AMD entra nella Physical AI: silicio, piattaforma Kria e un ecosistema robotico aperto

Dopo data center e client,  AMD ha presentato una soluzione completa per la cosiddetta Physical AI: dal silicio embedded a una piattaforma di sviluppo per la robotica, passando per un modulo pronto alla produzione, uno stack software aperto e una rete di partner. Il quadro in cui AMD inquadra l’operazione è quello di un mercato del silicio per la Physical AI stimato in circa 200 miliardi di dollari entro il 2035, con crescita attesa nel prossimo decennio su robotica, industriale, sanità, automotive, aerospazio e smart city.

Il messaggio di fondo è la continuità con un percorso già ventennale di AMD nella robotica e la volontà di rispondere alle tre priorità emerse da un sondaggio condotto nel febbraio 2026 su 177 sviluppatori in tutto il mondo: determinismo, architetture aperte e una piattaforma unica per ogni tipo di robot, tutte indicate come più importanti del picco di TOPS.

Perché serve un’architettura di calcolo diversa

La premessa tecnica è che l’AI agentica applicata al mondo fisico segue un ciclo continuo (percepire, ragionare, decidere, agire) che mette in crisi le architetture frammentate. Nel modello tradizionale, CPU e acceleratore AI lavorano su memorie separate e si perde tempo a ogni ciclo nel movimento dei dati. La proposta è un’architettura integrata con memoria unificata e trasferimenti zero-copy tra CPU e acceleratore: la CPU gestisce navigazione e pianificazione, orchestrazione degli agenti, controllo real-time e operazione di sistema con centinaia di thread concorrenti, mentre l’acceleratore si occupa di percezione, auto-correzione, inferenza dei modelli di base e stima dello stato con controllo appreso, il tutto senza copie ridondanti tra i due domini.

Il silicio: Ryzen AI Embedded X100

Al centro degli annunci c’è la nuova serie di processori AMD Ryzen AI Embedded X100, definita il cuore di tutte le soluzioni robotiche presentate. Si tratta di un’architettura eterogenea che combina una CPU x86 Zen 5 per i compiti massicciamente concorrenti di orchestrazione e controllo, una GPU integrata basata su RDNA 3.5 per accelerare percezione, ragionamento e visione, e una NPU XDNA 2 a basso consumo per l’inferenza always-on su flussi video e audio continui. Il tutto poggia su una memoria unificata pensata per la bassa latenza. Il campionamento ai clienti è partito a giugno 2026 e la disponibilità in produzione è attesa nel quarto trimestre 2026, con i primi system-on-module dai partner di lancio Arbor, Congatec, iBase, IEI, Sapphire e Seavo.

Sul fronte delle specifiche, la serie arriva fino a 16 core / 32 thread Zen 5, fino a 40 Compute Unit RDNA 3.5, con frequenza di boost fino a 5,1 GHz, una NPU XDNA 2 fino a 50 TOPS, fino a 128 GB di memoria unificata e una banda fino a 273 GB/s. Il TDP è configurabile tra 45 e 120W, con range di temperatura industriale da -40 a 105 °C e un ciclo di vita dichiarato di 10 anni in operatività 24/7.

La serie X100 comprende X168 (8 core, 32 CU), X188 (12 core, 32 CU) e X199 (16 core, 40 CU), che è il modello di punta. Sotto di essa si colloca la serie P100 (dai P121 e P132 di fascia più bassa fino ai P174 e P185), pensata per scalare dall’edge intelligence alla Physical AI vera e propria.

Costruita per il determinismo e il real-time

Il determinismo è un requisito propritario per gli sviluppatori, motivo per cui AMD propone tre livelli crescenti. Alla base c’è la memoria unificata come fondamento hardware, che minimizza movimento dati e latenza tra CPU, iGPU e NPU. Al livello software si colloca un Firm Real-Time Linux con patch PREEMPT_RT, QoS tramite riserva di cache e allocazione di banda DDR, per un risultato dichiarato di latenza d’interrupt inferiore a 7 µs. Al livello superiore, per l’isolamento dei workload, c’è l’Hard Real-Time con esecuzione delimitata tramite hypervisor Xen e cache coloring, che affianca un dominio real-time (RTOS) a sistemi general purpose come Yocto, Ubuntu o Windows.

Le prestazioni (secondo AMD)

Sul piano prestazionale AMD confronta il modello di punta X199 con l’Intel Core Ultra X7 358H. Sul multi-threading la CPU è dichiarata fino a 2,1 volte pià veloce su CoreMark GCC-11, 1,5 volte su SPECrate 2017_int_base (stima), 1,3 volte su PassMark e 1,2 volte su Geekbench 6.1.0; sulla grafica fino a 1,7 volte più veloce su OpenGL, 1,6 volte su Heaven Extreme e 1,4 volte su Vulkan; sulla Physical AI, in llama-bench con backend Vulkan a 45W, l’azienda la indica indica 3,5 volte più veloce sui token al secondo e 1,4 volte sul TTFT.

Nel confronto per mercato, AMD dichiara prestazioni 1,3x nel robot reasoning (VLA vs Nvidia Orin) per la robotica, fino a 2,1x nel precision control (CoreMark nT vs Intel Core Ultra Series 3) per l’industriale, 1,7x medio nel beamforming (vs RTX 4000 Ada) per il medicale, fino a 3x nel sensor processing (FP32 vs Nvidia Thor T5000) per aerospazio e difesa, e 1,7x nel rendering grafico (vs Intel Core Ultra Series 3) per il pro AV e broadcast. Da notare però che questi confronti non girano su silicio X100 di produzione, ma su un sistema Ryzen AI Max+ 395 usato come proxy dell’X199.

Il modulo: Kria AI System on Module

Il secondo tassello è l’AMD Kria AI System on Module (SOM), una scheda pre-ingegnerizzata di 120 x 120 mm basata sull’X100 e costruita sul form factor aperto COM-HPC. AMD dichiara 125 µs di latenza per il controllo deterministico lato CPU (equivalenti a circa 8.000 decisioni al secondo) 92 ms per il ragionamento AI lato GPU e meno di 0,4 ms per la classificazione visiva lato NPU. Il modulo integra funzioni di sicurezza, connettività per camere e sensori robotici (spaziali, audio, Wi-Fi), è disponibile in early access e sarà commercializzato attraverso la rete di partner ODM.

Sul confronto diretto con la concorrenza, AMD mette il Kria AI SOM contro l’Nvidia Thor T5000 e dichiara prestazioni 3,4 volte superiori nella real-time reliability (on-time control, benchmark Open Navigation), 1,6x nella capacità di calcolo di riserva (free CPU cores, Open Navigation) e 2,3x nella capacità di AI agentica (agenti concorrenti, benchmark mimik). I test usano un proxy Strix Halo a 120W contro il Jetson Thor a 130W, con modello GEMMA 4.0 31B su entrambe le piattaforme.

La piattaforma: Kria AI Robotics Developer Platform

L’annuncio su cui AMD ha insistito maggiormente è la Kria AI Robotics Developer Platform, presentata come la prima piattaforma robotica del settore aperta, chiavi in mano e integrata, con la combinazione CPU + GPU + NPU + FPGA. Il sistema unisce il SOM basato su X100 a una carrier card di riferimento che integra un FPGA AMD Spartan UltraScale+ per l’aggregazione e la fusione dei sensori. Il fronte del box è pensato specificamente per la robotica, con gli ingressi per il networking time-sensitive, le camere e la sensor fusion, mentre sul retro trovano posto le connessioni standard (Ethernet, USB, display). L’obiettivo è portare un progetto dal concept al prototipo nel giro di pochi giorni.

Coerentemente con il tema dell’apertura, AMD renderà disponibili come riferimento gli schemi della carrier card e aprirà il design dell’FPGA Spartan UltraScale+ che gestisce l’aggregazione dei sensori, così da consentire agli sviluppatori di realizzare rapidamente le proprie varianti. La piattaforma è in early access e inizierà le spedizioni nel quarto trimestre 2026.

Il software: AMD Robotics Software Suite

Sul piano software, AMD introduce la Robotics Software Suite, uno stack aperto costruito sugli standard del settore e sulla base di ROCm. La suite è articolata in un Robotics Core SDK (con nodi ROS 2 accelerati, Gazebo, MoveIt2 e NAV2) e in un Physical AI SDK che integra ROCm, il Ryzen AI Software e framework come Hugging Face, PyTorch, TensorFlow e Liquid, con ulteriori SDK (audio, manipolazione) previsti in seguito. Il punto principale, secondo AMD, è che si tratta dello stesso ROCm impiegato sulle GPU Instinct nel data center: un modello addestrato in cloud su Instinct può essere distribuito sull’X100 embedded con lo stesso stack software, senza una versione separata di ROCm per l’embedded. Anche la suite è in early access.

Su questo fronte AMD spinge anche l’argomento della portabilità dalla concorrenza: ROCm è presentato come “cloud-proven, embedded-ready”, con HIP (Heterogeneous-Computing Interface for Portability) open source e lo strumento HIPIFY che automatizza il 70-80% dello sforzo di conversione del codice da CUDA (con corrispondenze dirette del tipo cudaMalloc→hipMalloc e cuBLAS→rocBLAS). L’azienda evidenzia inoltre un catalogo di modelli “embedded-ready” già disponibili su ROCm, distribuiti tra visione, multi-modale/LLM e azione/controllo.

L’ecosistema: AMD Robotics Partner Network

L’ultimo annuncio è l’AMD Robotics Partner Network, un ecosistema aperto che al lancio conta oltre 30 partner distribuiti su più categorie: ODM e OEM robotici (tra cui Arbor, congatec, iBASE, iEi, kontron, Sapphire, Seavo), fornitori di modelli AI (Archetype, embedL, Liquid, Nota AI, TRENER, ultralytics, Xaba), middleware (Open Navigation, OpenCV, Open Robotics, mimik, QNX), sensori (Analog Devices, SICK, Voyant Photonics), system integrator (Makarena, multicoreware, Rexroth, VVDN, World Wide Technology), simulazione fisica (machineering, Robotec) e organizzazioni come Digital Twin Consortium e MassRobotics.

Sul versante silicio, AMD ricorda inoltre che l’offerta per la robotica non si esaurisce nell’X100 e nel Kria: nella lettura “dal corpo al cervello” del robot, il Kria AI Robotics copre il “cervello”, mentre Versal AI Edge Gen 2 e Zynq UltraScale+ presidiano la “spina dorsale” della comunicazione time-critical, Zynq UltraScale+ e Zynq 7000 l’attuazione multi-asse a bassa latenza dei giunti, e Zynq UltraScale+ con Spartan UltraScale+ la sensoristica.