AMD X100, Strix Halo를 로봇으로 확장…Intel도 바짝 추격

AMD가 최대 규모의 Ryzen AI 설계를 로봇으로 확장했다. 다만 Intel은 이미 산업용 엣지 전반에서 Panther Lake를 앞세워 추진력을 확보하고 있다.

Ryzen AI Embedded X100 시리즈는 AMD의 Strix Halo 아키텍처를 지속적인 임베디드 운용을 위해 설계된 플랫폼으로 전환한다. Zen 5 CPU 코어, RDNA 3.5 그래픽, XDNA 2 신경망 프로세서, 통합 메모리를 결합했다. AMD는 2026년 7월 23일 이 라인업을 발표했다.

이는 단순히 노트북 프로세서에 새 이름을 붙인 제품이 아니다. AMD는 이 실리콘에 Kria 시스템 온 모듈과 로보틱스 개발 플랫폼을 결합했다. 회사는 장비 제조업체가 프로토타입부터 장기 생산까지 하나의 설계를 활용하도록 하려 한다.

경쟁 구도의 기준점은 이미 Intel이 마련했다. Intel에 따르면 Core Ultra Series 3, 더 널리 Panther Lake로 알려진 제품은 130개 기업이 테스트하거나 채택하고 있다. Nvidia 역시 Jetson 모듈과 CUDA 소프트웨어를 통해 확고한 입지를 유지하고 있다.

그 결과 자율 기계 내부의 컴퓨터를 둘러싼 3자 경쟁이 형성됐다. AMD는 더 많은 CPU 코어, 더 넓은 통합 메모리, x86 개발 환경이 시장 진입이 늦었다는 약점을 상쇄할 것이라고 보고 있다.

AMD Tom 보도가 보여주는 X100 내부의 변화

AMD는 Strix Halo를 프리미엄 클라이언트 프로세서에서 산업용 운용 보장을 갖춘 임베디드 플랫폼으로 전환했다.

X100 라인업은 세 가지 프로세서로 구성된다. 최상위 Ryzen AI Embedded X199는 Zen 5 CPU 코어 16개와 RDNA 3.5 컴퓨트 유닛 40개를 탑재한다. X188은 CPU 코어 12개와 그래픽 컴퓨트 유닛 32개를, X168은 CPU 코어 8개와 그래픽 컴퓨트 유닛 32개를 갖췄다.

AMD는 이 제품군 전반에 걸쳐 최대 5.1 GHz의 부스트 주파수와 최대 128 GB의 LPDDR5X 통합 메모리를 제시한다. 통합 메모리는 CPU, GPU 및 기타 엔진이 공통 메모리 풀에 접근하도록 한다. 이에 따라 대형 모델과 센서 데이터를 별도 메모리 시스템 간에 중복 복사할 필요가 줄어든다.

모든 X100 프로세서에는 최대 50 TOPS 성능의 XDNA 2 신경망 처리 장치(NPU)도 포함된다. TOPS는 초당 수조 회 연산을 측정하는 단위지만, 그 자체로 완전한 애플리케이션 성능을 예측하지는 못한다.

AMD는 시스템 제조업체에 45와트에서 120와트까지 구성 가능한 열 설계 전력 범위를 제공한다. 이 범위는 소형 엣지 컴퓨터부터 더 큰 냉각 용량을 갖춘 대형 로봇까지 아우른다.

사양은 이미 컴퓨터에 사용되는 Ryzen AI Max 프로세서와 유사하다. 임베디드 버전에는 약간의 클록 속도 향상보다 산업 고객에게 더 중요한 보장 사항이 추가됐다.

AMD는 이 프로세서가 최대 10년간 연속 운용을 지원한다고 밝혔다. 지원 작동 온도 범위는 영하 40도에서 섭씨 105도까지다. 또한 제조업체가 맞춤형 보드에 프로세서를 직접 탑재할 수 있는 칩다운 설계도 제공한다.

이러한 조건은 공장, 병원, 차량 및 야외 시스템에서 중요하다. 소비자용 노트북은 일반적으로 정기적인 플랫폼 업데이트를 받는다. 반면 산업용 로봇은 원래의 컴퓨터 플랫폼이 소매 채널에서 사라진 뒤에도 수년간 운용될 수 있다.

초기 X100 칩 세부 정보에 따르면 AMD는 모델별 주파수 및 전력 구성의 모든 세부 사항을 공개하지 않았다. 장비 제조업체는 최종 생산 시스템을 비교하기 전에 이러한 정보가 필요하다.

그럼에도 이 제품은 분명한 변화를 만들어낸다. Strix Halo는 더 이상 워크스테이션과 프리미엄 개인용 컴퓨터에만 국한되지 않는다. 더 큰 통합 GPU와 메모리 아키텍처는 이제 환경을 인지하고 그 안에서 행동하는 기계를 겨냥한다.

이 움직임은 AMD에 Intel의 Panther Lake 로보틱스 캠페인에 대응할 수단을 제공한다. 또한 X100을 Nvidia Jetson에 더 가깝게 위치시키지만, AMD는 x86 프로세서와 통합 Radeon 그래픽을 통해 시장에 접근한다.

피지컬 AI에 NPU 점수만으로는 부족한 이유

로봇은 인지, 추론, 제어, 통신 및 안전 관련 서비스를 함께 실행해야 하므로, 하나의 가속기 수치보다 균형 잡힌 컴퓨팅이 더 중요하다.

피지컬 AI는 물리적 세계를 해석하고 기계의 행동을 이끄는 모델을 설명한다. 로봇은 원격 데이터센터에 의존하지 않고 여러 카메라 피드를 처리하고, 물체를 식별하며, 움직임을 계획하고, 모터 명령을 업데이트할 수 있다.

각 단계는 하드웨어에 서로 다른 요구를 제시한다. GPU는 병렬 비전 처리와 다수의 대형 모델 연산을 담당한다. CPU는 오케스트레이션, 네트워킹, 스토리지, 미들웨어 및 제어 스택의 일부를 실행한다.

NPU는 지원되는 추론 워크로드를 더 낮은 에너지 사용량으로 실행할 수 있다. 하지만 지원되지 않는 연산자나 모델은 작업을 CPU 또는 GPU로 되돌릴 수 있다. 따라서 높은 TOPS 수치는 소프트웨어 호환성 및 전체 시스템 테스트 없이 제한적인 통찰만 제공한다.

메모리 이동도 또 다른 제약이다. 카메라 스트림, 지도, 모델 가중치 및 중간 결과는 상당한 대역폭을 소비할 수 있다. 이 정보를 별도 프로세서 간에 옮기면 지연 시간, 에너지 사용량 및 시스템 복잡성이 증가한다.

AMD는 X100이 초당 최대 273 GB의 메모리 대역폭을 지원한다고 밝혔다. 또한 프로세서의 주요 컴퓨팅 엔진이 접근할 수 있는 최종 단계 캐시인 32 MB 공유 MALL 캐시를 갖췄다.

이 아키텍처는 CPU와 GPU가 최대 128 GB의 통합 메모리에 접근하도록 한다. 이 용량은 별도의 그래픽 메모리 없이도 더 큰 모델과 여러 동시 서비스를 수용할 수 있다.

AMD는 이를 분절된 로봇 컴퓨터의 대안으로 제시한다. 전통적인 설계는 x86 CPU에 외장 GPU, 추가 제어 하드웨어 및 여러 메모리 풀을 결합할 수 있다. 구성 요소가 하나씩 추가될 때마다 보드 공간, 냉각 요구 사항 및 검증 작업이 증가한다.

회사의 임베디드 컴퓨팅 분석은 이 주장을 로보틱스 이상으로 확장한다. AMD는 의료 영상, 방송 시스템, 국방 애플리케이션 및 카지노 장비를 X100의 다른 목표 시장으로 꼽는다.

의료용 초음파는 유용한 사례다. 시스템은 신호를 수집하고, 빔포밍을 수행하며, 이미지를 재구성하고 렌더링한 뒤 AI 지원 분석을 실행해야 한다. 이러한 작업은 하나의 가속기에 깔끔하게 매핑되지 않는다.

AMD는 X100급 구성이 외장 Nvidia GPU를 탑재한 테스트 Ryzen 7 시스템보다 초음파 빔포밍을 1.7배 더 빠르게 완료했다고 밝혔다. 이는 독립적인 제품 리뷰가 아닌 AMD 내부 테스트다.

그럼에도 이 비교는 AMD의 더 폭넓은 전략을 보여준다. 회사는 구매자가 NPU 성능만으로 플랫폼을 선택하기보다 전체 처리 파이프라인을 평가하기를 원한다.

로봇은 더 어려운 동시성 문제를 제시한다. 내비게이션은 시각 인지, 언어 처리, 플릿 관리 및 결정론적 제어와 함께 실행될 수 있다. 결정론적 제어란 예측 가능한 시간 창 안에 동작을 만들어내는 것을 뜻한다.

X199의 16개 완전한 Zen 5 코어는 AMD에 상당한 범용 처리 여유를 제공한다. AMD는 이 설계를 Panther Lake의 성능 및 효율 코어 혼합 구조와 대비한다. 다만 Intel은 이기종 레이아웃이 로보틱스에 필요한 처리 능력을 유지하면서 효율을 개선한다고 주장한다.

이것이 X100 발표의 핵심 작동 원리다. AMD는 새로운 AI 가속기 범주를 발명한 것이 아니다. 상당한 CPU, GPU, NPU 및 메모리 자원을 장기 공급 보장을 갖춘 임베디드 제품으로 구성했다.

Kria 플랫폼, 프로세서를 로봇 컴퓨터로 전환하다

AMD의 가장 강력한 움직임은 모든 로보틱스 기업에 보드 설계를 맡기는 대신 X100을 배포 가능한 모듈 및 개발 플랫폼으로 패키징한 것이다.

프로세서 하나만으로는 로봇에 필요한 카메라 연결, 산업용 네트워킹, 모터 인터페이스 또는 소프트웨어 구성 요소를 제공할 수 없다. 개발자에게는 실험실 프로토타입에서 생산 장비까지 이어지는 완전한 경로가 필요하다.

AMD의 Kria AI 시스템 온 모듈(SOM)은 X100 프로세서와 메모리를 업계 표준 COM-HPC 보드에 탑재한다. SOM은 애플리케이션별 인터페이스를 갖춘 캐리어 보드에 연결되는 소형 컴퓨터 모듈이다.

Kria AI 플랫폼은 최대 128 GB의 LPDDR5X 메모리와 FAKRA 커넥터를 통한 8개의 카메라 입력을 지원한다. 또한 CAN-FD, RS485 및 10기가비트 Ethernet 연결을 제공한다.

CAN-FD와 RS485는 차량 및 산업 장비에서 흔히 사용되는 통신 표준이다. 이들의 포함은 AMD가 Kria를 개발자 책상 위에만이 아니라 실제 운용 기계 내부에 배치하려 한다는 신호다.

더 폭넓은 로보틱스 개발자 플랫폼은 Kria 모듈에 캐리어 카드와 FPGA를 결합한다. FPGA는 개발자가 특수 센서 처리, 타이밍 또는 통신에 맞게 구성할 수 있는 프로그래밍 가능 칩이다.

이 FPGA는 범용 AI 프로세서의 한 가지 약점을 보완할 수 있다. 로봇은 CPU, GPU 또는 NPU에 자연스럽게 맞지 않는 엄격히 제어된 입출력 동작을 요구하는 경우가 많다.

AMD는 Robotics Software Suite로 이 플랫폼을 지원한다. 이 스택은 GPU 컴퓨팅에 ROCm을, 널리 사용되는 오픈소스 로보틱스 소프트웨어 프레임워크인 ROS 2를 사용한다.

이 패키지는 공장 로봇, 자율 이동 로봇, 이동형 매니퓰레이터 및 휴머노이드를 겨냥한다. 또한 초기 개발과 대량 생산을 잇는 것을 목표로 하지만, 이 전환이 원활한지는 실제 고객 배포 사례가 결정할 것이다.

소프트웨어 이식성은 AMD 주장에 핵심적이다. ROCm은 오픈소스 GPU 컴퓨팅 스택을 제공하며, HIP는 개발자가 AMD 하드웨어를 대상으로 사용할 수 있는 C++ 프로그래밍 모델을 제공한다.

HIPIFY는 기존 CUDA 소스 코드의 일부를 HIP로 변환할 수 있다. AMD는 이를 Nvidia 하드웨어 기반 소프트웨어를 이전하는 팀을 위한 경로로 제시한다. 그러나 변환이 복잡한 로보틱스 애플리케이션이 추가 최적화나 테스트 없이 작동한다는 보장은 아니다.

이 차이는 Nvidia의 입지가 Jetson 하드웨어 이상의 기반 위에 있기 때문에 중요하다. CUDA, TensorRT, Isaac 및 수년에 걸친 개발자 경험은 성숙한 소프트웨어 환경을 이룬다. 명목상 이식 가능한 애플리케이션도 Nvidia 전용 라이브러리, 도구 또는 배포 관행에 의존할 수 있다.

AMD의 접근법은 대신 x86 호환성을 모듈 및 개방형 로보틱스 프레임워크와 결합한다. 많은 산업용 개발자는 이미 x86 컴퓨터, Linux 및 ROS를 사용한다. X100은 이러한 환경과 임베디드 AI 가속기 간의 아키텍처적 거리를 줄인다.

모듈 전략은 초기 설계 장벽도 낮춘다. 로보틱스 스타트업은 즉시 맞춤형 메인보드를 만들지 않고도 생산용으로 의도된 동일한 프로세서, 메모리 모델 및 소프트웨어 스택을 테스트할 수 있다.

더 큰 제조업체는 나중에 칩다운 설계를 선택할 수 있다. 이 경로는 크기, 연결성 및 부품 배치에 대한 더 큰 제어권을 제공하지만, 더 많은 엔지니어링 및 검증 작업도 요구한다.

AMD는 Kria 모듈이 Bosch Rexroth 컨트롤러 벤치마크에서 초당 최대 8,000회의 실시간 제어 결정을 내릴 수 있다고 밝혔다. 또한 최대 234개의 동시 소프트웨어 에이전트를 지원한다고 홍보한다.

이 결과는 AMD가 선택한 특정 워크로드에서 나온 것이다. 에이전트 결과는 모델링된 워크플로를 기반으로 했으며, 실시간 테스트는 하나의 컨트롤러 구성만을 반영한다. 구매자는 이를 보편적인 로봇 성능 수치가 아닌 참고 지점으로 봐야 한다.

이러한 단서에도 Kria는 X100의 경쟁 구도를 바꾼다. AMD에 단순한 프로세서 사양표가 아니라 로봇 컴퓨터로 평가할 수 있는 제품을 제공하기 때문이다.

Intel Panther Lake는 이미 배포 우위를 확보했다

AMD는 몇몇 주요 자원에서 더 강력해 보이지만, Intel은 이미 고객, 로봇, 통합 소프트웨어 프레임워크를 갖춘 상태로 이 경쟁에 뛰어들었다.

Intel은 Core Ultra Series 3를 로보틱스 및 산업용 엣지 시스템으로 확장하기에 앞서, Panther Lake를 클라이언트 플랫폼으로 소개했다. X100과 마찬가지로 이 아키텍처는 CPU, GPU, NPU 자원을 하나의 시스템온칩에 통합한다.

Intel에 따르면 130개 기업이 Core Ultra Series 3를 채택하거나 테스트하고 있다. 공개된 사례에는 서비스 로봇, 휴머노이드, 로봇 팔, 헬스케어 시스템이 포함된다.

Sensory AI는 Ella 로봇 바리스타를 별도 GPU 기반 설계에서 전환했다. Intel은 이 로봇이 이제 Core Ultra Series 3만으로 작동하며 시간당 최대 200잔의 음료를 준비할 수 있다고 밝혔다.

Oversonic Robotics 역시 제조 및 헬스케어 업무에 투입된 로봇에 Panther Lake 프로세서를 사용한다. Trossen Robotics는 이 플랫폼을 로봇 팔에서 테스트했으며, Circulus는 휴머노이드 시스템에 활용한다.

이는 광범위한 시장 점유율 측정치가 아니라 기업 및 파트너의 설명이다. 다만 AMD의 출시 자료가 아직 제시하지 못한, 실명 기반의 배포 사례를 Intel에 제공한다.

Intel은 Open Edge Platform 내 오픈소스 로보틱스 프레임워크인 OpenVINO Physical AI도 소개했다. 이 프레임워크는 Intel의 처리 엔진 전반에서 모델 최적화와 배포를 지원한다.

이 회사의 로보틱스 플랫폼은 제어와 추론을 함께 실행하는 데 초점을 둔다. Intel Time Coordinated Computing은 지연 시간과 지터를 관리해 시간에 민감한 제어 루프가 AI 워크로드와 나란히 작동할 수 있도록 한다.

Panther Lake는 처리 엔진 전반에서 최대 180 플랫폼 TOPS를 제공한다. 이 수치는 서로 다른 범위를 설명하므로 AMD의 50-TOPS NPU 등급과 직접 비교할 수 없다.

Intel은 Core Ultra X7 358H 로보틱스 구성에서 최대 초당 154GB의 메모리 대역폭을 제시한다. AMD는 X100에서 최대 초당 273GB를 주장하며, 더 큰 설계가 메모리 처리량 측면에서 명확한 사양상 우위를 갖는다고 내세운다.

AMD는 또한 X199가 Intel의 Core Ultra X7 358H보다 멀티스레드 CoreMark 성능에서 2.1배 높다고 주장한다. 선택된 Vulkan 기반 언어 모델 테스트에서는 토큰 생성 처리량이 3.5배 높고 첫 토큰까지의 시간이 1.4배 빠르다고 보고했다.

이 수치들은 신중하게 해석할 필요가 있다. AMD는 X199와 유사한 Ryzen AI Max+ 395 구성을 테스트해 상용 Intel 노트북 시스템과 비교했다. 일부 결과는 공개 스케일링 데이터를 사용해 서로 다른 지속 전력 수준에서의 Intel 성능을 추정한 것이다.

테스트된 AMD 시스템은 여러 비교에서 더 많은 메모리를 탑재했다. AMD는 이러한 조건을 각주에 공개했지만, 마케팅 헤드라인은 그 중요성을 가릴 수 있다.

Intel도 자사에 유리한 테스트를 공개한다. π0.5 비전-언어-행동 워크로드에서 Intel은 40와트로 작동하는 Core Ultra X7 358H가 기본 PyTorch를 사용해 294밀리초의 지연 시간을 기록했다고 밝혔다.

비전-언어-행동 모델은 시각 입력과 언어 지시를 로봇의 움직임에 연결한다. Intel의 최적화된 비교에서는 선택된 조건에서 Nvidia Jetson 플랫폼보다 전력당 성능이 더 좋게 나타났다고 보고했다.

Panther Lake 벤치마크는 소프트웨어 최적화가 결과를 어떻게 바꾸는지도 보여준다. 성능은 PyTorch, OpenVINO, TensorRT, 전력 제한, 각 플랫폼의 최대 동작 범위에 따라 달라졌다.

어느 회사도 동일한 로봇, 모델, 센서, 열 제한, 생산용 소프트웨어를 포괄하는 중립적이고 종합적인 비교를 제공하지 않았다. AMD Tom 검색은 눈에 띄는 비율을 보여줄 수 있지만, 그 비율이 전반적인 승자를 입증하지는 않는다.

따라서 경쟁 구도는 AMD 대 Intel 사양 비교보다 더 복합적이다. AMD는 더 큰 대형 코어 CPU 용량, 더 큰 통합 GPU, 더 넓은 통합 메모리를 제공한다. Intel은 배포 사례, 결정론적 제어 기술, 활성화된 피지컬 AI 소프트웨어 프레임워크로 맞선다.

Nvidia는 여전히 세 번째 축이다. Jetson 제품은 Arm CPU와 Nvidia GPU를 사용하며, 다수의 AI 개발자에게 익숙한 소프트웨어 환경의 지원을 받는다. AMD와 Intel 모두 통합 x86 플랫폼이 별도 또는 GPU 중심의 로봇 컴퓨터를 대체할 수 있다고 주장하고 있다.

AMD의 과제는 단순히 Panther Lake와 동등해지는 것이 아니다. 소프트웨어 마이그레이션, 전력 제약, 시스템 검증이 변수로 작용한 뒤에도 X100의 추가 실리콘이 더 나은 결과를 낸다는 점을 고객에게 설득해야 한다.

AMD의 벤치마크 스토리는 여전히 독립적 테스트가 필요하다

X100은 사양상 강력해 보이지만, 현재 대부분의 성능 근거는 AMD 자체 테스트 또는 AMD가 의뢰한 연구에서 나온다.

AMD는 Intel 및 Nvidia 플랫폼을 상대로 CPU, 그래픽, 언어 모델, 로보틱스, 에이전트형 워크플로 성능이 더 높다고 보고한다. 그 범위는 주목할 만하지만, 실제 출하되는 X100 시스템에 대한 독립적 테스트를 대체하지는 못한다.

여러 비교는 임베디드 X199를 나타내도록 구성된 Ryzen AI Max+ 395를 사용했다. 생산 하드웨어가 널리 출시되기 전에는 합리적인 접근이지만, 펌웨어, 지속 클록, 냉각, 최종 시스템 설계와 관련한 불확실성을 더한다.

전력 설정도 또 다른 복잡성을 만든다. X100은 45와트에서 120와트까지의 범위를 포괄하는 반면, Panther Lake와 Jetson 제품도 각자의 구성 가능한 범위에서 작동한다. 한쪽의 최대 범위에서 측정된 결과는 더 작은 로봇 안에서는 의미가 없을 수 있다.

열 설계는 성능을 추가로 바꿀 수 있다. 120와트 시스템은 45와트 시스템보다 더 많은 냉각이 필요하다. 팬, 방열판, 인클로저 크기, 방진, 소음 제한은 모두 실제 배포에 영향을 준다.

소프트웨어 성숙도는 가장 큰 미지수다. ROCm은 데이터센터 GPU를 넘어 확장됐지만, CUDA는 AI 개발에 깊숙이 자리 잡고 있다. 로보틱스 팀은 TensorRT, Isaac 구성 요소 또는 공급업체별 카메라 파이프라인에 의존할 수도 있다.

HIPIFY는 소스 문법을 변환해 일부 CUDA 마이그레이션 작업을 줄인다. 하지만 해당 코드 주변에서 사용되는 모든 라이브러리, 성능 최적화, 운영 도구를 자동으로 대체할 수는 없다.

ROS 2는 하드웨어 계층 위에서 공통 프레임워크를 제공한다. 그러나 작동하는 로봇에는 드라이버, 보정 도구, 모델 런타임, 모니터링, 보안 업데이트, 소프트웨어 버전 전반에서의 예측 가능한 동작도 필요하다.

AMD의 10년 운영 지원 약속은 하드웨어 공급 가능성과 지속적 사용을 다룬다. 그 기간 동안 모든 AI 프레임워크나 모델 형식이 똑같이 지원된다는 보장은 아니다.

안전성도 또 다른 경계다. 모델을 로컬에서 실행하면 네트워크 지연 시간을 줄일 수 있지만, 더 빠른 결정이 자동으로 더 안전한 결정을 의미하지는 않는다. 산업용 및 의료용 로봇에는 프로세서 성능을 넘어선 시스템 수준의 위험 통제가 필요하다.

XDNA 2 NPU 역시 활용도 측면에서 답이 남아 있는 질문을 제시한다. AMD는 최대 50 TOPS를 광고하지만, 많은 대형 생성형 또는 비전-언어-행동 모델은 주로 GPU에서 실행될 수 있다.

그 자체가 반드시 결함은 아니다. NPU는 저전력 인식 작업이나 백그라운드 추론을 처리하고, GPU는 더 큰 모델을 처리할 수 있다. 구매자는 여전히 세 가지 컴퓨팅 엔진이 함께 얼마나 효과적으로 작동하는지 보여주는 워크로드 추적 자료가 필요하다.

AMD의 통합 메모리 우위에도 같은 회의론이 적용된다. 대용량 메모리는 시스템이 더 큰 모델을 불러올 수 있게 하지만, 메모리 크기가 충분한 추론 속도를 보장하지는 않는다. 모델 아키텍처, 정밀도, 컴파일러 지원, 대역폭이 그 용량이 실질적으로 유용해지는지를 결정한다.

Intel 역시 동등한 검증을 받아야 한다. 채택 기업 수에는 대규모 배포 기업뿐 아니라 프로세서를 테스트 중인 기업도 포함된다. 공개된 로보틱스 결과 역시 Intel 소프트웨어 최적화와 회사가 선택한 워크로드를 사용한다.

Nvidia의 우위도 영구적인 것으로 봐서는 안 된다. Jetson 고객은 소프트웨어 친숙성과 CPU 용량, 메모리 제한, 모듈 공급 가능성, 동시 제어 워크로드의 요구 사항 사이에서 균형을 맞춰야 한다.

기업 구매자에게 올바른 비교는 애플리케이션별 비교다. 매핑과 내비게이션을 실행하는 모바일 로봇은 비전-언어-행동 모델을 사용하는 휴머노이드와 다른 제약을 가진다.

의료 영상은 다른 인증 및 수명주기 요구 사항을 수반한다. 방송 시스템은 비디오 파이프라인과 디스플레이 출력을 중시하는 반면, 공장 컨트롤러는 예측 가능한 타이밍과 산업용 연결성을 우선시한다.

AMD는 X100이 120Hz에서 4K 디스플레이 4대 또는 60Hz에서 8K 디스플레이 2대를 구동할 수 있다고 말한다. 이 기능은 시각화 비중이 높은 시스템에서는 중요할 수 있지만, 소형 창고 로봇에서는 가치가 제한적일 수 있다.

이 때문에 이번 발표는 플랫폼 평가 주기의 시작으로 읽어야 한다. X100은 진지한 검토를 받을 만한 충분한 하드웨어를 갖췄다. 다만 AMD가 이 하드웨어를 반복 가능한 생산 환경의 우위로 전환할 수 있다는 점은 아직 입증되지 않았다.

X100이 로보틱스를 바꿀지 결정할 세 가지 신호

다음 단계는 출하 시스템, 재현 가능한 로봇 벤치마크, 그리고 개발자가 마이그레이션에 수개월을 소모하지 않고 소프트웨어를 옮길 수 있다는 증거에 달려 있다.

첫 번째 신호는 AMD 파트너의 생산용 Kria AI 모듈과 완성 시스템 출시다. 개발자에게는 문서화된 구성, 장기 공급 조건, 열 데이터, 최종 모델 사양이 필요하다.

실명 고객 배포 사례는 또 하나의 합성 벤치마크보다 더 중요하다. 공장 로봇, 자율주행 모바일 로봇 또는 지속적으로 작동하는 의료 시스템은 AMD의 수명주기 및 신뢰성 주장을 검증할 수 있다.

두 번째 신호는 Panther Lake 및 Nvidia Jetson과의 독립적 테스트다. 유용한 테스트라면 동일한 로보틱스 워크로드, 모델 정밀도, 센서, 메모리 조건, 소프트웨어 버전을 실행해야 한다.

전력은 프로세서 설정만으로 추정하지 말고 벽면 콘센트 또는 모듈 수준에서 측정해야 한다. 제어 시스템은 예측 가능한 응답 시간에 의존하므로, 리뷰어는 단일 평균값이 아니라 지연 시간 분포도 보고해야 한다.

테스트는 동시 워크로드도 다뤄야 한다. 로봇은 하나의 모델만 실행하는 경우가 드물다. 내비게이션, 인식, 통신, 안전 모니터링, 사용자 상호작용은 동일한 컴퓨팅 및 메모리 자원을 두고 경쟁할 수 있다.

이 서비스들이 함께 실행될 때도 X100이 낮은 지연 시간을 유지한다면, AMD의 균형 잡힌 컴퓨팅 주장은 힘을 얻는다. 동시성 환경에서 성능이 급격히 떨어진다면, 대규모 사양은 덜 결정적으로 보일 것이다.

세 번째 신호는 소프트웨어 채택이다. AMD는 로보틱스 팀이 사용하는 모델과 프레임워크에 최적화된 ROCm 지원이 필요하다. 또한 안정적인 드라이버, 완전한 문서, 생산 준비가 된 ROS 2 통합도 필요하다.

개발자들이 HIP 및 HIPIFY를 통해 CUDA 마이그레이션에 성공했다고 보고하는지 주목해야 한다. 중요한 측정 기준은 예제 코드가 컴파일되는지가 아니다. 실제 애플리케이션이 기존 수준의 신뢰성과 성능에 얼마나 빨리 도달하는지다.

Intel의 대응도 또 다른 단서를 제공할 것이다. Panther Lake는 이미 OpenVINO Physical AI와 실명 파트너를 보유하고 있다. 새로운 모듈, 저전력 구성 또는 더 폭넓은 고객 배포는 Intel의 초기 우위를 강화할 수 있다.

Nvidia는 새로운 Jetson 모듈, 확장된 로보틱스 프레임워크, 더 강력한 CPU 자원을 통해 대응할 수 있다. 성숙한 소프트웨어 스택은 다른 플랫폼이 하드웨어 벤치마크에서 이기더라도 경쟁할 여지를 제공한다.

예상되는 시장 결과는 하나의 프로세서가 모든 대안을 대체하는 형태가 아닐 가능성이 크다. 로보틱스는 요구 사항이 뚜렷하게 다른 기계를 포괄한다. 플랫폼 선택은 워크로드 균형, 소프트웨어 이력, 전력, 수명주기, 인증 요구 사항을 따르게 될 것이다.

그럼에도 AMD는 개발자에게 제공되는 선택지를 바꿨다. x86 호환성을 원하는 팀은 더 이상 제한적인 통합 GPU를 감수하거나 별도 가속기를 자동으로 추가할 필요가 없다.

X199는 워크스테이션급 Strix Halo 자원을 임베디드 패키지에 담아낸다. 이어 Kria는 개발자에게 모듈, 캐리어 플랫폼, 산업용 연결, 그리고 이를 둘러싼 개방형 로보틱스 스택을 제공한다.

이 조합은 Intel에 실질적인 압박을 가한다. Panther Lake의 채택 우위는 이제 더 높은 컴퓨팅 성능이 필요한 기기를 겨냥한 AMD의 더 큰 설계와 맞서게 됐다. 또한 더 많은 CPU 용량이 필요하거나 x86 환경을 원하는 고객층에서 Nvidia에도 도전장을 던진다.

어색한 “AMD Tom” 키워드는 많은 독자가 이 소식을 처음 접하는 경로를 반영하지만, 장기적으로 중요한 이야기는 플랫폼 실행력이다. AMD는 하드웨어 측면의 근거를 제시했다. 이제 고객은 소프트웨어와 시스템이 그에 부합하는지 판단해야 한다.

향후 3개월 동안 구매 가능한 Kria 구성, 독립적인 동시 워크로드 테스트, 그리고 실명을 공개한 실제 운영 사용자를 주시해야 한다. 이러한 신호는 X100이 신뢰할 수 있는 로봇 플랫폼으로 자리 잡을지, 아니면 인상적인 사양표에 머물지를 보여줄 것이다. 피지컬 AI를 평가하는 개발자는 개별 TOPS 주장보다 완전한 애플리케이션을 비교해야 한다. 엔터프라이즈 구매자는 설계 채택을 결정하기 전에 지속 열 성능 데이터, 소프트웨어 마이그레이션 추정치, 라이프사이클 문서를 요구해야 한다. AMD는 무시할 수 있을 만큼의 컴퓨팅 성능을 갖추고 경쟁에 뛰어들었다. 이제 더 어려운 과제가 시작된다. 로봇이 이를 안정적이고 지속적으로 활용할 수 있으며, 한 형태의 플랫폼 종속성을 다른 형태로 바꾸는 대가를 치르지 않는다는 점을 입증해야 한다.