9 月 10 日，AMD 在北京举办媒体沙龙，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、一体机和 AI NAS 等产品。
与单纯强调 AI 算力不同，AMD 此次展示的重点，是如何利用大容量统一内存和 CPU、GPU、NPU 异构计算能力，让大模型、知识库和智能体工作流更多地运行在本地设备上，覆盖开发、科研、金融、影视、公共服务和企业投标等场景。
大容量统一内存成为核心
从技术路径看，锐龙 AI Max 系列试图解决端侧 AI 面临的一个直接问题：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 能够访问同一内存池，系统不必在彼此隔离的内存与显存之间频繁搬运数据，也能够为本地大模型、多模态应用、长上下文 RAG 和多智能体并发提供更大的可用空间。
这一设计的意义主要体现在“能否装下模型”，而不只是单次推理速度。对于参数量较大或者需要同时加载多个模型的智能体应用，内存容量往往会先于算力成为限制因素。统一内存允许系统根据任务动态调整 CPU 与 GPU 的内存占用，但实际能够运行多大规模的模型，仍取决于模型量化精度、上下文长度、KV Cache 占用和推理框架优化程度。
平台还集成 CPU、GPU 和 NPU 三类计算单元。面向具体应用，可以由 GPU 承担大模型或多模态模型的批量推理，NPU 处理低功耗、持续运行的轻量任务，CPU 负责智能体编排、工具调用以及传统软件逻辑。不过，要充分利用三类计算单元，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。
从运行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 承担的任务也发生了变化。模型之外，设备还需要同时运行向量数据库、RAG 系统、工具服务、权限管理和任务调度模块，部分智能体还需要持续驻留后台。
星漪科技展示的 Flowy AI PC 尝试以 Agentic PC 架构统一管理大模型调度、智能体服务、工具调用和硬件资源，避免不同应用分别安装模型和运行环境。锐龙 AI Max 平台的大容量统一内存，则被用于支持多智能体并发、长上下文检索和多模态生成。
首界科技展示的 Nova 工具链覆盖推理环境、开源大模型、图像生成、语音识别与合成以及 OCR 等能力，并结合 ROCm 和 PyTorch 进行部署与适配。NovaStudio 进一步提供应用分发、更新和商业化入口。其基本思路是缩短从模型部署、应用开发到设备端分发的链路，降低开发者配置本地 AI 环境的复杂度。
在终端产品方面，六联智能展示了基于 AMD 平台的 Mini AI PC、1L 和 2L 工作站、笔记本、一体机以及 AI NAS。其中，AXB88P-02 1L AI 工作站和 AXB35-03 2L Mini AI PC 采用新发布的锐龙 AI Max+ PRO 495，计划于 2026 年第四季度量产。
本地部署进入专业场景
此次展示的另一条主线，是端侧智能体开始进入对数据安全、知识产权和审计能力要求较高的场景。
在生命科学领域，生寰未来展示了 Protalgen 蛋白质设计智能体。研究人员可以通过自然语言描述设计目标，系统负责理解任务、调用不同模型、生成候选方案并形成评估报告，最终仍需通过实验验证。
该方案将大语言模型、蛋白质语言模型和序列设计模型部署在本地设备，并根据任务特点在 CPU、GPU 与 NPU 之间分配工作。相关设备计划应用于华东师范大学生命科学学院的课程实践和科研合作。对于尚未公开的实验数据和研究成果，本地运行可以减少数据向外部云端传输，但候选结果的有效性仍需由后续实验确认。
金融场景对权限、合规和结果可追溯性的要求更高。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：锐龙 AI Max+ 395 提供本地计算资源，GPT-Station 和 KLLMQ 推理框架负责模型运行与任务编排，FinBot 则将投资检索、量化研究、组合归因、合规风控和文档处理封装为可调用工具。
在这一架构中，大模型主要负责理解用户意图和组织流程，具体计算与校验仍交给确定性工具完成。相比让模型直接给出结论，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。
端云协同仍是现实选择
除科研和金融外，合作伙伴还展示了影视制作、车辆管理、法律服务、企业投标和投资研究等应用。
ViPro 影视智能体可以完成剧本解析、角色与场景资产提取、分镜、提示词、配音和字幕处理。其采用本地与云端协同架构：脚本、素材和提示词等敏感信息在本地处理，视频渲染等计算强度较高的任务则按需调用云端资源。
赛博物联展示的智能标书助手可读取数百页招标文件，提取资质条件、废标条款、评分标准和时间节点，并结合企业内部的历史项目、人员证书和技术材料生成初稿。系统还可在提交前检查合规要求、评分点覆盖情况和内容一致性，最终判断仍由业务人员完成。
创造进化的智能 VC 工作站则设置市场、技术、产品、商业化、财务和法律等多个专业智能体，由协调智能体对结果进行交叉验证。商业计划书、访谈记录和内部知识库保留在本地，公开信息检索和非敏感内容增强则按需连接云端。
这些案例表明，本地 AI 并不意味着完全脱离云端。对于隐私数据、内部知识库和高频任务，本地部署能够提供更明确的数据边界，并减少持续调用云端模型带来的费用；对于超大模型、实时互联网检索和视频渲染等任务，云端仍然具有算力与服务优势。端侧与云端如何分工，将取决于模型规模、响应速度、数据敏感程度和总体成本。
AMD 还介绍了围绕端侧 AI 开展的“春雷”“春雨”“春笋”三个项目以及锐龙 AI 智能体创新应用大赛。其中，“春雷计划”已覆盖投标、保险、投资、影视、医疗、教育和科研等领域，形成 20 余种解决方案；“春雨计划”已进入百余所高校，内容包括 AI 课程、实训教室、ROCm 培训和专项竞赛；“春笋计划”主要面向开发者和 AI 社区。
总结下来，锐龙 AI Max 平台的定位已经不只是传统意义上的 AI PC 处理器，而是尝试成为一台紧凑型本地 AI 工作站。
大容量统一内存降低了较大模型和多模型进入 PC 的硬件门槛，但端侧智能体能否规模化应用，仍取决于推理框架适配、异构调度效率、软件分发体系，以及应用能否真正嵌入现有业务流程。
接下来，搭载锐龙 AI Max+ PRO 495 的终端产品即将正式上市，新一代 RTX 产品也将陆续进入市场。随着端侧 AI 硬件选择增多，竞争重点将不再只是峰值算力或内存容量，而会进一步转向整机价格、能效、软件兼容性和模型运行效率。对 AMD 而言，锐龙 AI Max 平台能否从展示案例走向规模化部署，也将随着首批 495 产品上市，接受真实应用和市场需求的检验。
