miranda 在今年的IFA 2026上，AMD的开幕演讲没有过多谈论显卡性能或跑分数据，而是把重点放在了一个概念上：Personal AI（个人AI）。与之配套的，还有三款新品：Ryzen AI Max 400平台、下一代HP ZBook笔记本，以及一台96核全液冷的桌面工作站Threadripper Halo Station。
AMD高级副总裁Jack Huynh在45分钟的演讲中梳理了公司的算力布局，从绕月飞行任务、手术机器人，到超级计算机和游戏主机。但他最终想探讨的问题是：当AI像员工一样规划日程、调用工具、修改结果时，这些计算到底应该在哪里完成？AMD给出的答案是“个人AI”：电脑先处理本地任务，涉及敏感数据和个人信息的内容尽量留在设备上，需要更大算力时再调用云端资源。
AI的token消耗正在变得惊人
AMD认为，生成式AI已经经历了四个阶段：对话、多模态、推理，再到如今的Agent。Agent任务带来的算力压力远高于普通对话。一次ChatGPT问答消耗几百到几千token，而一个“规划全家意大利旅行”的Agent任务可能涉及数十万甚至上百万token。AMD提供的数据显示，普通消费者每天消耗数百万token，创作者为数千万，开发者和创业者则从5000万起步。与此同时，93%的企业在AI预算上已经超支。
模型变小，PC变大
本地化计算的前提是本地模型足够强。AMD展示了一条模型演进曲线：去年8月发布的GPT-OSS-120B在研究生级推理基准GPQA上得分80；几个月后，阿里的Qwen3.5-9B用仅9B的参数在同一测试中取得更高分数，参数少13倍但表现更优。近期，从Kimi K3到GLM，开放权重模型的表现正在追赶甚至对标闭源模型。
AMD的硬件路线也跟随这条曲线：当前的Gorgon Point处理器（即Ryzen AI 400系列）可本地运行24B参数模型，而支持192GB统一内存的新平台能装载更大规模的模型，例如总参数达320B的GLM-5.3-Flash。AMD与微软、SUSE等伙伴合作，覆盖Windows开发与企业部署，试图证明无论普通AI PC还是桌面工作站，都能为本地AI找到合适的任务。对PC芯片厂商来说，竞争维度正从帧率转向“我的电脑能装下多大的模型”。
