AMD在北京首秀锐龙AI Max PRO 400系列，把统一内存上限推到192GB，并与整机、开发工具和行业智能体伙伴同台展示。这场沙龙提出的关键问题，已经不是PC能不能跑大模型，而是本地AI能否稳定进入开发、科研和企业业务流程。

一场发布会里同时摆出两张牌

9月10日，AMD在北京举办“携手创新 共赢智能体AI时代”媒体沙龙。现场的两条线索很明确：一边是锐龙AI Max PRO 400系列在中国首次亮相，另一边是开发者、高校和行业伙伴展示智能体怎样落到具体工作里。前者讲硬件上限，后者讲这些算力到底有没有出口。

 AMD大中华区市场营销副总裁纪朝晖在媒体沙龙现场分享

这个安排比单独拿一串跑分更能说明AMD对“智能体PC”的判断。智能体现在做的事情已经比聊天复杂得多。除了回答问题，它还得知道任务是什么，什么时候该调用模型、什么时候该用工具，有时还要去读本地资料，一跑就是很长一段时间。当工作流变长，内存、调度、权限和软件生态都会从配角变成主角。这也是此次沙龙真正想回答的问题：端侧AI如何从能跑起来，走到能够被组织部署和长期使用。

192GB统一内存才是这次升级的核心

AMD锐龙AI Max PRO 400系列最显眼的变化不是NPU TOPS，而是统一内存从上代平台最高128GB增加到192GB，其中最高160GB可分配为显存。AMD称，该系列可在本地运行3000亿参数级模型。对大模型来说，容量往往比单一引擎的峰值算力更早碰到天花板；模型权重、长上下文、RAG索引和多模型并发，都在争夺同一块内存。

 联想ThinkCentre X Ultra为首批锐龙AI Max+ PRO 495平台新品之一

旗舰型号锐龙AI Max+ PRO 495采用Zen 5架构，拥有16核32线程，最高加速频率5.2GHz；集成Radeon 8065S显卡，包含40个RDNA 3.5图形计算单元；同时集成最高55 TOPS的XDNA 2 NPU。可配置功耗范围为45至120瓦，因此合作伙伴可以在迷你主机、1L工作站乃至移动设备之间做不同取舍。

锐龙AI Max PRO 400系列主要规格

“3000亿参数”更像是一条规格上限，真正跑起来还得看具体模型。量化方式、上下文长度、推理框架不一样，内存占用和速度都会跟着变。放到企业里，很多时候也不是只跑一个特别大的模型，而是几个模型、知识库和业务工具同时挂着，用到哪个再调哪个。

智能体负载不是只靠NPU

这类智能体任务很少只压在一种计算单元上。CPU更多负责程序逻辑和工具调用，GPU去做生成、视觉和批量推理，NPU则适合一些需要长期挂着、但又不想一直高功耗运行的任务。三者放在同一套大内存里，数据不用频繁在系统内存和独立显存之间倒来倒去，这才是这套平台比较值得看的地方。

真用起来，体验好不好也不太可能只看一个TOPS数字。对话多跑几轮会不会慢，几个Agent一起开会不会抢资源，一篇很长的文档能不能直接塞进去，某个工具调用失败以后能不能接着跑，这些最后都得看硬件和软件是不是配得上。现场的Flowy AI PC和Nova工具链演示，恰好把重点放在了调度、一键部署与应用分发上。

 星漪科技现场介绍Flowy AI PC的Agentic PC架构

九款首秀设备是平台化能力的第一次检验

沙龙现场集中展示了9款基于锐龙AI Max+ PRO 495的新品，包括联想ThinkCentre X Ultra、超聚变FusionXpark M系列、铭凡MS-S1 MAX-P495、极摩客EVO X5 Pro、Emdoor AGH27、七彩虹灵创Mini Pro、阿迈奇F9A，以及六联的两款工作站。AMD预计近期会有超过20款相关产品上市。

 超聚变FusionXpark M系列桌面AI超算

对AMD来说，把处理器卖进更多设备只是前面一步。同一颗芯片塞进1L小主机和更大的工作站，散热、噪声、接口、网络和长时间性能肯定不会完全一样。企业买机器时还会继续问统一管理、安全策略、系统镜像怎么做，机器坏了以后谁来维护。AMD PRO能提供一部分底层能力，真正到了批量采购阶段，还得看整机厂怎么把这些东西做完整。

这次现场看到的不少新品都做成了小型桌面机，原因其实很现实。开发者或者团队想把本地AI算力放在工位边上，但未必愿意再摆一台体积很大的传统GPU工作站。统一内存这条路线给了另一种选择，不过最后大家买不买账，还是得看第一批机器真正开卖以后，价格、持续性能和软件兼容性怎么样。

 铭凡MS-S1 MAX-P495采用紧凑型桌面主机形态

从开发工具到行业智能体 缺的是最后一公里

AMD在沙龙上把生态建设概括为“春雷”“春雨”“春笋”三类计划和智能体创新应用大赛。春雷计划面向行业解决方案，已覆盖投标、保险、投资、影视、医疗、教育、科研、安防和财税等领域；春雨计划进入百余所高校，涉及AI微讲座、实训教室和ROCm培训；春笋计划则连接开发者社区。这些项目的共同目标，是把芯片能力翻译成开发者真正能用的工具。

CSDN提出通过AtomGit、TaoToken和AtomCode InsCode形成模型托管、模型服务和开发工作台的连续链路；首界科技的Nova工具链把推理环境、开源模型、图像生成、语音和OCR等常用能力封装成一键部署，NovaStudio再补上应用商店、更新和商业化入口。这些部分在发布会上不太容易抢镜，甚至比模型参数枯燥得多。但机器真正拿回去天天用，最后卡住用户的往往就是这些地方。

 CSDN现场分享本地模型部署、开发工具以及应用分发相关方案

当多个智能体同时运行，问题会变得更复杂。Flowy AI PC试图通过Agentic PC架构统一模型调度、智能体服务、工具调用和硬件管理，避免每个应用重复部署模型与运行环境。这是一个很关键的方向，因为大容量内存只解决了“装得下”，操作系统和中间件还得解决“如何共用”与“如何不打架”。

本地AI最先吃下的会是敏感数据和高频流程

现场案例里，生命科学、金融、投标和投资研究显得尤为典型。生寰未来展示的Protalgen蛋白质设计智能体，将自然语言任务理解、模型编排、候选设计与评估报告串成流程，并计划在华东师范大学生命科学学院落地。本地运行的价值不只是速度，还包括让实验数据和未公开成果留在校内设备上。

 生寰未来展示Protalgen蛋白质设计智能体

昆仑元、上海财经大学金融智能研究院与AMD合作的端侧金融智能体，让大模型负责意图理解和流程组织，确定性工具承担计算和校验。这种分工很值得关注：金融任务需要的不是“看上去合理”的回答，而是可解释、可追溯、能够复核的过程。AI适合组织材料和调度任务，但关键数字与最终决策仍需要可验证工具和专业人员把关。

 昆仑元分享端侧金融智能体的安全与任务编排

赛博物联的智能标书助手则是另一类高频刚需。系统读取招标文件，提取资质、废标条款、评分标准和时间节点，再调用企业内部的历史项目与人员材料生成初稿。对这类场景来说，数据不出内网、断网可用和词元成本可预测，往往比模型榜单上多几分更重要。

热点科技洞察 本地智能体的胜负手在工作流

锐龙AI Max PRO 400系列把客户端统一内存推到192GB，直接命中了本地大模型的“内存墙”。这会让一部分原本必须放在服务器或云端的实验，可以先在桌面级设备上完成。但内存容量只是入场券，不是体验保证。真正决定用户是否留下的，仍是每秒输出、首词延迟、长时负载、模型兼容和工具调用成功率这些不那么好包装的指标。

AMD的另一张牌是x86生态和伙伴覆盖面。Windows与Linux应用、既有业务软件和熟悉的IT管理方式，有助于降低企业迁移门槛。可开放并不会自动变成好用，ROCm、PyTorch、推理框架、模型格式与驱动版本仍需要更好的组合。这也是AMD必须和CSDN、工具链厂商、OEM与行业开发者一起做市场的原因。

对企业而言，云端与本地不是二选一。公开数据检索、峰值渲染和偶发的大模型任务可以按需使用云端，敏感材料、高频推理、个人上下文和需要离线持续工作的环节更适合留在本地。一台设备能否在两者之间清楚划分数据边界，并把权限、审计、回退和人工确认做进流程，比“全部本地”这句口号更有价值。

从这场沙龙来看，AMD已经开始从卖平台转向组织一个本地AI市场：用大内存处理器解决资源上限，用伙伴整机覆盖不同形态，再用工具、教育和行业项目拉动应用。这套路线能否跑通，最后不会由“能跑多大模型”决定，而是由智能体能否安全、稳定地替用户完成一段真实工作。