汽车工厂进入智能体时代，CPU 需求反而更大了？

作者 |  Janson

编辑 |  志豪

" 一座新能源汽车工厂里，电池包焊接良率突然下降了。"

对于今天已经高度数字化的汽车工厂来说，发现这个问题并不困难。

难点在发现问题之后。

工程师首先需要确认异常集中在哪些工位，再把视觉检测结果与 MES 记录、焊机参数进行比对。

找到可能原因，事情仍然没有结束。

参数能不能调整？是否会影响当前生产节拍？相关物料是否需要暂停上线？新的参数下发前是否需要通过数字孪生或者仿真工具验证？

这正是新能源汽车制造正在面对的一个典型变化：工厂里的数字化系统越来越多，单个环节的自动化程度越来越高，但整个生产流程也变得越来越复杂。

但从 " 发现问题 " 到 " 解决问题 "，仍然需要工程师在多个系统之间不断查询、判断和协调。

因此，制造自动化继续向前走，开始遇到一个新的问题：如何把已经存在的一个个数字化和智能化能力真正串起来，让整个流程也能够自动运行。

自主代理式（智能体）制造（Agentic Manufacturing）正是在这样的需求下出现。

但当 AI 真正开始 " 干活 "，计算需求也随之变化。

一次生产任务背后增加的不只有模型推理，还包括数据库查询、知识检索、分析程序、API 调用以及不同系统之间持续的数据交换。

凭借高核心密度、较高单核性能和 I/O 能力，AMD EPYC CPU 也成为连接智能体（Agent）、制造数据和既有生产系统的重要计算底座。

面向当前自主代理式（智能体）制造落地，AMD EPYC 9005 系列处理器可以承载智能体服务，同时与数据库、企业应用和制造系统协同运行。

当智能体进一步扩展到更多生产场景、产线和工厂，AMD EPYC 9006 系列处理器则为更大规模的平台运行提供进一步的计算空间。

01.

从单点智能到生产环节

自主代理式（智能体）制造走进新能源汽车制造

新能源汽车工厂并不缺数字化系统，这些系统解决了大量单点问题，但生产过程本身高度关联。

比如视觉系统发现一个焊点异常后，质量工程师需要先找到对应生产批次。设备工程师再检查焊接电流、压力等参数。如果设备正常，还要继续向前追溯电芯批次和工艺记录。

从发现异常到恢复生产，至少要经过发现、定位、联动、验证和反馈等多个步骤。

其中的关键问题在于，每一个环节都可能已经实现数字化，但把这些环节串起来的工作仍然大量依靠人。

新能源汽车工厂下一步要提升的已经不只是单台设备或单个工序的自动化，而是从 " 单点自动化 " 继续走向 " 流程自动化 "。

自主代理式（智能体）制造要继续推进的，正是这部分自动化。

质量智能体（Quality Agent）发现异常后，可以首先访问 MES 和视觉检测结果；如果需要进一步判断，再调取设备参数、物料批次和历史记录，并通过分析程序寻找异常之间的关联。

原本需要多个工程师在不同软件之间逐步完成的调查过程，由此开始被组织成一条连续的智能体工作流。

而当这些步骤从人工操作变成智能体连续执行，后台计算也从一次次独立调用变成持续运行。

这就需要一套通用计算平台承载智能体工作流，同时让数据库、企业应用和已有制造系统稳定运行。

AMD EPYC 9005/9006 系列处理器的作用也从这里开始体现。智能体并不是被单独放在一台 "AI 机器 " 里运行，而是要在真实汽车工厂的 IT 体系中持续访问数据和调用工具。

AMD EPYC CPU 所承载的，正是智能体工作流与数据库、企业应用和既有制造系统连接后产生的大量通用计算任务。

02.

从发现异常到闭环处置

AMD EPYC CPU 支持智能体进入制造流程

具体到最开始的电池包焊接异常这一场景，质量智能体发现良率下降后，首先要缩小问题范围。

一次排查可能同时涉及 MES 生产记录、视觉检测结果、焊机参数、电芯批次、环境记录以及历史质量数据等至少六类信息。

数据库查询、知识检索、分析程序以及智能体服务可能同时运行。此时首先出现的就是计算并发压力。

在这样的计算压力下，AMD EPYC 9005 系列处理器最高拥有 192 个核心、384 个线程，就可以同时为更多智能体、数据库查询和后台服务提供计算资源。

不过，并发并不是这里唯一的性能问题。

一次 SQL 查询、API 调用或者分析程序中的部分关键步骤仍然需要串行执行，对单线程性能和响应速度比较敏感。

这也是高核心之外，高主频同样重要的原因。

AMD EPYC 9005 系列处理器中的 EPYC 9575F 拥有 64 核、128 线程，最高加速频率达到 5GHz，全核加速频率达到 4.5GHz。

放到焊接异常排查里，高核心数让 " 同时能跑多少查询和任务 " 游刃有余，较高主频则有助于缩短数据库查询、事务处理以及智能体工作流中关键步骤的响应时间。

随着排查继续深入，瓶颈又从计算转向数据供给。

质量智能体可能要把当前批次和历史正常批次放在一起比对，同时保留设备参数、工艺记录、视觉结果和环境信息。

这时，内存开始直接影响工作流效率。

在这样的场景下，得益于 AMD EPYC 9005 系列处理器支持 12 通道 DDR5 内存，内存速率最高可达 6400MT/s，单插槽内存带宽达到 614GB/s，可以为数据库、知识库以及制造数据分析持续提供数据。

原因逐渐锁定后，智能体的任务也开始从 " 查数据 " 转向 " 调系统 "。

假设异常指向焊接参数，它还需要调用设备系统确认参数是否能够修改，查询排产系统判断调整会不会影响当前生产计划，再检查相同批次物料是否已经进入后续工序。

如果方案需要验证，还可能继续调用数字孪生、历史数据存储或者其他加速资源。

这时，大量数据开始在网络、NVMe 存储、CPU 和其他计算资源之间流动。

AMD EPYC 9005 系列处理器支持 PCIe 5.0 x128，可以连接高速网络、NVMe 存储和加速器，为智能体持续调用不同生产系统提供 I/O 基础。

由此，从发现焊接异常，到调取至少六类数据寻找原因，再到联动设备、物料和调度系统，最后进入验证和反馈，智能体完成的是一条连续的生产流程。

AMD EPYC CPU 也随着这条流程进入不同环节：高核心数承接并发，高主频保证关键任务响应，内存负责持续供给制造数据，I/O 则将网络、存储和其他计算资源连接起来。

03.

从单场景闭环到规模化部署

智能体平台效率成关键

跑通一次焊接异常的处理闭环，只解决了一个生产场景。

真正进入整车制造环境后，电池 Pack 质量排查、焊装设备维护、总装排产和物料调度等任务可能同时由不同智能体处理。

智能体规模越大，这些持续运行的 CPU 负载也越密集，自主代理式（智能体）制造由此为 CPU 打开新的需求增长空间。

在这一阶段，AMD EPYC 9005 系列处理器具备的高核心数、高频率、高内存带宽和高 I/O 带宽，恰好能够对应自主代理式制造对智能体并发、数据处理和跨系统调用提出的一系列计算需求。

企业可以立足已有 IT 和制造系统，让部署从一项生产任务扩展到更多业务流程，而不必为每个场景分别建设孤立的计算环境。

当这种部署进一步从一条产线向多个车间、多种生产流程扩展时，对并发规模、数据吞吐和系统连接能力的要求还会继续提高。

而刚刚发布的 AMD EPYC 9006 系列处理器，则进一步提升核心密度、内存和 I/O 能力，为自主代理式智能汽车工厂下一阶段的规模化部署做好了准备。

相比 AMD EPYC 9005 系列处理器最高 192 核、384 线程，AMD EPYC 9006 进一步支持最多 256 核、512 线程。

这意味着同一颗处理器能够为更多同时运行的智能体及后台服务提供计算空间。

智能体数量增加以后，数据供给也会同步成为瓶颈。

如果质量、设备和调度智能体同时查询生产记录、设备状态和历史数据，单纯增加 CPU 核心并不能解决所有问题，数据还要持续送到这些核心。

AMD EPYC 9006 系列处理器进一步增加到最高支持 16 个内存通道，并支持 MRDIMM，单插槽内存带宽最高达到 1638GB/s。

这样的提升有效缓解了智能体同时访问数据库、知识库和制造数据后的数据吞吐压力。

随着自主代理式（智能体）制造从一项任务扩展到更多生产流程，智能体会调用越来越多的网络、存储和外部计算资源。

AMD EPYC 9006 系列处理器进一步升级至 PCIe 6.0，单通道带宽较上一代提升一倍。

从 AMD EPYC 9005 到 AMD EPYC 9006，更多核心和线程承接更高的任务并发，更高的内存带宽解决更多智能体同时访问数据的问题，新一代 I/O 则支撑越来越复杂的系统连接。

当自主代理式（智能体）制造从电池 Pack 的一次质量排查，逐步复制到更多车间、更多生产流程甚至多个工厂之后，服务器的衡量标准也会随之改变。

这也是智能体平台效率开始成为关键的原因。

04.

从智能体到制造平台

AMD EPYC 支撑自主代理式（智能体）制造持续运行

规模扩大解决的是 " 能承载多少 " 的问题，真正长期运行还要看这些任务如何落在整套制造 IT 体系中。

如果把一套完整的自主代理式（智能体）制造平台拆开来看，AMD EPYC CPU 在应用、平台和基础设施三个层面承担着不同任务。

首先是应用层，当质量、工艺、设备或者调度智能体接到任务后，模型负责其中需要 AI 推理的部分，而在两次模型调用之间，大量工作流控制和通用计算任务仍然需要 CPU 执行。

因此，在应用层，AMD EPYC CPU 承担的是让智能体从一次模型调用，真正变成一条能够连续运行的生产工作流。

再往下是平台层，智能体每一次查询 MES、访问知识库或调用业务接口，背后都需要数据库、缓存、中间件、API 和虚拟化环境持续运行，AMD EPYC CPU 需要同时承载这些企业级通用计算负载。

与此同时，智能体还可能进一步获得调用业务系统甚至执行操作的权限，安全也因此成为自主代理式（智能体）制造平台必须解决的问题。

这使安全成为自主代理式（智能体）制造平台必须解决的问题。

AMD EPYC CPU 的 Infinity Guard 提供 SEV-SNP、TSME、Secure Boot 等硬件安全能力，Trusted I/O 还可以将可信边界延伸到关键外部设备，为智能体访问企业数据和调用计算资源提供底层安全基础。

最后是基础设施层，智能体仍要连接车厂既有的 MES、ERP、PLM、存储、网络和数字孪生，视觉识别、大模型或部分复杂仿真还可能调用其他专用加速资源。

这些数据会持续在网络、存储、CPU 和这些资源之间流动。

在这一过程中，AMD EPYC CPU 可以利用 Smart Data Cache Injection，让部分 PCIe 端点数据直接进入 L2 缓存，减少 I/O 数据在内存和 CPU 之间的重复搬运，提高高速设备与 CPU 之间的数据处理效率。

如此来看，应用层需要运行智能体工作流，平台层需要持续承载数据库、接口和治理服务，基础设施层则负责连接制造系统以及不同计算资源。

因此，自主代理式（智能体）制造带来的 CPU 需求增长，并不只是来自智能体数量增加。随着 AI 开始真正进入生产流程，CPU 参与的范围也从传统企业应用，进一步扩大到智能体工作流执行、数据服务和计算资源协调。

AMD EPYC CPU 所承担的，也正是连接智能体、企业数据、AI 计算资源和既有制造系统的通用计算底座。

05.

结语：自主代理式（智能体）制造助力汽车智能制造

新能源汽车制造拥有复杂的工艺链条、大量彼此关联的数据和高度自动化的生产体系，也让自主代理式（智能体）制造拥有了真正进入生产闭环的条件。

从发现一次焊接异常，到查询数据、寻找原因、调用工具、验证方案并反馈生产，AI 开始从过去的单点辅助向连续执行生产任务延伸。

而当这种能力从一个智能体扩展到多条产线和多个工厂后，制造业需要的也不再只是一套 AI 模型，还需要能够同时承载智能体、数据库、企业应用和加速资源的计算基础设施。

AMD EPYC CPU 连接的，正是智能体的 " 思考 " 与工厂的 " 行动 "。随着自主代理式（智能体）制造规模化落地，CPU 也将成为支撑这一生产闭环持续运行的重要算力底座。