AMD「個人AI」策略：點解下一輪AI運算要由雲端搬返落PC？

AMD喺柏林IFA 2026開幕主題演講，主打所謂 「個人AI」（Personal AI）：唔係每次問AI、每份文件、每條工作流程都要送去中央雲端，而係盡可能令AI喺用家身邊嘅裝置運行。

AMD嘅說法建基於三樣嘢：本地運算、私隱與控制權、個人化情境。即係AI可以理解用家嘅目標、偏好同工作流程，同時將敏感資料預設留喺部機；要唔要分享，交返畀用家決定。213

點解AMD話AI要「落地」去PC？

AMD認為，AI正由偶爾問一兩句嘅聊天工具，走向持續運作、可處理文字圖片等多模態資料、具推理能力，甚至可自行規劃步驟嘅代理型（agentic）系統。呢類使用模式會快速推高token用量；對企業同重度用家而言，雲端推理按次或按token計費，長遠可能變成一筆愈滾愈大嘅營運開支。437

如果將合適嘅工作負載放喺本地跑，成本模式就會改變：唔使每一次互動都支付雲端請求費，而係利用自己控制嘅硬件。另一邊，本地執行亦可減少對網絡連線嘅依賴，並令私密文件、原始資料留得更近用家。

不過，呢啲係AMD嘅策略主張，唔代表所有模型、所有任務都必然本地跑更平、更快或者更好。217

AMD實際上講緊嘅係混合式AI：私隱資料、日常推理、快速反覆測試等工作可優先喺本地處理；需要極大算力、多人共享服務或集中部署嘅任務，仍然交畀雲端或企業基建。437

「個人AI」三大支柱

1. 本地運算力

第一步係要有足夠運算能力，尤其係足夠嘅統一記憶體，先可以喺桌面級裝置直接載入較大型模型。AMD嘅Ryzen AI Halo開發平台配備128GB統一記憶體，並定位為可本地支援最多2,000億參數模型。23

2. 私隱與控制權

AMD將裝置端運算包裝成「敏感資料預設留喺部機」嘅方案。對於處理內部文件、程式碼、商業機密流程嘅開發者同企業，呢種控制權正正係賣點，而唔係單純追求跑分。2

3. 個人化情境

「個人」唔只係指部機細啲。AMD想像嘅AI，要有足夠情境去協助一個人完成工作，例如理解其目標、偏好同持續進行中嘅工作流程。本地運行可以減少不斷將呢類情境資料輸出到遙距服務嘅需要。213

撐起策略嘅硬件

Ryzen AI Halo：緊湊型本地AI開發平台

Ryzen AI Halo係AMD針對開發者嘅平台，用嚟喺本地建立、測試同運行生成式及代理型AI應用。AMD列出嘅規格包括128GB統一記憶體、支援Windows與Linux，以及ROCm軟件優化；公司稱平台可支援最多2,000億參數模型。2523

呢部機正正係「個人AI」最直接嘅產品化：開發者可以喺本機試大型模型，而唔係將雲端存取權當成唯一開發環境。

Threadripper Halo Station：目標係更巨型本地模型

AMD亦公布Threadripper Halo Station，係面向更高要求本地推理與開發嘅工作站。AMD表示，佢可運行超過1萬億參數模型；相關報道指其配置包括96核心Ryzen Threadripper PRO處理器、兩張Instinct MI350P加速卡，以及2TB系統記憶體。209

呢個級數同一般「個人」迷你PC顯然唔同，更接近工作站部署。不過，佢仍然反映AMD嘅大方向：將AI能力拉近至開發者或機構，而唔係一概送去遙遠資料中心。

合作夥伴將概念帶去不同機型

AMD嘅策略預計會出現喺緊湊開發機、企業桌面電腦同邊緣裝置上：

• Lenovo ThinkCentre X Ultra：呢部1.6公升桌面機面向本地化、多代理企業AI工作負載，可配置AMD Ryzen AI Max+ PRO 495及55 TOPS NPU，最高配備128GB板載LPDDR5X記憶體。Lenovo亦提到，最多可連接4部系統，擴展運算與記憶體資源以應付更大本地模型。3130
• Minisforum MS-S1 MAX-P495、N5 MAX-P495：Minisforum公布AI Mini Workstation同AI Agent NAS，兩者均採用Ryzen AI MAX+ PRO 495；前者定位為本地邊緣AI運算，後者則是面向AI用途嘅儲存裝置。35
• Acemagic F9A Mini Workstation：F9A亦被展示為採用Ryzen AI Max+ PRO 495嘅緊湊本地AI系統。現有報道指佢可支援最多192GB記憶體，但詳細規格與供貨資訊，購買前仍應向廠商核實。33

Project Zenith：幫開發者減少「裝機」時間

硬件以外，軟件體驗亦係關鍵。Microsoft推出嘅 Project Zenith，係為開發者級裝置預先設定嘅「開箱即寫碼」Windows體驗，適用於至少有64GB統一記憶體、記憶體頻寬達250GB/s嘅裝置。Microsoft表示，Zenith會率先隨AMD Ryzen AI Halo推出，其後再擴展至其他OEM與晶片合作夥伴裝置。18

重點係減少設定環境嘅摩擦：開發者一開機已有預先設定嘅Windows開發環境同經挑選嘅工具，較快開始做本地AI工作。Microsoft稱，呢個級別嘅裝置可在本地運行30B，即300億參數以上嘅模型；實際可行程度仍視乎模型與配置而定。19

由本地原型，走到企業部署

AMD嘅「個人AI」論述唔止於一部桌面機。公司喺IFA嘅訊息亦提到與 SUSE 合作，連同Microsoft及硬件夥伴，鋪設由本地開發走向企業基建嘅路徑。17

現有資料未有交代具體SUSE工具或部署流程。但方向相當清楚：喺私隱、延遲與快速迭代重要嘅場景，先用本地硬件開發與測試；到需要集中管理或大規模推廣時，再使用企業基建。Lenovo可組叢集嘅ThinkCentre X Ultra，以及Minisforum將工作站與NAS配對嘅做法，都係廠商開始以不同方式包裝呢條連續路徑嘅例子。3035

對用家同企業而言，實際點揀？

AMD並唔係話所有AI工作都應該離開雲端；更實際嘅理解係按工作負載分流：

• 較適合留喺本地：敏感文件、私人情境資料、離線工作、快速原型開發，以及雲端token費用會持續累積嘅重複性任務。
• 較適合用雲端或企業基建：極大型模型、需要組織共享嘅服務，以及本機容量處理唔到嘅任務。

所以，「個人AI」唔係話PC會取代資料中心，而係AMD押注AI會變成一種分散式運算模式。高記憶體PC與工作站，正好填補輕量終端同遙距AI叢集之間嗰一層。1723