本地跑万亿参数模型，AMD新芯片挑战英伟达

AMD高级副总裁Jack Huynh在IFA主题演讲中提出“个人AI”时代概念，强调智能将从云端数据中心转向本地设备。AMD推出新一代Gorgon Halo芯片，将统一内存从128GB提升至192GB，支持本地部署3000亿参数模型，直接对标英伟达DGX Spark（128GB内存、2000亿参数上限）。AMD在服务器CPU市场已占46.2%营收份额，现聚焦个人计算新战场。苏姿丰预测2030年全球活跃AI用户将从10亿增至50亿。Counterpoint数据显示，2026年高端AI PC全球出货渗透率将达59%，高于2025年的39%。

个人AI的三大支柱与成本账

Jack Huynh将个人AI分为本地计算、隐私与控制、个人上下文三部分，并量化Token消耗：标准模型月处理量从0.7千万亿增至1.7千万亿，2030年预计达120千万亿。按每天1500万输出Token计算，纯云端成本约每天300欧元、年近10万欧元，本地计算可大幅降低成本。AMD组建“个人AI”联盟，基于Gorgon Halo推出联想ThinkCentre X、惠普ZBook及Threadripper Halo Station工作站。

模型效率与“Token自由”

模型效率提升是关键。本地部署的开源模型Laguna S 2.1在软件工程基准上超过云端Claude Sonnet 5；Gorgon Halo本地运行的GLM 5.3 Flash也优于云端Claude Fable 5。经济性方面，Sonnet 5生成1000万输出Token约90欧元，Gorgon Halo高用量场景约500欧元，但本地无按次计费，支付硬件成本后实现“Token自由”。微软宣布Project Zenith编程体验，预装VS Code、WSL等工具，明确支持AMD Ryzen AI Halo，便于开发者本地运行大模型。

从AI PC到工作站的阶梯布局

Threadripper Halo Station工作站配备96核处理器、2至4块Instinct MI350P加速器、最高2TB系统内存及576GB HBM3E，全液冷方案，支持万亿参数模型本地部署。AMD旨在为用户提供从AI PC到工作站的阶梯选择，开发者可根据负载灵活选择本地或数据中心。Jack Huynh表示，每个计算时代都赋予人类新能力，AI正带来全新可能。

AMD此次以Gorgon Halo切入个人计算，不仅是对英伟达的正面挑战，更试图重新定义AI工作负载的部署边界。随着模型效率提升和硬件成本摊薄，本地AI的“Token自由”或将成为现实，而这场从云端到本地的迁徙，才刚刚开始。