沒有新顯卡，也沒有跑分轟炸，這場 IFA 2026 的 AMD 開幕演講只講了一件事：Personal AI
（個人 AI）。
以及支撐它的三樣新品：Ryzen AI Max 400（代號 Gorgon Halo）平台、下一代 HP ZBook 筆記本的首度曝光，和一台 96 核、全液冷的「桌上超算」Threadripper Halo Station。
AMD 高級副總裁、計算與圖形總經理 Jack Huynh 在 45 分鐘的演講里，從繞月飛行的 Artemis II、手術機器人講到芬蘭的 LUMI 超算和 PlayStation 5 Pro，回顧了一遍 AMD 的算力版圖。
隨後，把問題落到了每個人的電腦上：當 AI 像員工一樣整天規劃、調用工具和修改結果，這些計算究竟應該放在哪裡？
AMD 高級副總裁、計算與圖形總經理 Jack Huynh
AMD 的答案叫 Personal AI。電腦先處理自己能完成的工作，涉及敏感數據和個人上下文的任務儘量留在本地；需要更大規模時，再調用雲端與數據中心。
AMD 沿著這套構想，從支持 192GB 統一內存的 PC 一路到桌邊工作站，再與微軟和 SUSE 合作，補充了 Windows 開發與企業部署。不同產品和夥伴似乎都在回答同一個問題：怎樣讓 AI 先從離用戶最近的設備開始工作。
DeepSeek、千問、GLM、gpt-oss 和 Laguna 也出現在台上，但它們在這場演講里成了新的衡量指標。
剛發布一周多的 Qwen3.8-Flash-Next 就能放進 AMD 的新平台里運行、擁有 3200 億總參數的 GLM-5.3-Flash 也能裝進統一內存里。AMD 用這些開放權重模型證明，從普通 AI PC 到桌邊工作站，任何硬體確實都有任務可跑。
對這些電腦晶片廠商來說，過去他們都在比遊戲幀率，現在已經變成了比較我的電腦到底能裝下多大的模型。
「AI 是新的電力」，但電費快付不起了
Jack 把生成式 AI 過去幾年的變化壓縮成四步：先學會對話，再獲得視覺和語音能力，隨後開始推理；到了 2025 年，AI 從回答問題的模型變成了能夠規劃、調用工具、檢查結果並繼續工作的 Agent。
類似的轉變除了帶來更好的用戶體驗，更多的是工作負載的增加。
一次普通 ChatGPT 對話只要幾百到幾千 token，而一個「幫我規劃全家義大利旅行」的 agent 任務，要查日曆、訂機票、改酒店，一次就是數十萬甚至上百萬 token。
按 AMD 給出的數字，消費者級用戶每天將消耗數百萬 token，創作者是數千萬，開發者和創業者則是 5000 萬起步。
宏觀數據則顯示過去一年，全球月度 AI token 處理量從約 0.7 quadrillion（700 萬億）躥升到 1.7 quadrillion（1700 萬億）；到 2030 年，預計達到每月 120 quadrillion（12 億億）。
與此同時，93% 的企業正在超支 AI 預算。Jack 提到一個活躍用戶每天 1500 萬輸出 token，走雲端大約是 300 歐元一天；一年為一個人的 AI 用量買單，需要支付接近 10 萬歐元。
「我們不能只是花更多錢，必須算得更聰明。」這句話，大概就是 AMD 整場發布會的題眼，如何把 AI 從雲端拉回本地。
模型在變小，PC 在變大
本地化敘事能成立的前提，是本地模型和閉源的前沿模型相比足夠好，即模型體積要變小、性能要變強。
去年 8 月 OpenAI 放出的開放權重模型 GPT-OSS-120B 在 GPQA（研究生級推理基準）上曾拿到 80 分，已經作為很多開發者的本地部署首選。
幾個月後，阿里的 Qwen3.5-9B 只用 90 億參數，就在同一基準上拿到了更高的分數，參數少了 13 倍，成績反而更好。
而放眼最近這幾個月，開源模型和閉源模型的競爭更是如火如荼，從 Kimi K3 對標 Fable 5，到 DeepSeek、GLM，甚至 Flash 模型都開始對標 Claude Opus 系列模型。
AMD 的路線圖也是沿著這條曲線展開，當前 Gorgon Point處理器，也就是Ryzen AI 400系列可以本地跑 240 億參數模型；128GB 統一內存的 Strix Halo 則可以運行 2000 億參數模型。
這些本地模型的表現，AMD 在現場也給出了對比，完全跑在 Strix Halo 上的開源模型 Laguna S 2.1，在一項軟體工程基準上超過了雲端的 Claude Sonnet 5（70.3 分）。
1000 萬輸出 token，Claude Sonnet 5 雲端約 90 歐元，本地為零
把計算搬回電腦，而不是放在數據中心，這是 AMD 針對本地計算的想法。
而在本地計算解決速度與成本之後，隱私與控制也是 Agent 比較敏感的一方面。AMD 希望這些資料先留在用戶身邊，由用戶決定什麼內容可以離開設備、發往哪裡。
最後是個人上下文，這是 Jack 眼中比應用、模型和算力多出來的第四層。同一句「幫我準備明天」，對上班族可能意味著客戶會議和三個待定事項，對學生則可能意味著考試與學習小組。
模型知道世界知識還不夠，它還得知道提問的人明天要面對什麼。本地計算、隱私與控制、個人上下文，這就是 AMD 所押注的個人 AI 三個關鍵詞。
在具體的產品上，AMD 介紹了 Gorgon Halo，對應的市場名是 Ryzen AI Max 400 系列。統一內存從 128GB 提升到 192GB，本地可運行模型從 2000 億推到 3000 億參數。
在現場，AMD還展示了來自智譜的 GLM-5.3-Flash，3200 億參數可以在 Gorgon Halo 上本地運行，並展示了在同一基準上，本地模型的表現甚至要優於雲端的 Claude Fable 5；作為對照，Fable 5 跑 1000 萬輸出 token 大約要花 500 歐元。
應用該晶片的電腦也有聯想在 IFA 2026 旗艦發布的 ThinkCentre X Ultra，搭載 Gorgon Halo，小到可以擺在桌面上，最多四台可以組成集群。
此外，Jack 還首次公開了代號 Sundance 的下一代 HP ZBook：192GB 統一內存，現場用一條 prompt 在本地實時生成了一整個 3D 世界，然後又用它流暢跑了《微軟飛行模擬》。
「白天創造世界，晚上打遊戲。一手是真實世界，一手是我想像的世界。」
Gorgon Halo 仍然是一台面向個人的緊湊型電腦。演講接近尾聲時，Jack 把「個人 AI」推到了另一種尺寸。
首次亮相的 Threadripper Halo Station，把 96 核 Threadripper PRO 和數據中心級 AMD Instinct MI350P 放進一台桌邊工作站。
現場展示機裝有兩張 MI350P，並預留了擴展到四張的空間；系統內存最高 2TB，四卡配置下的 HBM3E 總容量最高 576GB，整機採用液冷。
AMD 稱，它可以運行超過 1 萬億參數的模型，並稱其為「全球最強工作站」。
這台機器把 AMD 所說的個人 AI 從一台 PC 擴到了辦公室里的共享節點。一名開發者可以直接使用，團隊也可以共同調用；個人電腦容納不了的任務，也未必需要立刻回到按 token 計費的公有雲。
本地 AI 的生態拼圖
硬體能把模型裝進去，不代表 Agent 已經能在電腦上安全工作。
它還要跨應用、服務和文件執行操作，作業系統必須易用，如果算力很強，但都是 Linux 系統的 Ubuntu，用戶上手也非常困難。此外，軟體上還必須管住它能看什麼、能改什麼，以及什麼時候需要用戶授權。
微軟 Windows 與設備業務執行副總裁 Pavan Davuluri 在台上介紹，Windows 正在為統一內存訪問和工作負載調度做適配，讓大模型能夠使用 Gorgon Halo 的內存與 GPU。
微軟此前公布的 Microsoft Execution Containers，則試圖為 Agent 提供隔離的執行環境，保護用戶、數據和設備；目前這項能力仍處於早期預覽。
微軟還公布了 Project Zenith，一套面向開發者級硬體的開箱即用 Windows 體驗。它要求設備至少擁有 64GB 統一內存，預裝 VS Code、WSL、GitHub Copilot CLI、PowerShell 和一組開發者設置，並將率先隨 Ryzen AI Halo 設備提供。
他還現場演示了阿里 1250 億參數的新模型 Qwen3.8-Flash-Next 跑在 Gorgon Halo 上的效果。從「幫我寫個函數」這種小任務，到對敏感文件做本地取證分析，再到一句話生成一個設計師作品集網站，全程本地完成。
Pavan 給這個願景起了個名字：PC 將成為「unmetered intelligence」的家——不計量的智能。
從能運行 24B 模型基於Gorgon Point的普通AI PC，到 192GB 統一內存的 Gorgon Halo，再到瞄準 1T+ 模型的 Threadripper Halo Station，AMD 已經把 Personal AI 的硬體層級擺上台。
這套路線能否成為新的換機理由，除了要看設備的穩定性，更多的可能還是開源模型的能力。
這些開源模型，似乎正在成為全球 PC 復興敘事的「彈藥供應商」，硬體公司需要它們來證明本地算力，是有價值的；開源模型也借著這些新的硬體，把影響力帶到了全世界的桌面。
