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.

Pendekatan berbasis workflow tersebut memungkinkan pengetahuan yang sebelumnya berada pada individu atau tim tertentu untuk dikemas dalam bentuk yang lebih mudah digunakan kembali.

Bisa Digunakan dengan Berbagai Lingkungan

AMD Ross diklaim bersifat client-agnostic. Artinya, tim pengembang tetap dapat memilih large language model (LLM), integrated development environment (IDE), maupun lingkungan command-line yang mereka gunakan.

Pada saat yang sama, AMD Ross tetap terhubung dengan tools pengembangan AMD Embedded yang didukung. Model ini memberikan fleksibilitas bagi organisasi yang telah memiliki lingkungan pengembangan dan tidak ingin menggantinya hanya untuk menggunakan kemampuan AI.

Dalam praktiknya, developer dapat memberikan instruksi menggunakan bahasa natural. AI agent kemudian dapat mencari dokumentasi yang relevan, menjalankan perintah pada tools, menghasilkan kode, melakukan iterasi terhadap desain, serta memberikan panduan berdasarkan hasil yang diperoleh.

Pendekatan ini juga dapat digunakan untuk menangani error pada tools. AMD Ross dapat membantu menjelaskan pesan kesalahan dengan bahasa yang lebih sederhana, memberikan konteks, dan menyarankan langkah perbaikan.

Dari Analisis Timing hingga Debugging Hardware

Salah satu contoh penggunaan AMD Ross adalah analisis timing. Sistem dapat menggunakan metodologi timing AMD untuk membantu mengidentifikasi pelanggaran timing, menjelaskan kemungkinan akar masalah, dan memberikan rekomendasi terhadap implementasi.

Pada pengembangan menggunakan Vitis HLS, AMD Ross dapat memberikan rekomendasi terkait pipelining, optimalisasi loop, penyisipan pragma, maupun perubahan arsitektur untuk meningkatkan performa desain.

Untuk debugging hardware, sistem dapat membantu proses guided signal capture, konfigurasi debug core, analisis interface, serta pencarian akar masalah.

Kemampuan tersebut menunjukkan bahwa penggunaan AI agentik dalam pengembangan embedded tidak hanya berfokus pada pembuatan kode. Sistem juga diarahkan untuk memahami konteks pekerjaan, berinteraksi dengan tools, dan membantu menjalankan tahapan tertentu dalam workflow engineering.

Ditujukan untuk Meningkatkan Produktivitas

AMD menilai penggunaan AI agentik dapat membantu tim mempercepat pembuatan prototipe dengan mengotomatiskan sejumlah workflow. Pengembang juga dapat mengurangi waktu yang diperlukan untuk debugging dan optimalisasi melalui panduan berbasis dokumentasi serta metodologi yang telah disiapkan.

Selain pekerjaan teknis, pendekatan ini berpotensi digunakan untuk mempercepat proses onboarding engineer baru. Workflow yang sebelumnya membutuhkan pengalaman dari engineer senior dapat didokumentasikan dan digunakan kembali sebagai agent skills.

Dengan demikian, pengetahuan engineering tidak hanya tersimpan dalam pengalaman individu, tetapi dapat diakses oleh lebih banyak anggota tim melalui sistem AI.

Associate Director, FPGA SOM BU, iWave Global, Geetha Govindaraj, mengatakan AMD Ross membantu timnya dalam proses identifikasi dan penyelesaian masalah.

“Asisten AI agentik AMD Ross telah menjadi tambahan yang sangat berharga dalam workflow pengembangan kami. AMD Ross membantu kami mengidentifikasi dan mengatasi masalah dengan lebih efisien, sehingga mengurangi waktu dan upaya yang diperlukan selama tahap debugging dan bring-up,” kata Geetha.

AI Tetap Memiliki Batasan

Meski dapat menjalankan lebih banyak tugas dibandingkan asisten AI generatif konvensional, AI agentik tetap memiliki keterbatasan. Kemampuan sistem sangat bergantung pada kualitas model, data yang menjadi sumber pengetahuan, tools yang dapat diakses, serta konteks yang diberikan pengguna.

AI juga dapat menghasilkan rekomendasi yang keliru atau tidak sesuai dengan kondisi perangkat keras dan perangkat lunak yang sebenarnya. Dalam pengembangan embedded, kesalahan kecil pada konfigurasi, timing, konsumsi daya, desain papan, atau kode dapat berdampak pada kinerja sistem secara keseluruhan.

Karena itu, otomatisasi tidak serta-merta menghilangkan kebutuhan terhadap engineer. Hasil analisis, kode, perubahan desain, maupun perintah yang diusulkan AI tetap perlu diperiksa dan diuji sebelum diterapkan, terutama pada sistem yang memiliki persyaratan keselamatan, keandalan, atau keamanan yang ketat.

Risiko lain berkaitan dengan keamanan dan kerahasiaan data. Ketika AI terhubung dengan tools dan lingkungan pengembangan, organisasi perlu mengatur hak akses serta menentukan data apa saja yang boleh diproses oleh sistem. Hal ini menjadi semakin penting jika workflow pengembangan melibatkan desain produk yang belum dipublikasikan, source code, atau informasi teknis milik perusahaan.

Kemampuan AI agent untuk menjalankan perintah juga membuat mekanisme pengawasan menjadi penting. Semakin luas akses yang diberikan kepada agent, semakin besar pula kebutuhan untuk memastikan setiap tindakan dapat dilacak, dibatasi berdasarkan izin, dan dikonfirmasi manusia ketika memiliki konsekuensi signifikan.

Dalam materi pengenalannya, AMD sendiri menyatakan pengguna tetap bertanggung jawab untuk meninjau output, rekomendasi, dan tindakan yang diusulkan sebelum mengandalkannya atau menerapkannya. AMD juga mengingatkan agar pengguna tidak memasukkan data rahasia, pribadi, atau data yang diatur secara khusus kecuali penggunaan tersebut telah mendapat otorisasi dan didukung konfigurasi yang sesuai.

Dengan demikian, AI agentik lebih tepat dipandang sebagai alat untuk membantu pekerjaan engineer daripada pengganti proses verifikasi dan pengambilan keputusan teknis. Manfaatnya akan sangat bergantung pada bagaimana organisasi mengintegrasikan AI dengan prosedur pengujian, kontrol akses, dokumentasi, dan pengawasan manusia.

AMD Ross Sudah Tersedia

AMD Ross saat ini telah tersedia bagi developer. AMD juga berencana menambahkan tools AMD Embedded dan kemampuan workflow baru secara berkala.

Kehadiran AMD Ross menunjukkan arah lain dari pemanfaatan AI dalam rekayasa perangkat keras dan embedded system. Jika asisten AI generatif sebelumnya banyak digunakan untuk membantu pekerjaan berbasis teks dan kode, pendekatan agentik membawa AI lebih dekat ke proses eksekusi workflow, interaksi dengan tools, serta pemanfaatan pengetahuan teknis yang spesifik.

Bagi pengembang sistem embedded, perubahan tersebut berpotensi menggeser peran AI dari sekadar alat bantu coding menjadi bagian dari alur kerja engineering yang mencakup desain, pengujian, debugging hingga deployment. Namun, semakin besar peran AI dalam proses tersebut, semakin penting pula validasi manusia, keamanan data, dan kontrol terhadap tindakan yang dapat dilakukan oleh sistem.