点击产业数字化时代> 点击右上角“···” > 设为星标
来了来了，AMD终于把“个人AI”这张牌，摆到了IFA的主舞台上。
当地时间9月4日，AMD计算与图形事业部高级副总裁兼总经理Jack Huynh在德国柏林发表IFA 2026开幕主题演讲。
整场演讲接近47分钟，从AI智能体、本地大模型一路讲到Windows、工作站和企业级基础设施，信息量相当大。
如果只看发布会上的产品和参数，这似乎又是一场熟悉的“算力秀”：更大的统一内存、更强的本地推理能力，以及接近个人超级计算机的工作站。
但AMD真正想表达的，并不只是“我们的芯片又变快了”。
这场发布会的核心，是AMD试图重新定义PC在AI时代的位置：它不再只是一个调用云端服务的终端，而要成为个人智能的起点。
这件事一旦成立，改变的可能不只是一台电脑，而是模型、操作系统、云服务和企业IT基础设施之间的分工。
一、AMD为什么反复强调“离你更近”？
过去几年，生成式AI给大多数人的印象，几乎都和云端绑定在一起。
你打开网页或者App，输入一个问题，数据被发送到远端服务器，模型完成计算，再把答案返回给你。电脑和手机更像是AI服务的一块显示屏，真正的“智能”藏在远方的数据中心里。
AMD在这次演讲中提出了一个不同的起点：AI已经学会理解世界，下一步应该学会理解“你的世界”。
你的文件、偏好、工作方式、日程安排、沟通习惯，以及当前真正想完成的事情，共同构成了所谓的“个人上下文”。没有上下文，AI只能给出一个看似正确的答案；拥有上下文之后，它才可能给出适合你的答案。
问题也随之而来。
AI越了解你，需要接触的数据就越敏感。工作文件要不要上传？私人对话保存在哪里？哪些信息可以共享？谁有权调用这些内容？
AMD给出的“个人AI”框架包含三个关键词：本地计算、隐私与控制、个人上下文。
所谓个人AI，不只是把聊天机器人装进电脑，而是让智能在更接近数据、更接近用户的位置开始工作。
按照AMD的设想，一项任务首先由PC在本地处理；当本地能力不够时，系统再调用云端资源。用户不必每次判断任务应该在哪儿运行，设备会根据性能、隐私和成本进行选择。
因此，AMD并不是简单宣告“本地取代云端”。它真正押注的是另一种混合架构：计算从本地出发，需要时再向云端延伸。
这也许比“所有AI都在云端运行”更接近个人计算的下一阶段。
二、智能体越好用，算力账单为什么越惊人？
AMD把本地AI摆到如此重要的位置，背后还有一笔越来越难忽略的经济账。
普通聊天机器人是一问一答。你提出问题，模型生成答案，本轮任务基本结束。一次交互可能消耗几百到几千个Token。
AI智能体则完全不同。
假设你让智能体规划一次家庭旅行，它可能需要读取日历、搜索航班、比较酒店、规划路线，再根据家庭成员的偏好反复调整。如果临时增加两天行程，它还要重新修改机票、住宿和整个计划。
这已经不是一次回答，而是一条持续运行的工作流。
如果多个智能体同时工作，一个负责研究，一个负责写作，一个负责编程，另一个负责检查结果，Token和计算量还会继续叠加。
智能体越能干，背后的“算力乘数”就越大。
AMD在演讲中估算，普通消费者的AI应用可能每天消耗数百万Token；创作者、开发者和创业者的使用量可能达到数千万。到2030年，全球每月处理的AI Token可能增长到极为庞大的规模。
这组数字属于AMD在发布会中采用的估算口径，但它指出的问题非常现实：当AI从“偶尔问几句话”变成“全天候替你工作”，按调用量付费的云端模式会承受越来越大的成本压力。
发布会还用一个例子说明，按照其展示的云端价格，每天生成1500万输出Token，成本可能接近每天300欧元，一年接近10万欧元。
对于普通用户，这或许只是一个夸张的假设；对于要让智能体持续编程、分析文件、生成内容的企业和专业用户，它却可能很快变成真实账单。
云端AI的核心优势是弹性，本地AI的核心优势则是高频使用后的边际成本。
购买本地设备需要一次性投入，但模型运行次数增加之后，不会产生同等规模的逐Token费用。与此同时，企业还能减少敏感数据外发，获得更稳定的响应速度。
当然，这不代表本地计算天然便宜。硬件采购、功耗、散热、运维和模型适配同样需要成本。真正值得比较的并不是一次调用多少钱，而是一个完整业务周期的总拥有成本。
未来最有可能出现的，不是云端和本地二选一，而是“高频任务留在本地、峰值能力交给云端”。
三、AI PC的竞争，已经不只是比TOPS
提到AI PC，过去最常见的宣传指标是NPU算力，也就是大家已经看得有些疲劳的TOPS。
但当PC开始运行更大的语言模型和多个智能体，仅有NPU并不够。
模型需要被装进内存，推理过程中需要频繁读取权重，CPU、GPU、NPU之间还要进行数据交换。如果内存容量不足，再强的算力也难以把模型完整运行起来；如果带宽不够，模型能够启动，也未必能以让人愿意使用的速度工作。
这也是AMD在发布会上反复强调“统一内存”的原因。
按照演讲展示，Strix Halo平台能够利用大容量统一内存在本地运行大模型；进一步升级的Ryzen AI Halo则将统一内存推向更高容量，并把本地模型能力继续向数千亿参数级别推进。
AMD还展示了代号Sundance的新一代HP ZBook：接近190GB的统一内存，可以在本地根据一句提示生成3D世界，同时兼顾专业创作和游戏场景。
AI PC的参数战争，正在从“有多少TOPS”转向“能把多大的智能真正装进电脑”。
这意味着未来评价一台AI电脑，至少要同时观察四件事：内存容量、内存带宽、异构计算调度，以及软件生态。
硬件决定模型能不能运行，系统优化决定它运行得顺不顺，开发工具则决定这些能力能否真正变成应用。
对AI PC而言，内存正在从传统配件变成决定能力上限的关键资源。
这也会给整个PC产业链带来连锁影响。高容量内存可能进入专业AI设备，工作站与高端PC之间的界限会继续模糊，OEM厂商也需要围绕散热、续航和内存架构重新设计产品。
四、PC为什么会从工具变成“一支团队”？
如果说本地模型解决的是“智能从哪里来”，那么AI智能体解决的就是“智能可以替你做什么”。
AMD在现场展示的场景中，一台搭载Strix Halo的平台可以在本地并行运行多个AI智能体。它们不只是生成一句回答，而是分别承担研究、写作、编程和测试等任务。
这使PC的角色发生了微妙变化。
过去，人打开软件，向电脑下达明确指令；未来，人给出目标，智能体理解工作流，再调用不同应用、文件和服务完成任务。
PC可能不再只是你操作的一件工具，而是一支由你指挥的数字团队。
当然，从“能回答”走向“能行动”，风险也同步上升。
一个聊天机器人答错问题，影响可能只是一段文字；一个能够操作文件、调用服务甚至执行任务的智能体出错，可能直接带来数据泄露、文件损坏或业务损失。
因此，AMD与微软的合作不只是给Windows增加几个AI入口。微软在演讲中强调，智能体需要在安全隔离的边界内运行，并由用户决定它能够访问哪些应用、服务和文件。
微软还公布了面向开发者的Project Zenith：在高性能Windows设备上预装VS Code、WSL、GitHub Copilot CLI和PowerShell，并针对大容量统一内存进行优化，让开发者能够更快搭建本地智能体应用。
AI能不能行动，取决于模型能力；AI能不能被放心地允许行动，则取决于操作系统。
这可能成为下一轮平台竞争的关键。谁能够同时掌握模型运行、权限管理、应用调用和安全隔离，谁就可能掌握AI时代的新入口。
五、AMD真正想卖的，可能不只是一颗芯片
发布会后半段，AMD推出了Threadripper Halo Station。
按照现场公布的信息，这套系统配备96核Threadripper Pro处理器、两块MI350P Instinct加速卡并支持扩展，系统内存最高可达2TB，HBM3E显存最高达到576GB，采用全液冷设计，并被定位为能够运行万亿参数级AI模型的个人超级计算机。
参数确实足够抢眼。
但更值得注意的是AMD随后提出的问题：如果一台高性能工作站既能服务个人开发者，也能在团队需要时变成共享AI基础设施，它还只是一台传统工作站吗？
工作站不再是AI开发的终点，而可能成为企业AI基础设施的起点。
一个开发者可以在本地完成模型实验和应用验证，随后借助SUSE AI Factory、SUSE Rancher等平台进入更安全、可管理的生产环境。当需求继续增长，工作负载可以扩展到更多工作站、服务器、数据中心和边缘设备。
SUSE官方资料也将AI Factory定位为连接实验与生产的管理平台，强调跨数据中心、云和边缘环境部署，以及对数据、模型和基础设施的控制。
这条路径可以被概括为：
" 一个人、一台工作站完成创意验证，再扩展为整个组织能够使用的AI应用。
AMD负责从PC到数据中心的计算能力，微软负责Windows端的开发体验和安全边界，SUSE负责开放基础设施与企业级扩展。
AMD要争夺的，已经不只是AI芯片份额，而是从个人设备到企业平台的整条计算路径。
这也是“个人AI”这个概念最容易被忽略的一面。它听起来面向个人，最终瞄准的却可能是一套横跨个人、团队和企业的分布式AI架构。
六、个人AI很诱人，但还要跨过三道坎
AMD描绘的未来很有吸引力：AI了解你的上下文，在本地安全运行，不按每次调用收费，需要更强能力时还能无缝连接云端。
但从发布会愿景走向大规模普及，至少还有三道现实门槛。
第一道是成本。
大容量统一内存、高性能GPU和复杂散热系统都不会便宜。个人超级计算机能够展示技术上限，却未必代表普通消费者近期可以买到的主流产品。
第二道是软件。
模型能够加载，不等于应用体验已经成熟。驱动、推理框架、量化方案、智能体工具和Windows权限体系，都需要更深入的适配。如果用户仍然需要手动配置复杂环境，再强的本地算力也很难走向大众。
第三道是衡量标准。
发布会展示了本地模型与云端模型的基准测试比较，但单一分数无法代表真实体验。模型输出质量、生成速度、首字延迟、功耗、稳定性和任务成功率，都应该放在一起评估。
个人AI真正的门槛不是“模型能否启动”，而是它能否长期、可靠、低成本地完成真实工作。
这也是接下来观察AI PC产业时最值得关注的地方。厂商需要证明的，不只是电脑可以运行多大的模型，而是本地AI能够创造什么不可替代的体验。
从PC、互联网到智能手机，每一轮计算平台变化，本质上都在缩短人与信息、工具和能力之间的距离。
AMD把AI称为“新时代的电力”，并认为智能最终会像电力一样融入各种日常设备。这个比喻并不新鲜，但它在今天多了一层现实含义：当智能成为基础能力，我们不能永远只通过远方的数据中心获得它。
个人数据需要控制，高频任务需要更可预测的成本，智能体需要持续工作的算力，企业则需要从本地开发走向规模化生产。
这些需求共同把AI推向一个新的架构：本地、边缘和云端协同。
AI的下一站并非离开云端，而是获得一个更靠近用户的起点。
这正是AMD在IFA 2026想讲述的故事。
它表面上发布的是处理器、工作站和合作方案，背后争夺的却是一个更大的问题：未来每个人的AI，究竟运行在哪里，由谁控制，又由谁来承担成本？
说不定几年后，我们挑选电脑时首先询问的，不再是它能运行哪些软件，而是：
它能带得动一支多大的AI团队？
你更看好云端AI，还是本地AI？欢迎在评论区聊聊。
版权声明：【本公众号尊重原创。所使用的文字、图片素材版权均归原作者所有。若文章内容不慎侵犯了您的权益，请您与我们联系，我们将第一时间进行处理。感谢您的理解与支持。】
求喜欢
AI时代已来啦！
你还没关注“产业数字化时代” ？
快快关注
产业最新动向
即刻获取
热门跟贴