Agentic AI无疑是今年的关键词，所有厂商都在给自己的产品加入智能体，来为开发者提升开发效率。

Agentic AI的风，现在吹到了嵌入式领域。日前，AMD正式发布智能体AI工具Ross，这款产品的命名是为了纪念赛灵思FPGA的创始人Ross Freeman。

在这款产品背后有什么细节值得关注？嵌入式开发会发生什么改变？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，以及AMD自适应和嵌入式计算事业部技术市场经理Ally Zhou（周丽娜）向EEWorld深度解析了背后的故事。

自然语言成为新的设计入口

碎片化，无疑是当下嵌入式用户不得不说的一大痛点。Kirk Saban介绍，在与客户合作的过程中，AMD发现，嵌入式开发涉及许多不同的领域，开发人员需要使用各种分散的工具，工作范围从PCB设计、板级布局、原理图审查，到FPGA的RTL设计、功耗分析以及软件开发。


现实中，这些工作往往由不同团队分别负责。团队可能分布在不同地点，彼此之间缺乏及时沟通。例如，PCB布局发生变化后，FPGA设计团队可能无法立即获知相关信息，但这些变化可能影响RTL设计，甚至影响整个FPGA系统的实现。

面对这种情况，开发人员不得不花费大量时间在不同工具之间切换、核对信息，并协调各个团队的工作。这些工作并不能直接帮助客户更快地完成产品开发，而客户真正关心的是如何尽快完成设计，并将产品投入生产。


Kirk Saban认为，硬件和软件开发语言一直在向更高的抽象层次演进。硬件设计从基本逻辑门发展到原理图、Verilog等硬件描述语言，再到MATLAB、Simulink等基于模型的设计工具。软件开发也从汇编语言发展到C、C++及各种开发框架。

随着大语言模型的发展，自然语言有望成为下一代设计语言。开发人员可以直接描述设计意图，再由AI协助完成具体任务。

AMD Ross正是围绕这一思路推出的产品。它面向嵌入式开发全流程，覆盖系统架构、硬件设计、算法开发、系统软件、AI推理、调试和部署，既支持AMD FPGA及自适应计算产品，也面向x86嵌入式产品组合。

从聊天框走向实际执行

Ross通过模型上下文协议（MCP）服务器连接AMD知识库，可以访问Vivado、Vitis、Power Design Manager、ChipScope、ROCm及相关产品文档，为开发人员提供技术支持。

Ross的能力分为多个层级。基础层通过知识库提供技术信息和建议；技能层负责执行具体任务，例如生成规格说明、检查RTL代码、分析综合报告，以及将MATLAB代码转换为C或C++；更高层的设计代理和工具代理则可以直接驱动开发工具，执行FPGA设计和时序收敛等工作。

Ross还计划支持多智能体协作，让不同智能体分别处理PCB、FPGA、算法和软件任务，并协调各个环节之间的交接。

在工具兼容性方面，Ross支持VS Code、Cursor等开发环境，也可以配合不同的大语言模型使用，包括Claude Code和通义千问等。


此外，第三方工具既可以通过MCP接入，也可以通过Skill调用现有命令或脚本。例如，先使用AMD工具完成设计，再调用第三方仿真器，最后通过企业内部工具检查结果。目前Ross公布的RTL仿真Skill已经涵盖AMD XSIM及Vivado适配的其他第三方仿真器。具体产品的官方支持范围、版本和推出时间，仍需以AMD后续公告为准。


开发人员始终掌握设计控制权。Ross可以提出建议、规划任务和执行操作，但设计变更需要经过用户批准。客户还可以向知识库添加内部技能，或将技能分享给开发者社区。

三个案例展示实际应用

第一个案例是设计MCU的案例。开发人员要求Ross针对Spartan UltraScale+评估套件创建MicroBlaze V微控制器。Ross能够理解需求，规划实现步骤，检查配置是否匹配，并协助完成端口连接、本地存储器、时钟和子系统配置，减少手动设置工作。



第二个案例是FPGA时序分析。Ross调用时序分析工具，检查布局布线后的设计，识别时序失败路径，并按照问题类型分类，再进一步分析和验证。这类自动化流程有望减少工程师手动检查报告、逐条排查路径的时间。


“过去，一些项目可能因为缺少FPGA人才或开发周期过长，没有充分评估FPGA方案。随着开发门槛降低，更多团队可能将FPGA纳入候选方案，并重新评估CPU、FPGA和GPU之间的分工，探索更合适的异构计算组合。”Ally Zhou表示。



第三个案例是图像传感器处理流水线。原始算法在MATLAB中设计，目标性能为每秒3亿像素。AMD对比了人工编写代码与Ross生成代码的实现结果。根据AMD的演示，原本需要资深开发人员花费约两天完成的工作，借助Ross可在两小时内完成。在达到相同性能目标的情况下，可编程逻辑资源占用还减少了35%。



跨领域协作与本地部署


AMD认为，Ross的价值还在于打通不同开发团队之间的信息传递。


Kirk Saban以摄像头系统为例，市场需求变化可能导致FPGA接口逻辑调整，继而影响PCB设计、引脚排列、软件驱动时序，以及DSP和AI图像处理流水线。系统还需要重新进行时序检查和整体验证。


借助Ross，这些关联任务可以纳入可追踪、可标记和可验证的工作流。开发人员先提供需求文档，由规格生成器整理设计要求，再由Ross规划任务、分配硬件计算资源，并协调不同专业智能体执行工作。人工审核贯穿整个流程，工程师可以随时纠正或调整执行结果。


针对企业的数据安全要求，AMD还提供本地部署方案。MCP服务器可以运行在本地机器上，并调用本地安装的开发工具。Ross也支持配合本地大语言模型运行，适用于云访问受限或物理隔离的环境，同时减少对云端API及Token付费服务的依赖。



Ross输出的结果可靠吗？


Kirk Saban强调，Ross从设计之初就考虑了企业的数据安全需求。客户可以将Ross部署在企业现有IT基础设施内，运行于防火墙之后，也可以使用本地大语言模型，不必将设计资料共享到公有云。


用户可以自行决定在每个环节赋予Ross多少自主权。Ross通过MCP获取AMD技术文档等可信信息，为输出提供依据，但最终控制权仍在用户手中。


Ally Zhou则表示，Ross通过AMD官方技术文档、专业技能Skill和实际工具结果提高输出的可信度。不过，智能体AI具有一定的非确定性，输出可能受到模型、提示词和执行过程影响。因此，工程师需要依据可查证的证据评估建议，并通过工程测试和正式评审确认设计结果。Ross可以提供专业依据、执行任务并辅助验证，但不能取代工程师的最终验收。


“AI和智能体技术一直在进步，但当前仍需要明确责任边界。工程师可以让智能体执行任务、分析问题并生成报告，最终决定、设计签核和责任承担必须由人完成。随着技术发展，未来可以逐步扩大智能体的自主范围，但前提是可靠性得到充分验证。”Ally Zhou解释道。


已有800多位客户参与早期访问


AMD于2025年6月启动Ross早期访问计划。截至2026年10月，已有超过800位客户参与。该计划主要围绕Vivado设计套件展开。客户关注的功能包括FPGA综合与实现、时序收敛、官方技术文档检索、重复操作自动化、项目设置、IP配置和工具报错分析等。



AMD计划以每月一次的频率更新Ross。目前，产品已支持Vivado和Vitis HLS等开发工具。2026年第四季度，AMD计划增加对功耗设计和FPGA调试的支持，涉及Power Design Manager和ChipScope等工具，并继续扩展基于FPGA的AI推理工具Vitis AI相关能力。2027年的产品路线图还将进一步推进。



Ally Zhou表示，AMD计划按月增加Ross支持的工具和工作流。目前已公布约50个Skill，后续还会持续增加。现有Skill采用开放方式发布，客户可以根据自身需求修改、二次开发，也可以将内部积累的经验整合进智能体工作流。工业等领域的专业知识也可以通过Skill或智能体流程接入。Ross基于MCP和Skill等业界标准构建，为生态扩展提供了基础。


除此之外，表示，Ross的算法优化能力可以扩展到FPGA以外的AI算子，类似方法也能用于自适应SoC中的Arm处理器、嵌入式x86处理器及其运行的开源软件。对于集成GPU和AMD GPU，也可以利用Ross提供的技能与专业知识，优化代码和AI模型，帮助客户在AMD硬件上获得更好的性能。 （来源：114IC）