AMD hat Ross als KI-Assistenten für die Embedded-Entwicklung vorgestellt. Das System soll natürliche Sprache mit unterstützten AMD-Tools, technischer Dokumentation und wiederverwendbaren Entwicklungsabläufen verbinden.

Wie Ross Tools und Wissen verbindet

Die Produktvorstellung zeigt animierte Oberflächen und visualisierte Entwicklungsabläufe für AMD Ross.

AMD beschreibt Ross als agentischen KI-Assistenten: Er soll Aufgaben in natürlicher Sprache mit angebundenen Werkzeugen und Abläufen verknüpfen. Ross ist dabei nicht selbst das Sprachmodell, sondern arbeitet mit einem großen Sprachmodell (LLM) deiner Wahl und einem kompatiblen Entwicklungsprogramm oder einer Kommandozeile.

AMD nennt vier Bestandteile:

  • MCP-Server verbinden Ross mit unterstützten AMD-Tools. MCP steht für Model Context Protocol, einen Standard zur Anbindung von Werkzeugen an KI-Assistenten.
  • AMD Knowledge Base stellt AMD-Wissen und technische Dokumentation bereit.
  • Agenten-Skills bündeln wiederverwendbare Abläufe.
  • Designbeispiele liefern Vorlagen für Entwicklungsaufgaben.

Als mögliche Entwicklungsumgebungen und Kommandozeilen-Clients führt AMD unter anderem VS Code, Cursor, Devin, Claude Code, Copilot CLI und Codex CLI auf. Für die MCP-Server gibt es Downloads für Windows und Linux; der Zugriff darauf setzt AMD-Zugangsdaten voraus.

Welche AMD-Tools und Versionen unterstützt Ross?

AMD nennt für Vivado Unterstützung in allen Versionen. Bei Vitis HLS beginnt die angegebene Unterstützung mit Version 2025.2.

ToolUnterstützte Versionen
VivadoAlle Versionen
Vitis HLS2025.2 und höher

Lokale Wissensbasis, Lizenz und menschliche Prüfung

Für eine air-gapped Konfiguration beschreibt AMD eine lokal installierte Wissensbasis mit Datenbank, Embedding-Modell und MCP-Server. Das ist eine Option für den lokalen Zugriff auf AMD-Wissen; die passende Umgebung hängt weiterhin vom gewählten LLM und den verwendeten Tools ab.

AMD zufolge ist keine zusätzliche Ross-Lizenz nötig. Für verwendete AMD-Tools bleiben deren jeweils geltende Lizenzen erforderlich; außerdem wird Zugang zum ausgewählten LLM benötigt.

AMD weist darauf hin, dass KI-Workflows nicht deterministisch sind: Ergebnisse können sich je nach Durchlauf, Modell und Formulierung des Prompts unterscheiden. Anwender müssen Ausgaben und vorgeschlagene Aktionen prüfen, bevor sie sich darauf verlassen oder sie umsetzen.

Ein berichtetes Demosaic-Beispiel

Für eine Bildsensor-Pipeline zur Demosaikierung soll das Durchsatzziel in zwei Stunden erreicht worden sein; zugleich seien 35 Prozent weniger LUTs zum Einsatz gekommen. LUTs (Look-up Tables) sind Nachschlagetabellen, die in der FPGA-Logik für digitale Funktionen verwendet werden.