AI對軟體開發的影響既深刻又持續演進。AMD曾於2024年開始布局AI系統，涵蓋代碼生成、測試自動化、缺陷分析和代碼審查等環節，並將"到2027年實現25%的生產代碼由AI生成"定為階段目標。
一年過去，AMD不僅提前完成了這一目標，整體生產效率更提升了30%。目前，AI生成代碼的占比已在今年初突破20%，部分軟體組件中這一比例甚至超過80%，公司整體代碼庫的目標已指向50%。
衡量生產效率本身並不容易，AMD從一開始便錨定了一個可客觀追蹤的核心指標：通過全部審查與測試、最終併入產品的AI生成代碼占比。
智能體AI讓AMD得以將AI能力延伸至軟體開發生命周期（SDLC）的每一個環節：在問題分析與分類階段，智能體自動解析問題報告、歸類相似請求並定位可能需要修改的代碼片段；在調試與代碼生成階段，智能體分析缺陷需求並自動實現所需代碼變更；在測試階段，智能體生成單元測試，通過後再識別所需的集成測試與產品級測試；在審批與發布階段，智能體準備架構摘要、代碼變更審查報告及完整測試結果，供工程師審核批准後合併至下一版本。
AMD的Radeon Software eXperience（RSX）項目是一個典型案例。RSX是供用戶配置和監控顯卡驅動行為的界面組件。2025年10月，AMD開始引入AI智能體自動調試並修復RSX上報的問題。初期，開箱即用的AI工具效果有限，問題解決率僅為6%。
隨後，AMD構建了一套學習閉環
——起初以人工介入為主——持續分析智能體的失敗案例並加以改進。AMD並未重新訓練底層模型，而是不斷優化智能體的目標設定，使其能夠疊代探索多種解題路徑，依據預設的成功標準評估結果，並逐步收斂至更優解。與此同時，模型本身和智能體運行時的技術進步也進一步提升了效果。多重改進疊加之下，RSX問題的自動解決率從6%大幅躍升至75%以上，並在2026年6月達到這一水平。
當前，工程師以自身認知為藍本構建AI智能體：將自己對系統的理解、解決問題的思路以及實現變更的方法傳授給AI。這已是一大技術進步——工程師可以創建多個"AI分身"並行工作，將個人專業能力成倍放大。然而，這些智能體仍受制於人類的思維方式與預設路徑。
AMD認為，軟體工程的下一場重大變革將在協作式AI智能體集群能夠獨立發現並開發解決方案時到來。屆時，工程師只需定義問題、期望結果以及質量、性能和系統約束條件，無需規定具體的執行方式，由智能體集群自主確定最優路徑。
智能體集群將並行生成、評估和疊代多種解題方案，自動驗證正確性、衡量性能、測試權衡，並對照預設標準比較不同實現方案。最終，智能體將按優先級排列各候選方案，連同驗證結果和性能指標一併提交工程師審核。這不是在優化SDLC的每一個步驟，而是在重寫SDLC本身。
要實現這一願景，智能體的訓練方式也需隨之改變。當前的改進模式是"一名工程師對應一個智能體"：工程師審查輸出、優化提示詞，再循環疊代。要突破這一模式，智能體必須能夠相互學習、復用成功策略，並在跨項目、跨團隊的維度上實現協同進化。AMD目前已通過Codex和Claude Code等多智能體編排框架大量運用多智能體工作流，同時也在自主研發內部多智能體系統，為下一代AI驅動的軟體工程提供支撐。
持續學習閉環是智能體集群真正釋放生產力的關鍵。每一次疊代都將錯誤資訊和人工干預經驗反饋給後續的智能體工作流，讓整個AI工程體系持續變得更智能、更高效。長遠來看，這一自我強化的閉環本身，而非單純的底層模型，將成為AI進步的核心驅動力。
AMD明確表示，引入AI是為了提升生產力、改善質量、讓員工專注於更高價值的工作，而非削減人員編制。為此，AMD正在全公司範圍內大力投入AI教育與培訓。隨著AI智能體持續進化，工程師將從繁瑣的手動實現工作中解放出來，將更多精力投入規格定義、結果驗證以及驅動創新的戰略決策。
Q&A
Q1：AMD的AI生成代碼占比目前達到了多少？
A：AMD從一開始就將"通過全部審查與測試並最終併入產品的AI生成代碼占比"作為核心客觀指標來追蹤。今年初，這一占比已突破20%，部分軟體組件甚至超過80%，公司整體代碼庫的下一個目標是50%。同時，AMD通過AI實現的整體生產效率提升已達30%，超過了最初25%的預期目標。
Q2：AMD在RSX項目中如何將AI問題解決率從6%提升到75%的？
A：AMD在Radeon Software eXperience（RSX）項目中構建了一套持續學習閉環。AMD沒有選擇重新訓練底層模型，而是不斷優化給智能體的目標設定，使其能夠疊代探索多種解題路徑，依據預設的成功標準評估結果並收斂至更優解。與此同時，底層模型本身和智能體運行時的技術進步也協同發揮了作用，最終將RSX問題的自動解決率從最初的6%提升至75%以上。
Q3：AMD所說的AI智能體集群和現在的AI輔助編程有什麼區別？
A：現階段的AI輔助編程本質上是工程師將自身知識和工作方法"教"給AI，智能體仍受制於人類的思維模式。而AMD所構想的智能體集群則不同：工程師只需定義問題、期望結果及約束條件，多個智能體將並行自主生成、評估和疊代多種解決方案，最終向工程師提交排好優先級的候選方案。這不再是在優化現有軟體開發流程的各個步驟，而是讓AI重新定義整個軟體開發生命周期本身。
