发了什么

AMD 举办媒体沙龙，发布锐龙 AI Max PRO 400 系列处理器，并展示基于该平台打造的 Mini PC、紧凑型工作站、笔记本、平板、一体机与 AI NAS。与以往单纯强调 AI 算力不同，这次的重点是如何利用大容量统一内存与 CPU、GPU、NPU 的异构计算能力，让大模型、知识库和智能体工作流尽量跑在本地设备上，覆盖开发、科研、金融、影视、公共服务与企业投标等场景。

核心是统一内存

端侧 AI 面临的一个直接问题是：模型和上下文对内存、显存容量的需求持续增加，而传统 PC 的独立显存容量相对有限。以锐龙 AI Max+ 395 为例，该平台最高配备 128GB 统一内存，其中最高 96GB 可分配为显存；由于 CPU 和 GPU 能访问同一内存池，系统不必在彼此隔离的内存与显存之间频繁搬运数据，也能为本地大模型、多模态应用、长上下文 RAG 与多智能体并发提供更大空间。

这一设计的价值主要体现在「能不能装下模型」，而不只是单次推理速度：对参数量较大或需要同时加载多个模型的智能体应用来说，内存容量往往先于算力成为限制。平台同时集成 CPU、GPU、NPU 三类计算单元，可以让 GPU 承担大模型与多模态模型的批量推理、NPU 处理低功耗常驻的轻量任务、CPU 负责智能体编排与工具调用——但要真正用好三类单元，还需要操作系统、推理框架和应用层完成相应的任务拆分与调度。

从跑模型转向承载智能体系统

当本地 AI 从单个聊天助手发展为多个智能体协作，PC 要承担的东西也变了：除了模型，还要同时运行向量数据库、RAG 系统、工具服务、权限管理与任务调度模块，部分智能体还需要持续驻留后台。星漪科技展示的 Flowy AI PC 尝试用 Agentic PC 架构统一管理大模型调度、智能体服务、工具调用与硬件资源；首界科技的 Nova 工具链则覆盖推理环境、开源大模型、图像生成、语音识别与合成、OCR 等能力，结合 ROCm 与 PyTorch 部署适配。

专业场景里的本地部署

  • 生命科学：生寰未来展示 Protalgen 蛋白质设计智能体，研究人员用自然语言描述设计目标，系统理解任务、调用不同模型、生成候选方案并形成评估报告，最终仍需实验验证；相关设备计划用于华东师范大学生命科学学院的课程与科研合作
  • 金融：昆仑元与上海财经大学金融智能研究院、AMD 合作构建端侧金融智能体，由锐龙 AI Max+ 395 提供本地算力，GPT-Station 与 KLLMQ 负责运行与编排，FinBot 把投资检索、量化研究、组合归因、合规风控与文档处理封装为可调用工具
  • 终端形态：六联智能展示的 AXB88P-02 1L AI 工作站与 AXB35-03 2L Mini AI PC 采用新发布的锐龙 AI Max+ PRO 495，计划 2026 年第四季度量产

金融这条线值得单独看：大模型主要负责理解意图与组织流程，具体计算与校验交给确定性工具完成。相比让模型直接给结论，这种分工更适合需要检查计算过程、保留操作记录的专业场景——也是端侧部署在合规上有优势的地方。

统一内存卖的不是跑分，是「模型能不能装得下」——这一步过不了，后面的智能体编排都无从谈起。