撰文：Techub News 整理
导语
2026 年 3 月，AMD 董事长兼首席执行官 Lisa Su（苏姿丰）博士受邀出席美国普渡大学（Purdue University）的“校长讲座系列”（Presidential Lecture Series），与普渡大学校长蒋濛（Mung Chiang）进行了一场深度对话。这场讲座吸引了大量学生和教职工，现场一票难求。作为将 AMD 从市值 20 多亿美元带向超过 2000 亿美元的传奇领导者，苏姿丰在讲座中回顾了其个人职业选择、AMD 转型的关键时刻，并分享了对于人工智能、半导体技术未来、能源挑战以及跨学科合作的前沿思考。本次对话正值 AMD 在 AI 芯片领域与 Meta、OpenAI 等巨头达成重要合作之际，其观点对于理解当前计算产业的竞争格局与未来方向具有重要价值。
摘要
- AI 仍处于非常早期的创新周期，当前的应用方式并非终极形态，未来 5-10 年将经历快速演变。
- 计算等于智能（Compute equals intelligence），但能源与功率已成为限制算力增长的主要物理瓶颈之一。
- AMD 的核心战略是专注于高性能计算（HPC），坚信异构计算（CPU、GPU、FPGA、ASIC）和开放生态系统（如 ROCm）是未来的关键。
- 半导体行业的创新正在加速，通过芯粒（Chiplet）、2.5D/3D 集成等系统级方法，摩尔定律得以以新的形式延续。
- 解决复杂问题（如医疗健康）的最大机会在于跨学科合作，让不同领域的专家携手实现“1+1>3”甚至“1+1+1>10”的效应。
从工程师到 CEO：专注于解决实际问题
讲座伊始，蒋濛校长问及苏姿丰当年在获得麻省理工学院（MIT）博士学位后，为何选择进入工业界而非学术界。苏姿丰坦言，虽然当时也获得了顶尖研究型大学的教职机会，但她认为自己更享受解决实际问题、构建产品以及团队协作的过程。“我仍然认为自己是一名工程师，我最喜欢做的事情就是打造产品。”她表示，从领导小团队到如今管理规模庞大的团队开发产品，这一直是她职业生涯中最大的乐趣所在。
苏姿丰回顾了自己的成长背景：出生于中国台湾，幼年随父亲移民美国，在纽约长大。她笑称自己从小就是个“书呆子”（nerd）。即便在获得硕士学位后急于投入工作，但在典型的亚裔父母坚持下，她继续攻读了博士学位。这段经历培养了她解决前所未有之复杂问题的分析能力和信心，这份能力贯穿了她之后的整个职业生涯。
引领 AMD 转型：押注高性能计算与芯粒技术
当蒋濛校长提到 AMD 市值在过去 12 年间增长约百倍时，苏姿丰幽默地回应“还算不错”。她将 AMD 的成功归因于一系列关键的战略转型和技术押注。
苏姿丰指出，在 2014-2015 年左右，AMD 做出了一个“赌上公司命运”的决定：全力投入芯粒（Chiplet）技术，并将其作为未来高性能计算的基石。当时，摩尔定律放缓的趋势已现，传统的单一芯片 scaling 路径面临挑战。AMD 判断，通过先进的封装技术将多个较小、专用的芯片模块集成在一起，是延续性能增长的新路径。尽管当时这一方向并不明确，但 AMD 的工程团队坚信其潜力。随后，AMD 又将 3D 封装等技术引入产品线。这些前瞻性的技术赌注，最终使 AMD 在服务器、PC 等领域重新获得了强大的竞争力。
“科技公司的美妙之处在于，你可以从一个想法开始，规划路线图并坚持走下去。”苏姿丰说。她和首席技术官 Mark Papermaster 都坚信世界将需要更多高性能计算，并决心让 AMD 在此领域做到最好。如今，AI 浪潮席卷全球，高性能计算成为核心，印证了她们当年的判断。
AI 的现在与未来：早期阶段、能源挑战与异构计算
谈到当前火热的 AI，苏姿丰强调，我们仍处于这项技术的“早期局”（early innings）。无论是 ChatGPT、Gemini 还是其他大模型，都只是开始。未来 5 到 10 年，AI 的应用方式将发生巨大变化，创新周期远未结束。
她提出了一个核心观点：计算等于智能（Compute equals intelligence）。因此，解锁更多智能的关键在于部署更多的算力。然而，这遇到了物理极限的挑战——能源与功率。苏姿丰指出，大约七八年前，团队就已清晰认识到，功率将成为长期计算能力的限制因素。如今，建设 AI 超级工厂（如 Meta 的数据中心）需要规划吉瓦（GW）级别的电力供应。因此，芯片的能效比（每瓦性能）与绝对性能同等重要。任何能够更清洁、快速、经济地产生电力的技术，都将有助于释放更多的智能潜力。
在计算架构上，苏姿丰是异构计算的坚定拥护者。她认为，没有“一刀切”的芯片或模型。未来的计算栈将包含 CPU、GPU、FPGA、ASIC 等多种计算单元，并根据云端、边缘、客户端等不同场景进行优化。她特别提到，AI PC 已经能够本地运行百亿参数级别的模型，这展示了 AI 向更广泛设备普及的趋势。
与此相关的是对开放生态系统的信念。苏姿丰表示，AMD 的 ROCm 软件平台旨在成为一个开放的生态系统，与 Nvidia 的 CUDA 形成差异化竞争。“我认为行业应该有选择。”她希望看到更多的计算选择，包括在像普渡大学这样的学术机构中。
深化产业合作：与 Meta、礼来的“1+1>3”
苏姿丰以2026 年 3 月宣布的与 Meta 的重大合作为例，阐述了 AMD 的深度合作伙伴战略。她表示，这项合作旨在帮助 Meta 实现其“个人超级智能”的愿景，为更深度个性化的 AI 体验提供计算基础。这类合作需要提前多年规划，涉及吉瓦级数据中心的建设。
同样，她当天早些时候参观了制药巨头礼来公司（Eli Lilly），并与 CEO Dave Ricks 进行了交流。苏姿丰认为，技术发挥最大效用的方式是将不同学科和专业的人聚集在一起，实现“1+1>3”。AMD 擅长计算，礼来擅长生命科学和药物研发，双方的合作可以探索如何利用下一代制造技术或更有效地在研发过程中使用 AI 计算，从而加速药物发现进程。
她强调，医疗健康是她个人非常看好的 AI 颠覆性领域。AI 不仅可以加速长达十多年的药物研发管线，还能通过整合各科专家经验，帮助提升医疗服务的可及性和质量。
半导体创新不息：连接各点的艺术
作为半导体器件物理博士，苏姿丰对技术演进有着深刻见解。她回顾说，多年前像 2.5D/3D 集成这样的技术看起来几乎不可能实现大规模制造，但工程师们总能找到方法解决难题。
她驳斥了“半导体是成熟领域、创新枯竭”的说法，相反，她认为近年来半导体行业的创新在加速。随着纯工艺微缩（Scaling）放缓，系统级架构、芯粒、先进封装、专用加速器等领域涌现出更多创新机会。
苏姿丰分享了她职业生涯中最有价值的资产之一：成为某个领域的专家（如器件物理），同时培养出将不同非专业领域知识“连接起来”的能力。“我们都在解决极其困难的问题，这需要多个学科共同协作才能实现下一次重大飞跃。能够‘连接各点’（connect the dots）是最有趣的部分。”
在回答学生关于如何在高不确定性下做出长期战略决策时，苏姿丰表示，这需要基于对行业未来关键瓶颈的判断来“下大赌注”，并且这些赌注通常需要 3-5 年才能见效。决策原则是围绕这些瓶颈进行设计，并且要相信自己的工程团队能够实现目标。“如果你总是对的，那可能说明你太保守了。”
AI 重塑工程与人才培养
对于 AI 工具如何改变半导体工程流程，苏姿丰表示，虽然“一键生成芯片”还遥不可及，但 AI 已广泛应用于设计验证、布局优化、测试用例生成、良率提升等环节，显著加速了开发流程，并提高了芯片的功率、性能、面积（PPA）权衡。
她明确否定了“AI 将取代所有工程师”的说法，强调 AMD 仍在大量招聘工程师。公司看重的是具备扎实学科基础（如芯片设计、制造工艺、软硬件交互知识）同时具备 AI 能力（AI-capable）的人才。因为 AI 工具并非永远正确，需要工程师来引导、判断并做出最终的关键决策。
对于学生的职业建议，苏姿丰认为，攻读博士学位的最大价值不在于具体课题，而在于获得解决前所未有的复杂问题的分析能力、批判性思维和信心，这种能力将使人终身受益。
最紧张的时刻与团队的力量
在讲座尾声，被问及职业生涯中最紧张的时刻时，苏姿丰分享了一个早年故事。当时她在 IBM 负责将铜互连技术首次引入 CMOS 器件，在公司对外宣布后，项目却遭遇了严重的良率问题，几乎无法工作。
这段压力巨大的经历让她深刻理解了跨学科团队协作的力量。她组织了一个由器件物理、材料、设计、可靠性等不同领域专家组成的“特别工作组”，全力攻关。九个月后，团队成功解决问题并交付了产品。当她后来在百思买看到采用该技术的苹果 Mac 产品时，感到无比自豪。
“在那之后，作为一名年轻人，你会觉得……其他事情都没什么大不了，总会解决的。”苏姿丰总结道，“将极其聪明、有能力的人聚集在一起，实现‘1+1+1>10’，这才是作为一名工程师最令人兴奋的地方。”
