AI对话界面，而是一套架构完整的服务体系，基于AMD嵌入式开发环境、AMD长期积累的工程知识体系、专家编写的方法论构建而成。
它包括AMD知识库、MCP服务器、智能体Skill、设计示例四大部分。
底层是汇聚AMD嵌入式开发能力与经验的向量数据库；通过MCP接入汇聚开发工具、文档的知识库，智能体技能负责驱动执行，共同支撑完整的智能体AI辅助工作流。
它支持自然语言交互，广泛兼容VS Code、Claude Code、Cursor、Devin、OpenCode CLI等几乎所有的MCP标准客户端，同时兼容任何类型的大语言模型。
有了AMD Ross，开发者可以用一条自然语言指令启动设计流程。
比如“设计一条12摄像头的实时感知流水线，要求每一个摄像头都支持200万像素、30fps帧率”。
这一条指令，可以覆盖从需求解析、规范生成、计算资源划分、目标硬件映射，到流水线验证和硬件实现的多个环节。
无论是自适应平台，还是x86嵌入式计算平台，都可以适用。
当然，整个过程仍需人工审查和批准，Ross负责规划、执行和串联。
针对任何一个上游的设计变更，都会沿硬件、软件、验证全链路传导，引发大量下游返工的行业痛点，AMD Ross更是可以完美应对。
它能跟踪并标记上游设计变更对下游所有环节的影响，输出针对性的建议，并在获得用户许可后执行更新，实现对设计变更的全流程管控。
比如设计摄像头的时候，接口的变更会同步触发FPGA逻辑、软件驱动、系统时序、板级引脚、图像流水线、测试验证的全流程联动更新，Ross 可以将这些环节串联起来， ，大大减少人工跟踪、重新设计的工作量，降低错误率。
AMD Ross是一个交互式智能体AI工具，因此在使用过程中，它不但可以和开发人员进行实时交互，支持多会话并行，还让用户始终掌握主动权、控制权，所有操作都需要用户批准相应的权限，因此无需担心它会造成什么错误操作。
另外，AMD Ross的一个核心要点，就是提供不同层级的智能体AI工作流，设计上不需要依赖云端部署。
最基础的是通过MCP服务器进行开发知识的指导，确保智能体AI的回答、建议都基于AMD知识库。
智能体技能则用于定义和执行特定的任务，比如根据用户提供的文档生成规格说明书。
更高级的则是设计和工具代理，直接驱动工作流程。
另外还会有多智能体协同的工作流，从而帮助协调整体设计。
目前，AMD Ross已经提供了50个Skill，并计划按月持续扩充，覆盖综合报告、RTL检查、时序分析、硬件调试、HLS流程优化、MATLAB转C++等不同环节，还支持自定义Skill扩展。
举个例子，比如让AMD Ross帮忙设计一个符合Spartan UltraScale+评估套件的MicroBlaze V微控制器。
可以看到，它能准确理解使用自然语言提出的需求，然后自主生成多步骤的执行计划，期间还能自动解决配置不匹配的问题并重新尝试，包括应用微控制器的预设、本地内存、时钟及子系统配置，都可以交给它完成。
再比如让AMD Ross分析FPGA设计中的时序违例问题，它可以自动调用时序分析技能，分析布局布线设计，对多达735条失败路径进行分类梳理，完成修复并验证，最终实现失败路径清零。
再看AMD Ross如何帮助优化算法，大大减少开发时间。
这是一个图像传感器去马赛克的应用，最初是在MATLAB中设计的，性能目标是每秒3亿像素，原本需要AMD一位顶尖开发者花上2天时间，去人工编写C++代码。
AMD Ross可以在短短的2小时内完成同样的工作，实现同样的性能目标，而且所需资源大幅减少了35%之多。
AMD Ross希望打造具备上下文感知的跨域协同工作流。
比如将规格文档转化为可执行的项目规划，在人工审核确认后，可以自动分配任务、协调依赖、多领域智能体并行执行。
在整个流程的所有阶段，开发工程师都能完全掌控，需要纠错的地方可以直接干预，尤其是关键任务节点上，始终会有人引导、纠正和监督。
AMD自适应和嵌入式计算事业部技术市场经理Ally Zhou（周丽娜）强调，AMD Ross可以提供有专业依据、能够执行并验证的工程辅助能力，但是每个具体设置的正确性，仍需要通过工程师的验证确认，起到决定性作用的始终是人，AMD Ross不可能完全取代人类的工作。
AMD Ross已经吸引了800多位客户加入早期访问计划。
有客户评价，它可以显著提升开发效率，加快问题排查，压缩调试与验证周期。
AMD Ross的各项功能将会分批次推出，现在可用的能力有：RAG驱动的AMD知识库、FPGA设计（Vivado）、算法实现（Vitis HLS），以及配套的知识库、MCP集成、Skill技能库、GitHub 仓库。
2026年第四季度将会更新上线的有：功耗估算（Power Design Manager）、FPGA调试（ChipScope）、AI推理（Vitis AI），等工具。
AMD还承诺，会每月滚动迭代，持续增加新的工具与流程能力。
