大家好！我想先问大家一个问题：你们兴奋吗？

很高兴来到这里，很高兴见到你们中的这么多人。我可以说——掌声好热烈！今天的活动现场座无虚席，甚至站满了人。我非常自豪今天能来到上海。

这场活动是为你们准备的——为我们的开发者、我们的建设者，以及更多的合作伙伴。这真是一个让我们共同创新的机会。而这一点，正是当下最特别的地方。

AI正以真正前所未有的速度创新。正因为如此，聪明人更频繁地聚在一起讨论最新的创新，这一点变得前所未有的重要。

在AMD，你们都非常了解我们。我们的使命，是真正推动高性能计算和AI的边界。因为我们坚信，高性能计算与AI是一种向善的技术。凭借它，我们能够解决世界上最有趣的问题，也能应对世界上最重要的挑战。

我们正在共同为下一代AI计算构建基础。

当我们思考这一切时，有一点我们非常自豪：AMD的技术每天触达数十亿人。无论你是谈论数据中心、PC，还是边缘设备，AI实际上正在重新定义计算的每一层。

我们的理念是：AI应该无处不在。

AI为每个人服务，为每个工作负载服务，为每种形态服务。这意味着，我们需要真正地在整个技术栈的每一层都进行创新。

AMD对中国市场的承诺是非凡的。中国是全球最活跃的AI生态系统，而AMD已经在这里深耕超过三十年。

我们将中国视为驱动我们路线图的核心部分——这包括芯片、AI、软件和平台工程。实际上，我们的上海研发中心和中国研发中心，是全球最大的研发中心之一。

我们之所以这样做，是因为我们坚信：我们需要在这里，与世界上最聪明的AI从业者互动。

从AMD的角度来看，我们的投资远不止于研发，而是真正聚焦于整个技术栈的每一层——从芯片、软件到系统。这就是为什么我们在中国多个领域投资了AI卓越中心。

这就是为什么我们与中国最大、最具影响力的云和企业公司建立合作；这就是为什么我们对这里的生态系统有着不可思议的投入。

中国生态系统真正令人兴奋的地方在于，你们正引领着智能体AI（Agentic AI）和企业级AI的发展。这是一种非常特别的力量，它实际上是我们AMD所坚信的、推动AI系统尽可能向前发展的基础。

当我们真正思考AI时，我们今天所看到的进展量是不可思议的。目前，全球已有超过十亿活跃用户。但更令人兴奋的是我们的预测：未来几年内，全球活跃用户将超过五十亿。

而支撑这一切用户增长的最关键故事，是拥有正确的应用。没有单一的应用，没有单一的工作流。实际上，你需要各种各样的模型，你需要各种各样的工作流。

我们拥有构建模块，去用AI彻底改变我们在生活、在商业中、在互动方式上的一切。这就是当下作为一个技术人如此令人兴奋的原因。

我在科技行业已经超过三十年，但从未有过比现在更令人兴奋的时代。

实际上，你们都非常清楚，过去几年我们已经看到了AI的加速发展。但就在最近几个月，我们看到了AI的诸多成功。我们不仅看到了开源模型，我们真正看到智能体AI（Agentic AI）正变得无比普及。

你可以看到企业真正在谈论如何利用AI。我可以告诉你，每个国家的每一位CEO，无论是大型企业、媒体企业还是小型企业，每个人都在谈论如何用AI更有效地影响他们的业务。

同样真实的是，AI如今正在生态系统的每个角落运行——从云端到PC，到边缘，再到物理系统和机器人。我们看到了如此多的创新正在发生，而开放性至关重要。

当我们展望未来，这是最近四个月里真正发生的事情：我们发现，传统的大语言模型——我们都知道它们很酷，你可以问一个问题，得到一个答案，这很酷——但当下真正压倒性的是，随着开源和围绕智能体的诸多新创新，我们看到智能体AI正在彻底改变我们使用AI的方式。

我希望有机会看到我们更多合作伙伴在外场展示的Demo，那些Demo向你展示了真正的可能性：当你思考的不只是你向模型提出多个问题，而是我们如何用AI真正拥有多个智能体时，会发生什么。

我们每个人可以拥有5个智能体、10个智能体，或者100个智能体。想想你能多做多少事情。

而伴随着这一点，技术本身也在改变。技术正在以一种方式改变：你不仅需要在中心拥有大语言模型，你真正需要的是推理能力、学习能力，以及数据流能力。这样你才能持续推理、处理更多数据，然后回来继续学习——而智能体正好需要这一切。

这意味着什么呢？当然，每个人都爱GPU。你们爱GPU吗？是的！你们想要更多GPU吗？是的！未来会有更多GPU。

但GPU将无处不在，不仅在云端，而是横跨整个生态系统。除了GPU，你还需要大量的CPU处理能力，才能真正具备作为一个完整智能体运行的能力。

所以你需要完整的端到端计算谱系。而这就是AMD的关注点：提供完整的端到端计算能力。

如果你看我们的承诺，我们的承诺是真正构建AI时代的计算基础。这意味着在云端和边缘拥有最佳、最具领导力的路线图。我特别要在这里说：在中国，目前在智能体AI和本地AI领域正发生着如此多的创新，你们在这里做着世界上最好的工作之一。

我们真的非常珍视这种合作关系。

我们的目标也是与生态系统合作，与中国这里所有的开源项目合作，与模型合作，并真正实现与AMD硬件的深度集成。有了这些，客户才真正有机会为他们的每一个应用，选择合适的计算、合适的模型、合适的能力。

今天我们会谈论很多不同的事情，但你们需要理解的一个关键点是：

AMD的关注点纯粹聚焦于为AI交付最佳计算，延伸我们的计算技术领导力，真正围绕生态系统展开。关键是，我们想与你们合作，与所有的开发者、软件开发者，与我们的ROCm和开发者生态合作。

然后，我们希望将AI带到生态系统的每个角落。这就是为合适的应用提供合适的计算的理念。

5月19日李开复和苏姿丰炉边对话：多智能体+DRI重构生产单元，技术人不交付结果将被淘汰

2026年AI的核心问题：能否替代一个部门？

苏姿丰：过去一段时间，你一直在谈生成式AI正在迈向智能体时代。如今，越来越多人开始认为，2026年可能会成为这一转变真正落地的一年。那么站在现在的时间点，你观察到了哪些变化，从而让你认为智能体与此前的生成式AI浪潮已经有了本质区别？

李开复：谢谢你，Lisa。非常高兴来到AMD上海开发者大会，也很高兴能和真正“在创造未来”的开发者们坐在一起。我认为，有两件关键的事情发生了变化，其中第二件尤为重要。

首先，AI编程能力跨过了临界点。一年前，AI还只能辅助编写代码、函数等等；而现在，它已经可以端到端地交付一整套功能。这听起来像是一个渐进式的进步，但其实不然。在座各位都知道，智能体在数字世界中的所有行为，本质上最终都会落到代码层面。一旦AI的编码能力跨过那个门槛，自主智能体就真正具备了成为现实的可能。

其次，更重要的变化在于，我们开始意识到：单一智能体的能力是有上限的。无论模型参数规模有多大，只依赖单个Agent的推理能力，在面对真实复杂问题时，终究会碰到瓶颈。而多智能体架构第一次打破了这个上限。负责规划、评估、研究和执行的不同智能体，开始彼此协作、相互辩论，并在彼此结果之上继续迭代。

这其实非常接近“美第奇效应（MediciEffect）”：当不同领域的专家被放进同一个房间时，最终产生的成果，会远远超过任何单一个体能力的简单叠加。

五百年前，在文艺复兴时期，人类已经发现了这一规律。直到21世纪的今天，我们第一次把这种机制带到了AI世界。

从技术路径上看，这意味着我们正在逐渐摆脱过去那种“试图用一个模型完成所有事情”的模式。未来的AI，不会是一个“超级大脑”的独角戏，而会更像一个由不同智能系统协同运作的交响乐。正是基于这一趋势，我们着手部署专业化的多智能体系统，并逐渐走向“异构智能（HeterogeneousIntelligence）”阶段。不同类型的模型与算法会被组合在一起，用群体智能去解决更加复杂的问题。

2024年最关受关注的问题是：“AI能否完成一个任务？”

2025年这一问题转变为：“AI能不能完成一整条工作流？”

在2026年，这个核心问题已经进阶为“AI能否替代一个企业的职能部门？”

以现代HR（人力资源）部门为例。当招聘Agent与绩效Agent实现联动后，系统就能够根据员工入职后的真实绩效数据，自动调整前端的人才筛选标准。从简历筛选、面试，到新员工入职，再到月度和季度绩效自动化跟踪，这些多智能体系统会围绕统一的人力资源数据持续运转升级。随着这种能力不断扩展，它最终会演变成一个彼此互联的企业多智能体协作网络，覆盖HR、研发、产品、销售和市场等不同部门。

这种架构，也正在推动“One-PersonCompany（一人公司）”趋势的出现。借助模块化的多智能体框架，单个开发者或领域专家，如今已经有能力像“总架构师”一样，快速启动一家高度自动化运转的公司。

在由智能体驱动的新范式下，我们实际上已经跨过了“自主执行”的门槛。AI正在从过去被动的“Prompt-and-Response（从提示词到响应）”模式，转向主动的“Goal-and-Execution（从目标到执行）”模式。未来，你不再是给AI一个Prompt，而是直接给它一个组织目标。随后，智能体们会自行完成协同、执行、评估、优化，并形成完整闭环。

而这一新范式，也正在催生当前AI领域最巨大的商业机会：产业级AI转型。新时代真正的经济价值，不会来自只会“回答问题”的AI系统，而会来自能够真正执行企业目标的自主多智能体基础设施。

这也是零一万物所关注的核心方向。过去一段时间里，我一直在与全球各地的CEO和企业高管交流，以便更深入地理解：AI将如何重塑生产力、组织结构以及未来的领导力。

同时，我想这也会影响今天在场每一位开发者，驱使大家重新思考自己未来在AI时代会扮演怎样的角色。

AI转型，为什么不能只靠CIO？

苏姿丰：在你与CEO们的交谈中，他们是如何对待AI转型的？这对开发者社区有什么影响？

李开复：我看到了许多明显的问题。几乎每个企业目前都选择在不出错却价值很低的场景部署AI。比如，会议纪要、人力资源员工答疑聊天机器人、企业内部搜索等等。这些都只是表面文章。

我很直白地告诉各位CEO：不要只听你们的CIO。典型CIO们关注的是系统稳定运行、软件运行安全不出错，在这一轮深入企业核心业务命脉的AI变革中，反而可能成为阻碍进化的旧势力。因为CIO的职责，本质上是管理软件运营，而不是重新定义公司。CIO擅长安全地部署AI，但并不擅长推动组织层面的真正变革。多数由IT部门自下而上推动的AI转型，最终都会失败。

传统CIO这个角色不会消失，但它的重要性会被大幅削弱。因为AI并不只是一个新的软件工具，企业AI转型绝对是是一把手工程，需要企业领袖根本性的思维转变。

真正能够改变公司经营结果的，往往是那些直接影响损益表（P&L）的核心业务环节。而这些领域，恰恰也是很多高管最不愿意让AI介入的运营职能部门：收入、利润、防欺诈、动态定价、供应链、产品上市速度，以及核心创新能力。具有前瞻性的CEO们正在重新校准他们公司的运营方式、组织应如何改变，以及领导方式应该如何调整。

我也经常对CEO们说：如果你的AI部署，最终没有改变任何一个会出现在季度财报电话会议上的数字，那么你公司做的就不是真正意义的AI转型，只是浪费钱打造了一个AI实验室。

同样的话，我也想送给今天的开发者。任何参与商业研发的人，都应该用同样的方式思考问题。停止浮于表面的表演式AI，开始构建能真正深入业务实质的结构性引擎。

中国的开源生态将催生

产业AI的“安卓系统”

苏姿丰：现在最让我兴奋的事情之一，就是开源AI社区正在涌现出大量创新，而且这个生态已经越来越全球化。你与中国的开源社区一直保持着非常密切的联系。那么，在这个生态中，开发者和贡献者们最近最让你感到兴奋的变化是什么？

李开复：开源的趋势势不可挡，它从根本上重写了全球AI的游戏规则，其发展格局与经典的智能手机大战如出一辙。闭源模型类似于苹果的iOS，追求高利润并保持着对生态系统的强硬控制。而开源社区，则越来越像AI世界里的Android。它拥有更广泛的全球覆盖，以及更大的用户规模。

正如Lisa刚才提到的，中国开源生态之所以表现得如此出色，背后存在着很深层的结构性原因。因为硬件资源有限，中国开发者和创业公司并没有条件依赖“大力出奇迹”的算力堆叠。在这种约束下，整个生态反而开始把重点转向极致的工程效率，更加关注算法优化、架构创新，以及如何把底层基础设施做得更精简、更强大。

它就像一个充满活力的、去中心化的学习小组，大家齐心协力为了在考试中取得好成绩，每个人都在其他人公开发布的成果之上进行创造，整个群体的能力也因此呈指数级增长。我确信，这种机制将为未来带来更多的进步与创新。

DRI模式重新定义技术人

人人都要把自己当CEO

苏姿丰：在AMD，我们自己的工程师也在使用AI智能体，加速产品设计和验证流程。我们越来越明显地看到：今天，一个人如果拥有合适的工具和足够的算力，已经能够完成几年前需要整个团队才能完成的工作。你就“人与智能体协作”的趋势写了很多文章：那么，在那些真正以这种方式创业和开发的人身上，你最近观察到了哪些变化？

李开复：受限于此前的训练，大多数开发者都习惯于在代码层面思考所有权（Ownership）问题。比如，由一个人负责GitHub上的代码仓库和PR（Pullrequest），另一个人负责值班轮换，另一个人负责某一个具体服务。这种责任边界其实是有边界的。它本质上只覆盖你能够通过键盘直接控制的部分，而现在，越来越多编码工作已经开始被AI智能体接管。

我想和大家谈谈一种打破这个边界的运营架构：DRI（DirectlyResponsibleIndividual，直接责任人）概念。

在软件工程中，交付产品的主要瓶颈很少是代码本身。而是所有权的模糊不清。责任分散、停滞的拉取请求以及偏离的路线图，通常都源于：很多人只是负责项目管理大表上的某一个环节，却没有人真正对最终结果负责。DRI模型改变了这一点。

我预测DRI模型会成为AI原生公司最核心的组织架构。所谓DRI，就是由一个人，对某个跨职能结果承担端到端责任。这不是一个职位头衔，而是一种非常明确的责任机制。就像系统运行手册里唯一指定的值班工程师：最终结果如何、业务影响如何，都由DRI责任人负责。

在这个模式下，一个人类DRI会处于整个智能体系统的中心。围绕他协同工作的，是由研究、执行、合规和监控等不同Agent组成的专业化集群。DRI不把时间精力花在具体执行上，而是负责整体编排、关键决策，并对最终的输出契约负责。与此同时，实时数据流会逐渐取代传统的汇报体系，业务运转也会越来越围绕具体、可量化的结果展开。

我认为，一个优秀工程师所具备的很多能力，和成为优秀DRI所需要的能力，几乎是高度一致的。

当你编写技术规范时，你其实是在尝试定义可量化的商业成果；当你给系统做监控、配置自动告警时，你其实是在建立衡量结果的机制。当你凌晨两点主动去de-bug排查故障，而不是等别人通知你时，你展现出来的，其实正是DRI模式最核心的主人翁意识。

选择DRI模式，也意味着你必须重新定义“什么是个人成功”。在智能体时代，一个优秀工程师的价值，不再只是由“写了多少代码”来衡量。这也意味着，今天很多工程师的工作方式都会发生变化。

你不再只是关注系统，而是要对结果负责。优秀工程师通常都会非常重视监控系统，使服务具备极强的可观测性。DRI则是把这种技术严谨性延伸到了他们所拥有的业务结果上。如果你是一个负责增长的DRI，你不仅仅监控API延迟。你还要监控用户激活率、转化漏斗以及对收入的影响。你端到端地对完整结果负责。

你拥有决策权，而不仅仅是建议权。工程师通常很擅长分析，但他们常常把产出物交给产品经理或高管去做选择。DRI则需要自己完成闭环。你进行分析，你做决定，并对接下来发生的任何事情负责。刚开始会有些不习惯，但很快你就会进入状态。

你会有规划性地去配置你的智能体集群。大多数非技术的DRI会把AI智能体当作黑盒来对待。但工程师不一样。工程师们发挥技术能力去监控智能体、评估它的输出、识别它的故障模式，并懂得如何围绕智能体集群建立更可靠的验证机制。

工程师的优势，会在这个时代被无限放大。你们拥有的不仅仅是给产品或业务的建议权，而是直接拥有决策能力。AI正成为赋能技术人的新形态超能力。AI正成为赋能技术人的新形态超能力。

智能体经济爆发前夜

推理算力走向前台

苏姿丰：你刚才谈到的这一切，背后都需要非常庞大的算力支撑。而且需要的还不只是单一算力，而是一整套能够协同工作的全栈算力体系。那么，当开发者和企业真正开始大规模运行智能体时，底层算力基础设施究竟需要具备哪些能力，才能支撑这一切真正运转起来？

李开复：Lisa，这已经完全进入你的专业领域了。智能体AI趋势底层的计算模式正在从根本上改变底层的计算模式。传统AI系统所要求的更多是稳定、持续的计算负载，而智能体系统则完全不同，它具有高度突发性，而且会产生大量并行计算。一个用户请求，可能会被拆分成20个或更多并行运行的智能体；这些结果汇总之后，又会再次触发下一轮Agent协同。从本质上看，智能体经济是“推理驱动”的经济，而推理与训练，其实是两种完全不同的计算模式。

要让多智能体协同真正具备现实可行性，系统必须满足几个条件：本地优先、端侧处理，以及低于100毫秒的响应延迟。而这正是当前硬件竞争真正分出胜负的地方。我认为，在这一趋势上，AMD比很多公司都看得更早、更清楚。

随着AI开始走向多智能体架构，我们也必须重新思考“算力”本身。未来，极致的token效率以及本地化处理能力会是关键。

自主企业将诞生：数据主权与ROI成为产业AI新坐标

苏姿丰：我想用今天早上大会开场白环节的一句话作为结束：AI时代仍然处于非常早期的阶段，真正精彩的部分，其实还在后面。展望未来，开发者接下来最有可能创造出的东西里，什么最让你感到兴奋？

李开复：未来，真正意义上的“自主企业”会诞生。驱动它的，将是跨部门、多层级协同运作的智能体网络。下一阶段的产业AI转型，会同时围绕两个核心问题展开：数据主权，以及清晰可验证的ROI（投资回报率）。类似AMD的头部合作伙伴，正是构建“智算主权”的关键地基。

对于今天的开发者来说，最大的机会，是去构建那些过去需要一个完整团队才能完成、如今却可以由AI独立交付商业结果的AI。AI的角色，已经不再是“帮助营销人员提升效率的AI工具”，而是能够真正承担营销职能的AIAgent；不是“协助金融分析师的AI工具”，而是能提供自动化财务分析的AIAgent。

我曾与零一万物的工程师紧密合作，构建了一个“开复AI”，作为我个人的决策智能体。我们发现，在大型企业中推动AI落地最快的方法，往往是由CEO或董事长自上而下推动。因为一旦CEO或CFO真正开始使用这些智能体，他们很快就会离不开它。当管理层真正接受智能体之后，AI转型自然会沿着企业组织结构不断向下推进。

如果你正坐在这个会场里，带着一台笔记本电脑，对系统编排有所了解，并有一个大胆的想法，那么你现在会比世界上任何一家财富500强企业的战略部门都更有优势。

这一代开发者，正站在一个极其少见的时代窗口面前。

在这样一个时代里，最不应该做的，就是把自己的创造力，提前锁进一家大公司的组织体系里。

去创造属于你自己的事业吧！

苏姿丰：谢谢你，开复。