AMD 推出了 AMD Ross，這是一款智慧 AI 助手，旨在與嵌入式開發人員常用的工具協同工作，涵蓋從系統架構和原理圖審查到 FPGA 和演算法設計、嵌入式軟體開發、AI 推理、調試和部署等各個環節。該助理面向AMD 的整個嵌入式產品組合，包括 FPGA、自適應 SoC、x86 嵌入式處理器和邊緣 AI 平台。它透過開放標準的模型上下文協定 (MCP) 伺服器，將開發人員選擇的大型語言模型連接到 AMD 的工具鏈。初始版本支援 Vivado 設計套件和 Vitis HLS，以及 AMD 的知識庫。 AMD 承諾此後每月發布新版本，這與 Vivado 等工具每年兩次的發布頻率截然不同。
羅斯如何與工具連接
Ross 不依賴特定客戶端。 AMD 的示意圖列出了 VS Code、Claude Code、Cursor、Devin 和 OpenCode CLI 作為前端，任何相容 MCP 的用戶端都可以使用，開發者的首選 LLM、IDE 和命令列工具也保持不變。 MCP 伺服器為 AI 代理提供與設計環境的即時連接，因此代理可以在會話中查詢工具狀態、執行命令並讀取結果。 AMD 表示，權限仍然由使用者控制，並在規劃和執行步驟中設定了人工審核環節。
AMD嵌入式高級副總裁兼總經理Salil Raje表示：「隨著團隊需要在硬體設計與調試、軟體開發與部署、AI推理以及系統級設計等領域開展工作，嵌入式開發變得日益複雜。AMD Ross將AMD嵌入式工具、權威知識和專家編寫的工作流程整合到一個統一的智能體AI體驗中，該體驗基於我們客戶日常使用的技術和方法。AMD Ross將智能體AI的強大功能帶給嵌入式開發人員，透過加速整個生命週期，更快地將產品創新從設計意圖轉化為實際部署。
該工具發佈時涵蓋 Vivado 設計套件，用於 Vivado 支援的 FPGA 和自適應 SoC 系列的綜合、佈局佈線和時序收斂，以及 Vitis HLS，用於將 C++ 演算法編譯為 RTL。 AMD 嵌入式業務產品、軟體和解決方案公司副總裁 Kirk Saban 在接受 StorageReview 採訪時表示，計劃在第四季度發布的三個月度版本將分別新增用於功耗估算的 Power Design Manager、用於系統內硬體調試的 ChipScope 以及用於 AMD 自適應 SoC 上 AI 引擎的 Vitis AI，而這些原理圖和調試 審查、x86 續
知識庫和代理技能
MCP 伺服器背後是 AMD 知識庫，這是一套經 AMD 驗證的向量化資料庫，包含使用者指南、產品指南、白皮書、應用說明和解答記錄。助手會檢索這些資料庫，以便將 Vivado 警告與解釋該警告的解答記錄進行比對。知識庫可在雲端運行，也可完全離線部署在本地，這對於 AMD 重點提及的航空航天、國防和功能安全客戶至關重要；Saban 表示，客戶可以在筆記型電腦、工作站、本地 GPU 伺服器或公有雲上運行 Ross，如果需要，還可以使用開放權重模型進行物理隔離，AMD 對 Ross 的運行位置沒有任何限制。
第二層是代理技能，即開放的 Markdown 文件，引導 LLM 完成可重複的工程任務，例如：時序收斂方法、RTL 程式碼檢查、資料流、Vitis HLS 循環展開、管線以及編譯指示插入等等。 AMD 表示，初始 GitHub 程式碼庫中提供了 20 多個技能，以及可直接運行的設計範例，展示這些技能如何應用於實際硬體。 AMD 希望客戶和合作夥伴能夠編寫自己的技能，將其設為私有，或將其貢獻給上游。
AMD展示了什麼，以及哪些人使用了它
Ross 自夏季以來一直處於早期訪問階段，最初提供的是 FPGA 工具，AMD 表示已有超過 800 家客戶參與該計劃。簡報中的演示主要圍繞 Vivado 展開：只需一行提示即可為 Spartan UltraScale+ 評估套件創建一個基於 MicroBlaze 的微控制器設計，生成一個包含 11 個步驟的計劃和一個完整的可運行設計，AMD表示這項工作手動需要兩到三個小時；只需針對佈線後設計檢查點輸入一個提示，即可對時序違例進行分類並提出約束條件，這些約束條件一旦獲得批准，即可在重新運行時關閉時序；以及將圖像感測器流水線從 MATLAB 經由 C 語言遷移到 Vitis HLS 中的 RTL，其中 AMD 的 HLS 技術應用了編譯率。一個多智能體範例處理了一個包含 12 個相機的管線請求，產生了人機可讀的規範，將工作分配到 x86 CPU、GPU、NPU 和合作夥伴板上的自適應 SoC 上，並在 Vivado 中編譯了 FPGA 端，每個階段都由人工審核。這些是 AMD 的演示和數據；我們沒有測試該助手。
AMD 的資料中引用了 iWave Global FPGA SOM 業務部門一位副總監的話：“AMD Ross 智能 AI 助手對我們的開發工作流程來說是一項寶貴的補充。它幫助我們更高效地識別和解決問題，從而減少調試和啟動階段所需的時間和精力。”
Amazon