从Ryzen AI Halo、Project Zenith到2.6TB内存的Threadripper Halo Station，AMD正在把本地AI做成一条从个人电脑通往桌边超算的完整阶梯。
先说预测：未来三年，真正重度使用AI Agent的人，会重新计算一笔账：与其每天为海量Token付费，是否应该把一部分长期、重复、涉及隐私的推理搬回自己的电脑？AMD给出的答案很激进，甚至想把“本地算力 = Token自由”变成新一代PC的购买理由。
但这不意味着云端AI要消失。本地更像一个随时在线、成本可预期的基础层，前沿大模型和突发高负载仍交给云端。真正可能胜出的，是一套会自动判断任务该在本地还是云端运行的混合架构。
01 / 128GB还不够，AMD把统一内存推到192GB
AMD在2026年推出的现款Ryzen AI Halo开发平台，使用Ryzen AI Max+ 395处理器和128GB统一内存，官方标称可本地运行最高约2000亿参数模型。它支持Windows与Linux，并围绕ROCm、PyTorch、vLLM、llama.cpp、Ollama、ComfyUI和LM Studio提供开发环境。
下一代平台则将升级到Ryzen AI Max+ PRO 495，最高支持192GB系统内存、160GB可分配显存，把官方本地模型规模目标推到3000亿参数。原文使用“Gorgon Halo”作为平台代号，购买和检索正式产品时，更应该认准AMD公开页面中的Ryzen AI Max PRO 400系列与具体整机型号。
别把“能装下”理解成“跑得飞快”。参数规模只是内存门槛，量化精度、上下文长度、KV缓存、内存带宽、模型架构和软件优化都会决定真实速度。
Ryzen AI Halo详细导航：
https://www.zuoshipin.com/link/33927.html
02 / Token为什么越来越贵？Agent把消耗从“对话”拉到“持续工作”
在IFA演讲中，AMD计算与图形业务负责人Jack Huynh把个人AI拆成三部分：本地计算、隐私与控制、个人上下文。这三点都与Agent有关，因为Agent不再只回答一句话，而是会读取文件、规划任务、调用工具、检查结果并持续执行。
AMD展示的趋势数据认为，主流模型月度Token处理量正在从约0.7千万亿向1.7千万亿增长，到2030年可能达到120千万亿。预测是否准确仍需时间验证，但方向没有太大悬念：当一个Agent任务从几千Token扩大到几十万、几百万Token，推理费用会从“小额订阅”变成基础设施预算。
AMD官网给出的三年成本对比称，在其设定的持续高负载、约每天630万总Token场景下，Ryzen AI Halo可能比等效云端API低至约6倍成本。不过这属于厂商建模，使用了固定API价格、吞吐、电价和每天8小时有效利用率等假设。轻度用户、偶尔调用最强模型的人，云端通常仍更灵活。
03 / Project Zenith：微软开始给本地Agent准备“开箱即用”Windows
硬件堆到192GB，如果驱动、模型、终端和开发环境仍要折腾几天，就很难进入主流开发者市场。微软因此公布Project Zenith：一套面向开发者级设备的预配置Windows体验，首批支持AMD Ryzen AI Halo。
微软给出的设备基线是64GB以上统一内存、250GB/s以上内存带宽，可本地运行30B以上参数模型。系统会准备常用语言、运行时、源码管理和开发工具，同时结合WSL、Windows本地AI能力，以及面向Agent的系统身份、Microsoft Execution Containers和企业管理基础。
它真正解决的不是“Windows能不能装Ollama”，而是能否让一台新电脑从开机开始就具备稳定的本地模型环境，少踩驱动、版本和依赖冲突的坑。
Project Zenith详细导航：
https://www.zuoshipin.com/link/33929.html
04 / 桌面电脑还不够？AMD直接端出2.6TB内存工作站
Threadripper Halo Station把“个人AI”推到了近乎桌边服务器的级别。AMD官方最高配置包括：
- 96核、192线程Ryzen Threadripper PRO 9995WX；
- 最多4张Instinct MI350P工作站加速器；
- 最高576GB HBM3e GPU内存；
- 最高2TB DDR5 RDIMM系统内存；
- 总内存约2.6TB，总带宽最高16.4TB/s；
- 采用液冷方案，面向大模型推理、微调和大量Agent并发。
AMD称它能处理万亿参数级模型并在本地运行数百个Agent工作流。但更准确的理解是“具备装载和调度超大模型的内存基础”，实际交互速度仍由量化、互联、并行策略与软件决定。
这台机器目前不能当成现货产品。它是IFA 2026首次展示的原型，官网标注2027年推出，最终价格、整机厂商、地区和配置都可能变化。
Threadripper Halo Station详细导航：
https://www.zuoshipin.com/link/33928.html
05 / 本地AI的价值，不只是一张更便宜的Token账单
隐私：代码库、客户资料、会议记录和个人偏好可以留在设备上，不必每次上传云端。
低延迟：没有网络往返与共享队列，适合语音助手、实时图像、自动化和需要持续响应的Agent。
可控性：开发者可以选择模型、量化、系统提示词、日志和数据保留策略，避免单一云服务突然涨价或下线。
离线能力：网络受限、现场制作和敏感环境仍可运行基础工作流。
个人上下文：真正懂用户的Agent需要长期访问文件、日程、项目与偏好，本地设备天然更适合作为上下文的控制中心。
06 / “Token自由”并不免费，这六笔成本不能装看不见
| 成本 | 本地方案 | 云端方案 |
|---|---|---|
| 前期投入 | 硬件一次性支出高 | 通常按量或订阅，启动成本低 |
| 持续费用 | 电力、折旧、维护和升级 | Token、存储、网络和服务费 |
| 模型能力 | 受内存、速度与本地模型限制 | 可快速使用最新前沿模型 |
| 隐私控制 | 数据可留本地，但需自己治理 | 依赖服务商政策与企业协议 |
| 扩展能力 | 增加并发通常要买更多硬件 | 弹性更强，但高负载账单可能陡增 |
最适合本地化的是高频、稳定、可量化、模型要求相对固定的任务，例如代码补全、内部检索、转写、批量分类、图片初稿和常驻Agent。偶发的复杂推理、最新旗舰模型和突发并发，则更适合云端。
07 / 真要搭本地Agent，建议按这条路线走
- 先测工作量：统计一个月Token、峰值并发、上下文长度和隐私等级，不要从硬件广告反推需求。
- 从30B级模型开始：先验证任务成功率，再决定是否需要120B、200B或300B模型。
- 做混合路由：本地模型处理日常任务，超过能力阈值时再调用云端，并记录升级原因。
- 隔离Agent权限：模型本地运行不代表安全，文件、终端、浏览器和网络权限仍要最小化。
- 用总拥有成本比较：把硬件、电费、折旧、人工维护和闲置率都算进去，再和API真实账单比较。
我们的观点：AMD并不是要把每个人都变成数据中心，而是在押注PC会成为个人AI的控制平面。模型能在本地跑只是第一步，真正决定成败的是软件兼容、Agent安全、能耗、噪声和用户是否有足够高的持续负载。
如果这些条件成立，“买硬件换Token自由”会成为专业用户的新选择；如果只是偶尔聊天和写文案，云端订阅仍然更省心。未来不是本地替代云端，而是每个任务都被放到最便宜、最快、最可信的位置运行。
