Zelfs embedded systemen hebben een AI-assistent nodig. Dat lijkt de gedachte te zijn achter het nieuwe AMD Ross. Deze agent moet een ontwikkelcyclus volledig binnen embedded IT mogelijk maken. Engineers sturen AMD-tools in gebruikelijke taal aan en Ross zorgt voor alles van hardware partioning tot het controleren van PCB-ontwerpen.
De tool is vanaf vandaag beschikbaar. Onder embedded systemen verstaat AMD FPGA’s, adaptive SoC’s, embedded x86-chips en gespecialiseerde edge AI-platformen. Met andere woorden: alle soorten AMD-rekenkracht die niet in een conventionele PC, server of mobiel systeem te vinden zijn.
Met Ross kunnen engineers in afgeschermde omgevingen AI raadplegen voor het doorzoeken van documentatie, het uitvoeren van code en debugging. AMD spreekt niet van een specifieke LLM die achter Ross zit: het is eerder een soort harness die met aangeleverde modellen tot een assistentfunctie leidt. Zo kunnen cloudgebaseerde LLM’s gebruikt worden, maar ook lokale AI.
Vier bouwstenen
Ross richt zich daarmee op alle ontwikkelaars die met het embedded portfolio van AMD werken. Gebruikers kiezen daarbij hun eigen model, maar ook de ontwikkelomgeving en command-line interface. “AMD Ross brengt AMD Embedded-tools, betrouwbare kennis en door experts geschreven workflows samen in één agentic AI-ervaring”, zegt Salil Raje, SVP en general manager van AMD Embedded.
De basis bestaat uit vier componenten. MCP-servers, gebaseerd op het open Model Context Protocol, verbinden AI-agents in alle soorten en maten met de AMD-tools. Een Knowledge Base met gevectoriseerde user guides, white papers en application notes is via de cloud of lokaal offline beschikbaar. Daarnaast zijn er agent skills: open markdown-bestanden met best practices, bijvoorbeeld voor timing-optimalisatie of het herstructureren van C++-code in Vitis HLS. Kant-en-klare designvoorbeelden laten zien hoe Ross benut kan worden.
Volgens AMD is Ross daarmee geen AI-codeerassistent bovenop bestaande tools. Het bedrijf wil vooral de kennis van eigen engineers herbruikbaar maken. In veel omgevingen is dat maar goed ook, aangezien de beschikbare hardware in embedded omgevingen lang niet altijd grotere LLM’s toestaat of een verbinding met de buitenwereld wenselijk maakt.
Lees ook: AMD geeft zijn embedded chips 80 TOPS aan AI-rekenkracht