Il prossimo Framework Desktop affronta uno dei principali ostacoli dell’intelligenza artificiale eseguita in locale: far entrare modelli linguistici di grandi dimensioni nella memoria di un PC senza ricorrere a una scheda grafica dedicata.
La configurazione di punta abbina il processore AMD Ryzen AI Max+ PRO 495 a 192 GB di memoria LPDDR5X-8533 unificata, con una banda passante dichiarata di 273 GB/s. Microsoft, separatamente, sta sperimentando una funzione di Windows 11 che potrebbe rendere più prevedibile la gestione di questa memoria condivisa, anche se il progetto non è stato annunciato ufficialmente ed è ancora incompleto.
Il messaggio per il mercato dei PC è chiaro: per eseguire gli LLM in locale, la capacità e la velocità della memoria contano ormai quanto il processore. Ma questo non significa che il cloud sia destinato a sparire.
Cosa offre il Framework Desktop da 192 GB
La nuova configurazione utilizza il Ryzen AI Max+ PRO 495, un chip con 16 core e 32 thread Zen 5, grafica Radeon integrata e unità neurale XDNA 2. Framework indica 192 GB di memoria LPDDR5X condivisa, con 273 GB/s di banda: la capacità cresce del 50% rispetto alla precedente configurazione Ryzen AI Max+ 395 da 128 GB, mentre la banda aumenta del 6,6% rispetto ai 256 GB/s della piattaforma precedente.
1
2
3
16
CPU e GPU utilizzano lo stesso spazio fisico di memoria. Framework afferma che fino a 160 GB dei 192 GB complessivi possono essere assegnati alla GPU integrata. È questo il punto di forza per chi vuole eseguire LLM localmente: una porzione molto più ampia dei pesi del modello può rimanere sulla stessa macchina, invece di essere divisa tra la limitata VRAM di una GPU discreta e una RAM di sistema più lenta.
1
10
La memoria unificata, però, non è una scorciatoia per ottenere le prestazioni di una workstation con più GPU. I 273 GB/s sono una velocità notevole per un PC compatto, ma restano inferiori alla banda disponibile su alcuni sistemi di fascia alta. Un modello che riesce a essere caricato non è necessariamente un modello che genera risposte rapidamente: la velocità può diminuire quando aumentano la lunghezza del contesto, le applicazioni aperte o il numero di utenti che condividono il sistema.
Quali modelli può eseguire?
Framework ha mostrato il sistema mentre eseguiva localmente una versione quantizzata a Q8 di DeepSeek V4-Flash, mantenendo spazio aggiuntivo per il contesto, secondo le notizie sulla presentazione dell’azienda.
7
14 Un altro resoconto descrive la configurazione da 192 GB come capace di contenere in memoria un modello da circa 284 miliardi di parametri. Questo dato va però interpretato come una dichiarazione sulla capacità della memoria, non come un benchmark indipendente sulla velocità effettiva di generazione.
4
La quantizzazione è fondamentale. Rappresentare i pesi con meno bit riduce la memoria necessaria, ma il fabbisogno complessivo dipende anche dall’architettura del modello, dall’overhead del runtime, dalla finestra di contesto e dalle altre applicazioni in esecuzione.
In pratica, la capacità stabilisce che cosa può potenzialmente essere caricato; banda passante, software e potenza di calcolo determinano quanto sia davvero utilizzabile.
Cosa potrebbe cambiare con Windows 11
Microsoft starebbe testando una funzione interna di Windows 11 chiamata “IntelligentCarveout” nella build sperimentale 29648.1000. Alcune stringhe individuate nel codice fanno riferimento a “Reserved memory for accelerators” e “Memory for graphics and AI acceleration”. L’obiettivo apparente è consentire a Windows di riservare una quantità definita della memoria unificata alla grafica e alle applicazioni che usano intensamente l’IA, invece di affidare tutto all’allocazione dinamica.
33
34
35
Su un PC in cui Windows e il runtime di un modello competono per la stessa memoria, una regione riservata potrebbe rendere più prevedibile l’accesso alle risorse e ridurre gli errori di allocazione causati da altri programmi.
Ma IntelligentCarveout non aggiunge RAM, non aumenta la banda passante e non introduce un nuovo acceleratore IA. La memoria riservata, inoltre, non è più disponibile per le normali applicazioni: assegnarne di più all’IA significa lasciarne di meno a Windows e agli altri programmi. Microsoft non ha confermato l’interfaccia definitiva, l’hardware supportato, i tempi di rilascio né il fatto che la funzione arriverà davvero in una versione stabile.
36
40
44
Memoria non aggiornabile, ma piattaforma più modulare
Framework propone il Desktop come un PC compatto più modulare e riparabile rispetto a molti concorrenti. La nuova configurazione dovrebbe mantenere anche uno slot PCIe x4 aperto, offrendo una possibile strada per aggiungere hardware compatibile in futuro.
13
La memoria, invece, non sarà sostituibile come la RAM di un desktop tradizionale. I 192 GB di LPDDR5X sono montati direttamente sulla scheda e non utilizzano moduli DIMM sostituibili. Chi acquista dovrà quindi considerare la capacità scelta come sostanzialmente definitiva: per passare a una configurazione più capiente potrebbe essere necessaria una nuova scheda madre, non un semplice aggiornamento della RAM.
13
Framework indica scenari d’uso con Windows e Linux, compresa un’opzione con Linux preinstallato.
2 La compatibilità con l’inferenza locale dipenderà comunque dal runtime scelto e dal percorso di accelerazione utilizzato. Sui sistemi AMD possono entrare in gioco stack come ROCm o Vulkan; altri dispositivi compatti puntano invece sull’ecosistema Metal/MLX di Apple o su CUDA di NVIDIA. Queste piattaforme non sono intercambiabili: un modello disponibile su una può richiedere un runtime diverso, oppure non offrire lo stesso livello di ottimizzazione su un’altra.
19
24
Prezzo e disponibilità: ancora nessuna certezza
Al 31 agosto 2026, Framework indicava il Desktop con Ryzen AI Max+ PRO 495 e 192 GB come “in arrivo”. L’azienda non aveva ancora pubblicato prezzo, data per i preordini, data di spedizione o un impegno sulla disponibilità su larga scala.
2
10
11
Per questo è ancora presto per giudicare il rapporto tra prestazioni e prezzo. La configurazione è stata presentata in anteprima e le dimostrazioni pubblicate non sostituiscono test indipendenti su velocità in token al secondo, temperature, consumi, compatibilità dei modelli e prestazioni prolungate.
6
Il confronto con Apple, AMD e NVIDIA
Framework non sta inventando la memoria unificata: sta entrando in una categoria già definita da altri produttori. I sistemi Apple Silicon condividono la memoria tra CPU e GPU e, in alcune configurazioni, offrono una banda significativamente superiore, inclusi i 128 GB a 546 GB/s indicati per una configurazione con M4 Max.
17
20
Nel mondo dei mini-PC, sistemi AMD Ryzen AI Max+ 395 prodotti da aziende come GMKtec e Beelink propongono alternative con 128 GB di memoria condivisa. I sistemi della classe NVIDIA DGX Spark, invece, puntano soprattutto sulla compatibilità con CUDA, mantenendo una dimensione compatta e una capacità di memoria elevata.
19
24
Per chi valuta un computer destinato agli LLM locali, i criteri principali sono cinque:
- Capacità: stabilisce se un modello quantizzato può essere caricato senza ricorrere a un forte offloading.
- Banda passante: influenza la velocità con cui il sistema sposta i dati del modello durante l’inferenza.
- Software: determina quali runtime, kernel e strumenti di distribuzione funzionano bene.
- Aggiornabilità: è importante perché la memoria LPDDR5X unificata è normalmente fissata al momento dell’acquisto.
- Prezzo e disponibilità: trasformano una configurazione interessante sulla carta in un prodotto realmente acquistabile.
La lezione più ampia per l’“AI PC”
La specifica più significativa del Framework Desktop non è il numero di TOPS dell’NPU, ma l’ampio bacino di memoria condivisa. Anche l’esperimento di Microsoft indica nella stessa direzione: quando i PC iniziano a eseguire modelli sempre più grandi, la gestione della memoria da parte del sistema operativo diventa parte integrante dell’esperienza IA.
Questo non significa che i PC locali sostituiranno l’inferenza nel cloud. Un sistema compatto con memoria unificata è interessante quando serve eseguire un modello su una singola macchina, magari per lavorare offline o mantenere i dati all’interno della propria infrastruttura. Il cloud resta però più adatto ai modelli all’avanguardia, alla capacità elastica, alla collaborazione e ai carichi che richiedono una banda molto maggiore distribuita su più GPU.
La conclusione più realistica è che l’“AI PC” sta andando oltre l’assistente integrato alimentato da un’NPU. Con abbastanza memoria unificata, un piccolo desktop può diventare un server locale per i modelli linguistici. Prima di considerarlo un prodotto definitivo, però, sarà necessario verificare banda effettiva, supporto software, memoria non aggiornabile, benchmark reali e disponibilità sul mercato.