汽车工厂进入智能体时代，CPU需求反而更大了？ 作者 | Janson 编辑 | 志豪 “一座新能源汽车工厂里，电池包焊接良率突然下降了。” 对于今天已经高度数字化的汽车工厂来说，发现这个问题并不困难。 难点在发现问题之后。 工程师首先需要确认异常集中在哪些工位，再把视觉检测结果与MES记录、焊机参数进行比对。 找到可能原因，事情仍然没有结束。 参数能不能调整？是否会影响当前生产节拍？相关物料是否需要暂停上线？新的参数下发前是否需要通过数字孪生或者仿真工具验证？ 这正是新能源汽车制造正在面对的一个典型变化：工厂里的数字化系统越来越多，单个环节的自动化程度越来越高，但整个生产流程也变得越来越复杂。 但从“发现问题”到“解决问题”，仍然需要工程师在多个系统之间不断查询、判断和协调。 因此，制造自动化继续向前走，开始遇到一个新的问题： 如何把已经存在的一个个数字化和智能化能力真正串起来，让整个流程也能够自动运行。 自主代理式（智能体）制造（Agentic Manufacturing）正是在这样的需求下出现。 但当AI真正开始“干活”，计算需求也随之变化。 一次生产任务背后增加的不只有模型推理，还包括数据库查询、知识检索、分析程序、API调用以及不同系统之间持续的数据交换。 凭借高核心密度、较高单核性能和I/O能力，AMD EPYC CPU也成为连接智能体（Agent）、制造数据和既有生产系统的重要计算底座。 面向当前自主代理式（智能体）制造落地，AMD EPYC 9005系列处理器可以承载智能体服务，同时与数据库、企业应用和制造系统协同运行。 当智能体进一步扩展到更多生产场景、产线和工厂，AMD EPYC 9006系列处理器则为更大规模的平台运行提供进一步的计算空间。 01. 从单点智能到生产环节 自主代理式（智能体）制造走进新能源汽车制造 新能源汽车工厂并不缺数字化系统，这些系统解决了大量单点问题，但生产过程本身高度关联。 比如视觉系统发现一个焊点异常后，质量工程师需要先找到对应生产批次。设备工程师再检查焊接电流、压力等参数。如果设备正常，还要继续向前追溯电芯批次和工艺记录。 从发现异常到恢复生产，至少要经过 发现、定位、联动、验证和反馈 等多个步骤。 其中的关键问题在于，每一个环节都可能已经实现数字化，但把这些环节串起来的工作仍然大量依靠人。 新能源汽车工厂下一步要提升的已经不只是单台设备或单个工序的自动化，而是从“单点自动化”继续走向“流程自动化”。 自主代理式（智能体）制造要继续推进的，正是这部分自动化。 质量智能体（Quality Agent）发现异常后，可以首先访问MES和视觉检测结果；如果需要进一步判断，再调取设备参数、物料批次和历史记录，并通过分析程序寻找异常之间的关联。 原本需要多个工程师在不同软件之间逐步完成的调查过程，由此开始被组织成一条连续的智能体工作流。 而当这些步骤从人工操作变成智能体连续执行，后台计算也从一次次独立调用变成持续运行。 这就需要一套通用计算平台承载智能体工作流，同时让数据库、企业应用和已有制造系统稳定运行。 AMD EPYC 9005/9006系列处理器的作用也从这里开始体现。智能体并不是被单独放在一台“AI机器”里运行，而是要在真实汽车工厂的IT体系中持续访问数据和调用工具。 AMD EPYC CPU所承载的，正是智能体工作流与数据库、企业应用和既有制造系统连接后产生的大量通用计算任务。 02. 从发现异常到闭环处置 AMD EPYC CPU支持智能体进入制造流程 具体到最开始的电池包焊接异常这一场景，质量智能体发现良率下降后，首先要缩小问题范围。 一次排查可能同时涉及MES生产记录、视觉检测结果、焊机参数、电芯批次、环境记录以及历史质量数据等至少六类信息。 数据库查询、知识检索、分析程序以及智能体服务可能同时运行。此时首先出现的就是计算并发压力。 在这样的计算压力下，AMD EPYC 9005系列处理器最高拥有192个核心、384个线程，就可以同时为更多智能体、数据库查询和后台服务提供计算资源。 不过，并发并不是这里唯一的性能问题。 一次SQL查询、API调用或者分析程序中的部分关键步骤仍然需要串行执行，对单线程性能和响应速度比较敏感。 这也是高核心之外，高主频同样重要的原因。 AMD EPYC 9005系列处理器中的EPYC 9575F拥有64核、128线程，最高加速频率达到5GHz，全核加速频率达到4.5GHz。 放到焊接异常排查里，高核心数让“同时能跑多少查询和任务”游刃有余，较高主频则有助于缩短数据库查询、事务处理以及智能体工作流中关键步骤的响应时间。 随着排查继续深入，瓶颈又从计算转向数据供给。 质量智能体可能要把当前批次和历史正常批次放在一起比对，同时保留设备参数、工艺记录