AMD 押注「個人 AI」：下一波 AI 運算，為何不該只在雲端？

AMD 在德國柏林 IFA 2026 開幕主題演講提出的「個人 AI」（Personal AI），重點不只是讓 PC 多一顆 NPU，而是主張將更多 AI 推論、開發與個人工作流程，從集中式雲端移到更靠近使用者的裝置。

AMD 的理由很直接：當 AI 從偶爾問答的聊天工具，走向多模態、推理型與可自主規劃任務的 AI 代理，token 用量可能快速攀升。若每次互動都依賴雲端推論，長期按用量計費可能成為企業與重度使用者的重要成本。437

不過，AMD 並非宣稱所有 AI 任務都該離開雲端。它押注的是混合式 AI：將適合的工作留在本機，將需要大規模算力、共用服務或集中管理的任務交給雲端與企業基礎設施。417

AMD 的「個人 AI」是什麼？

AMD 將策略分成三項支柱：

1. 本機運算：讓較大型模型能直接在個人裝置或工作站上執行。
2. 隱私與控制：敏感文件、程式碼與內部資料預設留在裝置內，是否分享由使用者決定。
3. 個人脈絡：讓 AI 能理解使用者的目標、偏好與持續進行中的工作流程，而不必反覆把這些資料外傳到遠端服務。213

這裡的「個人」並不等於只是小型裝置。AMD 所說的是：AI 若要真正成為工作夥伴，就需要接觸足夠多的個人或組織脈絡；而在本機處理，會讓這件事在隱私與資料掌控面向上更可行。2

為什麼 token 成本讓本機 AI 變得重要？

雲端 AI 的優勢在於可彈性取得大量運算資源，但代價通常是按 API 呼叫或 token 用量持續付費。對於低頻、短內容的使用情境，這未必是問題；但若 AI 代理需要長時間讀取內部文件、反覆推理、執行多步驟工作，累積用量可能迅速放大。437

將合適的任務移至本機，成本模型會改變：使用者或企業運用自己掌控的硬體，而不是讓每一次推論都產生雲端用量費。這也能降低對網路連線的依賴，並讓私密素材更接近原始資料所在位置。

但這是 AMD 的策略主張，不代表本機執行對所有模型或所有情境都必然更便宜、更快或更好。模型大小、記憶體容量、功耗、軟體相容性與管理需求，都會影響實際選擇。217

硬體關鍵：記憶體容量，而不只是 AI 算力

對本機大型模型而言，能否容納模型與其運作所需資料，往往是關鍵瓶頸。因此，AMD 的產品論述特別強調「統一記憶體」容量。

Ryzen AI Halo：瞄準本機 AI 開發的高記憶體平台

Ryzen AI Halo 是 AMD 面向開發者的精簡型本機 AI 平台，用於在裝置端建置、測試與運行生成式 AI、AI 代理等應用。AMD 列出的規格包括 128GB 統一記憶體、Windows 與 Linux 支援，以及 ROCm 軟體最佳化；AMD 表示其可支援最高 2,000 億參數的本機模型。2523

它所代表的意義是：開發者不必把雲端存取視為唯一開發環境，也可以在自己掌控的系統上反覆實驗與迭代較大型模型。

Threadripper Halo Station：將本機 AI 推進工作站級距

AMD 同時展示 Threadripper Halo Station，這是面向更高需求本機推論與開發的工作站級系統。AMD 表示，該系統可執行超過 1 兆參數的模型；相關報導指出，其配置以 96 核心 Ryzen Threadripper PRO 處理器、兩張 Instinct MI350P 加速器與 2TB 系統記憶體為基礎。209

這顯然不是一般個人迷你電腦的定位，而是工作站尺度的在地部署選項。不過，它仍符合 AMD 的大方向：把部分原本只能交給遠端叢集的 AI 能力，拉近到開發者或組織本身。

合作夥伴如何把「個人 AI」做成不同裝置？

AMD 的策略不只依靠自家平台，也仰賴 OEM 將本機 AI 延伸到企業桌機、邊緣設備與儲存設備。

• Lenovo ThinkCentre X Ultra：這款 1.6 公升桌上型電腦鎖定本地化、多 AI 代理的企業工作負載，最高可配置 Ryzen AI Max+ PRO 495 與 55 TOPS NPU，並提供最高 128GB 板載 LPDDR5X 記憶體。Lenovo 亦提出可串接最多四台系統、擴充可用運算與記憶體資源的架構。3130
• Minisforum MS-S1 MAX-P495 與 N5 MAX-P495：Minisforum 發表搭載 Ryzen AI MAX+ PRO 495 的 AI Mini Workstation 與 AI Agent NAS，分別面向本機邊緣 AI 運算與偏 AI 代理工作負載的儲存設備。35
• Acemagic F9A Mini Workstation：Acemagic 也將 F9A 定位為搭載 Ryzen AI Max+ PRO 495 的精簡型本機 AI 工作站。現有報導提到最高可支援 192GB 記憶體，但詳細規格與上市資訊仍應以廠商最終公告為準。33

Project Zenith：微軟想減少本機 AI 開發的設定門檻

硬體堆出來後，開發環境是否好用同樣重要。微軟公布的 Project Zenith，是一套預先設定、主打「開箱即可寫程式」的 Windows 體驗，目標裝置為至少具備 64GB 統一記憶體與 250GB/s 記憶體頻寬的開發者級設備。

微軟表示，Zenith 首波將搭配 AMD Ryzen AI Halo 推出，後續還會有更多 OEM 與晶片合作夥伴裝置加入。其目的在於提供已配置好的 Windows 開發環境與工具組，降低開發者開始本機 AI 工作的前置作業；微軟也稱，這類裝置可在本機執行 300 億參數以上模型，實際能力仍取決於模型與硬體配置。1819

從本機原型走向企業部署：SUSE 的角色

AMD 在 IFA 的訊息中也提及與 SUSE 的合作，並與微軟及硬體夥伴一起，描繪從本機開發延伸至企業基礎設施的路徑。17

目前資料未說明具體會使用哪些 SUSE 工具或部署流程，但整體概念明確：在重視隱私、低延遲與快速迭代的階段於本機開發與測試；當應用需要集中管理或大規模推廣時，再轉往企業基礎設施。Lenovo 可叢集化的 ThinkCentre X Ultra，以及 Minisforum 的工作站與 NAS 組合，也反映各家廠商正以不同形式包裝這條延伸路徑。3035

對使用者與企業來說，哪些工作適合留在本機？

AMD 的論點較實際的解讀不是「雲端已經不重要」，而是應依工作負載分流：

• 適合本機處理：敏感文件與程式碼、私人或內部工作脈絡、離線工作、快速原型開發，以及高頻且可重複、雲端 token 費用容易累積的任務。
• 適合雲端或企業基礎設施：超大型模型、需要跨團隊共享的服務、集中治理需求高，或本機硬體容量無法負荷的工作。

因此，「個人 AI」比較像是 AMD 對分散式 AI 運算的押注：高記憶體 PC 與工作站，將成為輕量終端裝置和遠端 AI 叢集之間的新一層。它不會讓資料中心消失，但可能讓更多 AI 工作不必一開始就離開使用者的裝置。1723