Raghu Raja

Jimmy认为即使在AI时代，数据本身依然是核心，数据库作为数据的载体必须为AI做好准备。

“AI is more important. Data is more important even with AI. Where data is stored, how to train language models, these are all important.”

Jimmy指出AI时代要求数据库能处理多模态数据、支持向量搜索，并能高效应对大量智能体并发查询。

“AI时代要求数据库能处理多模态数据（文本、图像、视频等）、支持向量搜索以实现语义理解，并能高效应对大量智能体（Agent）并发发起的查询请求。”

Raghu认为AMD EPYC处理器的Chiplet架构通过灵活扩展，天然契合云服务商对单机支持更多虚拟机和用户的需求。

“AMD EPYC处理器从设计之初就采用了Chiplet（小芯片）架构，通过高速互联将多个核心模块组合，实现了从8核到192核的灵活扩展。这种高密度的计算能力，天然契合云服务商对单机支持更多虚拟机和用户的需求。”

Jimmy阐述PolarDB通过软硬件协同设计，实现计算与内存资源解耦，以提升资源利用率和成本效益。

“PolarDB的核心设计哲学：通过软硬件协同设计，实现像水电一样按需取用的'无服务器'弹性。这不仅包括计算与存储的分离，更进一步实现了计算与内存资源的解耦，从而大幅提升资源利用率和成本效益（TCO）。”

Raghu和Jimmy一致认为CXL技术是实现内存池化与解耦的关键，能显著降低总体拥有成本。

“CXL（Compute Express Link）技术是实现内存池化与解耦的关键。它允许CPU高效访问远程内存，打破内存与CPU必须绑定的限制，使得云数据中心可以按需分配内存资源，避免浪费，从而显著降低总体拥有成本。”

Raghu指出推动CXL生态的关键在于实际应用，他们正与合作伙伴开发首款CXL交换机。

“推动CXL生态的关键在于实际应用。他们正与合作伙伴开发首款CXL交换机，并计划构建CXL服务器集群，让开发者能真正使用和测试这一技术。”

Jimmy和Raghu分享了双方团队通过清晰路线图和频繁沟通确保软硬件发展高度同步的协作模式。

“他们通过清晰的长期路线图、频繁的跨地域沟通以及针对特定项目（如CXL优化）成立虚拟任务团队，确保了软硬件发展的高度同步，能够提前规划并解决未来可能遇到的问题。”

Jimmy认为内存近邻计算是重要方向，而Raghu表示AMD将持续打造更高效的AI硬件。

“展望三到五年，Jimmy认为内存近邻计算（Near-Memory Computing）是重要方向，可以将部分计算下推到内存或存储层以提升效率。Raghu则表示，AMD将持续打造更高效的AI硬件，以支持更大的语言模型和新兴AI应用。”