AMD PACE 进化为支持 LangGraph 的 AI 编排器

AMD 宣布其 Platform Aware Compute Engine (PACE) 的最新进化，将其从高性能推理服务器转变为全面的代理型 AI 编排器。这一转变于 2026 年 9 月 3 日发布的一篇技术文章中揭示，使 PACE 在多代理 AI 系统领域处于前沿地位，并通过与 LangGraph 的新集成实现确定性执行和灵活部署，覆盖本地和远程 AI 基础设施。

PACE 最初设计用于在 AMD 的 EPYC™ 处理器上优化大型语言模型 (LLM) 推理，现在能够实现代理型工作流的端到端编排。与 LangGraph 的集成——一个用于构建有状态 AI 代理的流行框架——使 PACE 能够执行复杂的代理型图。这些工作流涉及多步骤推理、规划和工具使用，这是现代 AI 系统（如多代理助手和自主研究工具）的关键能力。

主要升级包括确定性代理执行、用于调试和基准测试的重播模式以及性能测量的分析工具。PACE 还支持无缝 GPU 卸载，连接到 AMD Radeon™ 和 Instinct™ GPU 以处理计算密集型任务，同时在 EPYC 处理器上保持一致的编排层。这种混合方法在确保高性能的同时，不牺牲代理系统所需的确定性控制。

代理型 AI：从工具到多代理协作

PACE 的进化反映了应用 AI 的更广泛轨迹。从基本的建模和推理任务开始，该领域已经发展到开发能够与工具、API 和外部数据源交互的自主代理。最新的前沿技术是多代理系统，其中专业代理协同工作以解决复杂问题。通过编排这些系统，PACE 解决了代理型 AI 工作流中固有的可扩展性和可重复性挑战。

LangGraph 的采用在此发挥了重要作用。LangGraph 将代理组织为显式图，其中节点表示 LLM 调用或工具使用等任务，边定义了它们的流程。这种结构支持高级功能，例如暂停和恢复能力、人类参与的调整以及状态持久性——这些对于如网页浏览和多模态数据分析等现实世界应用至关重要。

由硬件支持的性能提升

PACE 的硬件优化仍然是其性能的基石。在 AMD 的 EPYC 9755 系列处理器（Zen 5 架构）上运行，PACE 受益于每插槽多达 128 个核心、1.5TB 内存和用于高效 AI 计算的 BF16 精度。对于 GPU 任务，它利用基于 RDNA™ 4 架构的 AMD Radeon AI PRO R9700S GPU。这种组合在代理型基准测试（如 WebVoyager 和 GAIA）中表现出显著的加速效果，这些基准测试分别测试现实世界的自主性和多步骤推理。

例如，在 WebVoyager 中，PACE 在涉及网络爬取和表单填写的任务上展示了 1.02× 到 2.20× 的端到端性能提升，在处理较重、更复杂的页面时观察到更高的增幅。这些改进源于 PACE 优化整个代理型流程的能力，从编排到推理再到工具执行。

市场与战略背景

AMD 围绕代理型 AI 的更广泛战略，与其进军 AI 服务堆栈的持续努力相一致。最近的发展包括将 PACE 与 vLLM 集成，允许在 EPYC 处理器上无缝部署，以及推出 Ryzen AI Halo，AMD 声称其可将本地代理编排加速高达 34%。这些举措旨在将 AMD 定位为 CPU 和 GPU 驱动的 AI 工作负载的领导者，目标是企业系统，其中确定性执行和可扩展性至关重要。

对于投资者来说，AMD 在 AI 基础设施方面的持续创新可能会提升其在日益由 AI 驱动的应用主导的市场中的地位。截至 2026 年 9 月 3 日，AMD 的股票交易价格为 $456.47，市值为 $7574.3 亿。尽管过去 24 小时内该股票略微下跌了 0.13%，但公司对高性能 AI 解决方案的关注可能会推动更长期的价值，特别是在多代理系统在企业和工业领域获得吸引力的情况下。

PACE 的未来是什么？

展望未来，AMD 计划进一步扩展 PACE 的功能，包括即将推出的基于语义路由的模型切换以及对 Qwen 等新 LLM 架构的支持。这些增强旨在巩固 PACE 作为代理型 AI 系统基础组件的地位，弥合原始计算能力与复杂 AI 编排之间的差距。

开发者和企业可以在其 GitHub 仓库 上探索 PACE 的最新功能，AMD 还提供示例配置和更多文档。随着 AI 的不断发展，像 PACE 这样的解决方案可能在推动下一代自主系统中发挥不可或缺的作用。