AMD Perkenalkan Ross, AI Agentik untuk Mempercepat Pengembangan Sistem Embedded

JAKARTA — AMD memperkenalkan AMD Ross, asisten berbasis AI agentik yang dirancang untuk membantu mempercepat proses pengembangan sistem embedded, mulai dari perancangan perangkat keras hingga pengembangan perangkat lunak, optimalisasi, debugging, dan deployment.

Berbeda dari asisten AI yang terutama digunakan untuk membantu menulis atau memeriksa kode, AMD Ross dirancang untuk berinteraksi dengan berbagai perangkat dan lingkungan pengembangan yang digunakan engineer. Sistem ini memungkinkan developer memberikan instruksi menggunakan bahasa natural untuk mencari dokumentasi, menjalankan perintah, memeriksa status tools, melakukan analisis, hingga menjalankan workflow tertentu.

AMD menyebut pendekatan tersebut ditujukan untuk mengurangi pekerjaan berulang dalam siklus pengembangan sistem embedded yang semakin kompleks. Sistem embedded sendiri digunakan dalam berbagai perangkat, termasuk sistem industri, otomotif, perangkat komunikasi, perangkat konsumen, hingga aplikasi edge AI.

“Pengembangan sistem embedded menjadi semakin kompleks karena berbagai tim bekerja di berbagai area, mulai dari desain dan debugging hardware, pengembangan dan deployment software, inferensi AI, hingga desain pada tingkat sistem,” ujar Salil Raje, Senior Vice President dan General Manager AMD Embedded.

Menurut Raje, AMD Ross menggabungkan tools AMD Embedded, pengetahuan teknis, dan workflow yang dikembangkan oleh para ahli dalam satu sistem AI agentik. Pendekatan tersebut ditujukan untuk membantu engineer bergerak dari konsep atau tujuan desain menuju implementasi dan deployment.

Bekerja di Berbagai Tahap Pengembangan

AMD Ross dirancang untuk digunakan dalam berbagai tahapan pengembangan sistem embedded. Developer dapat menggunakannya untuk melakukan pembagian fungsi antara hardware dan software, mengembangkan desain hardware menggunakan high-level synthesis, mengoptimalkan desain silikon, hingga melakukan debugging.

Pada sisi software, sistem tersebut dapat membantu pengembangan aplikasi dan algoritma embedded serta optimalisasi algoritma machine learning menggunakan perangkat lunak AI dari AMD.

AMD Ross juga mencakup pekerjaan yang berkaitan dengan konsumsi daya, termasuk memperkirakan penggunaan daya dan mencari peluang optimasi. Pada tahap desain papan, sistem dapat membantu melakukan peninjauan skematik dan memberikan dukungan dalam optimalisasi board layout.

Dengan pendekatan tersebut, AMD mencoba menempatkan AI bukan hanya sebagai alat untuk menghasilkan kode, tetapi sebagai penghubung antara berbagai tools dan proses yang digunakan sepanjang siklus pengembangan.

Mengandalkan Pengetahuan dan Workflow AMD

Salah satu pembeda yang ditawarkan AMD Ross adalah integrasinya dengan lingkungan pengembangan AMD Embedded. Sistem ini menggunakan sejumlah komponen yang dirancang untuk menghubungkan AI agent dengan tools dan pengetahuan teknis AMD.

Komponen pertama adalah Model Context Protocol atau MCP server. Teknologi tersebut digunakan untuk menghubungkan AI agent dengan tools AMD Embedded sehingga sistem dapat melakukan kueri informasi, menjalankan perintah, dan bekerja dalam lingkungan desain yang didukung.

Komponen berikutnya adalah AMD Knowledge Base, yakni basis data tervectorisasi yang berisi berbagai dokumentasi AMD, termasuk user guide, product guide, white paper, application note, serta catatan jawaban atas pertanyaan teknis. Basis pengetahuan tersebut ditujukan untuk memberikan akses terhadap informasi yang telah divalidasi AMD, baik melalui cloud maupun lingkungan offline yang tersedia secara lokal.

AMD juga menyediakan agent skills berupa file Markdown yang dikembangkan oleh para ahli. Isinya mencakup praktik dan workflow yang dapat digunakan kembali untuk berbagai tugas pengembangan.

Salah satu penerapannya adalah workflow untuk optimalisasi timing atau restrukturisasi desain C++ guna meningkatkan performa pada Vitis HLS. Selain itu, AMD menyediakan design examples yang menunjukkan bagaimana agent skills dapat diterapkan pada berbagai aplikasi embedded.