一年前，"AI PC"还是"能在笔记本上跑个几十亿参数小模型"的营销话术。如今战场变了：随着 AI 智能体从聊天框走向真正的多步骤任务执行——自己做规划、调用工具、读写文件、串联多个模型——云端 API 的延迟、成本和数据隐私，成了企业最大的顾虑。谁能让智能体在本地跑起来，谁就拿到了下一代 PC 的定义权。
就在各家 AI 电脑密集上市的同时，AMD 在 9 月 30 日打出了一张截然不同的牌：搭载 Ryzen AI Max+ PRO 400 系列处理器的"智能体 PC"（agentic PC）在全球上市，主打一句话——3000 亿参数的 AI 模型，不用云，在你桌上就能跑。
Ryzen AI Max+ PRO 400 是 AMD 的 Halo 级移动/工作站芯片家族：最多 16 个 Zen 5 CPU 核心、55 TOPS 算力的 NPU、40 个 RDNA 3.5 GPU 计算单元。但真正让它与众不同的是内存：最高 192GB 统一内存，其中最多 160GB 可分配给 GPU，是上一代 300 系列（128GB 总内存、96GB 可分配给 GPU）的约 1.67 倍。
AMD 宣称，这是第一款无需云端卸载、即可在 4-bit 量化下本地运行 300B 以上参数模型的 x86 客户端处理器。要知道，此前能在本地跑这种量级模型的，要么是堆了多块高端显卡的工作站，要么是采用统一内存架构的 Mac——在 Windows/x86 生态里，这是第一次有人把门槛降到一台 PC。
首发整机阵容覆盖移动与桌面：惠普 16 英寸移动工作站 ZBook Ultra G3a（预装 Perplexity Computer）、Framework Desktop、GMKtec EVO-X5 Pro，以及联想在 IFA 2026 上发布的 1.6 升超紧凑桌面 ThinkCentre X Ultra——后者甚至支持多机集群，把"本地算力"玩成了可扩展架构。
为什么 AMD 赌的是"内存"而不是"算力"？因为大模型推理的真正瓶颈从来不是 FLOPS，而是显存。Token 是一个一个生成的，每生成一个都要把数百 GB 的权重从显存里"搬"一遍——带宽决定了每秒能吐多少字。传统 PC 的独立显卡显存只有十几到二十几 GB，装不下大模型；CPU 内存虽大，搬运又太慢。统一内存架构把 CPU、GPU、NPU 放在同一片内存池里，192GB 的空间加上约 270GB/s 级别的带宽，恰好跨过了"本地跑超大模型"的门槛。这是工程上的"大力出奇迹"，也是路线之争：英伟达靠统一内存做桌面 AI 超算，苹果靠统一内存做 Mac，AMD 则把这套打法第一次完整带进了 x86 商用 PC。
更深一层，这是 AMD 对"智能体时代"的下注。智能体工作流极其吃内存：多模型并行、大上下文窗口、企业内部文档、多个工具调用全挤在一个任务里。AMD 的说法很直白——这块芯片是为"本地开发、编排、验证、执行"的完整智能体开发生命周期设计的，支持 PyTorch、vLLM、llama.cpp、Ollama 等主流工具链。结合 AMD 前不久以 82 亿美元收购李飞飞的 World Labs（空间智能/世界模型），拼图逐渐清晰：芯片管"本地算力"，World Labs 管"物理世界理解"，AMD 想吃的是"AI 进入物理世界"那一整条链。
当然也要冷静：192GB 内存的机器不会便宜，首批面向的是开发者和企业客户；4-bit 量化下 300B 模型的真实推理速度和可用性，还有待独立评测验证；"首款 x86"的头衔更多是营销话术，真正的考验是软件生态和实际体验。
但方向已经很清楚了。PC 正在从"云端 AI 的终端"变回"AI 的本地主机"：隐私数据不出内网、推理成本从按 token 计费变成一次性硬件投入、断网也能干活。当联想开始谈"集群化"的桌面 AI，当惠普把 AI 助手直接预装进工作站，智能体 PC 就不再是概念，而是一条正在铺设的赛道。AMD 这一枪，打响的是"本地智能体"时代的发令枪——接下来，就看软件和价格能不能跟上了。