芝能智芯出品
AMD AI DevDay 2026在上海举办，吸引了超过两千名开发者到场，现场去看人山人海。
AMD上海研发中心迎来成立二十周年，AI算力竞争正在从“谁有更多GPU”，转向“谁能让开发者更低成本、更本地化、更连续地跑智能体”。
这次AMD AI开发者大会首次来到中国，AI开发正在进入一个新阶段，过去的核心是训练大模型，需要多少GPU、多少集群、多少云端算力。
现在问题变了，智能体要持续运行，要调用工具，要处理企业数据，要在本地保留隐私，还要让开发者反复测试、调参、部署。
这个变化把算力需求从一个大中心，拆成了很多节点。
云端仍然重要，但端侧、本地工作站、开发者机器和企业内部部署，开始重新变得重要。
AMD的机会也在这里，想把CPU、GPU、NPU、统一内存、ROCm软件栈和开发者工具串起来，变成一条从本地开发到数据中心部署的路径。
Part 1
AI需求变了：从大模型调用，转向本地智能体持续运行
这次大会最核心的背景，是AI使用规模和调用方式正在变化。
Lisa Su在演讲中提到，今天全球已经有超过10亿AI活跃用户，未来几年预计会达到超过50亿活跃用户。AI不会只是少数企业和开发者的工具，而会变成接近全民级别的计算需求，AI的形态也在变化。
以前的大模型应用，更多是“问一句，答一句”，现在智能体不是一次调用，而是一串动作。
一个coding agent会生成代码、检查代码、修改代码、运行测试，再重新生成。
一个企业智能体会读取数据、调用API、生成结论、触发流程，并且不断反馈。
这就带来一个问题：token需求会指数级上升，OpenCode Router从2025年2月的2万亿tokens，增长到2026年2月的42万亿tokens，中国每天使用140万亿tokens，两年增长超过100倍，AI成本正在从“模型训练成本”扩展到“日常推理成本”。
企业不是只花一次钱训练模型，而是在每一次调用、每一次智能体循环、每一次工具链协作里持续消耗算力。
企业做AI不能停留在实验室，必须改变季度财报里的数字，如果AI不能影响收入、利润、合规、动态定价、供应链、上市时间和组织效率，它就只是一个AI实验室项目。
对开发者也是一样。未来的竞争不是“我接了哪个API”，而是“我能不能用更低的token成本，把智能体真正嵌进业务流程”。
这也是为什么本地AI重新受到重视，如果所有开发、测试和内部数据处理都依赖云端API，成本、隐私、延迟和可控性都会成为瓶颈。
如果一部分推理可以在本地运行，开发者就能获得三个优势。
◎ 第一，成本可控。本地机器买下来以后，不再按token和会话持续计费。
◎ 第二，数据更安全。企业知识、会议记录、研发资料和客户数据，不需要每次都传到云端。
◎ 第三，迭代更快。没有网络、配额和外部服务限制，开发者可以更高频地调试智能体。
AMD提出“智能体主机”，是在重新定义AI PC的任务，一台本地设备，能不能持续运行一个或多个智能体，能不能承载复杂模型，能不能成为个人和企业的本地AI入口。
Part 2
AMD的落点：用Ryzen AI Max+把本地智能体做成新硬件类别
AMD这次最清晰的产品落点，是AMD锐龙AI Max+系列，随着AI智能体兴起，AMD率先提出“智能体主机”新概念，主机需要CPU+GPU双引擎算力，也需要高带宽、大容量统一内存。
智能体不是只跑一个模型，要同时处理推理、工具调用、数据检索、多模态输入、上下文管理和本地应用交互。
基于AMD锐龙AI Max+系列处理器的智能体主机，已经覆盖一体机、笔记本、Mini AI工作站等形态。
惠普、华硕、联想、宏碁以及本地新兴品牌，已经推出超过35款相关产品设计。
这些系统至高支持96GB GPU专属显存，并且可以原生支持高达200B参数的模型，像Qwen 3.5 122B这样的大模型，也能在本地高性能运行。
本地AI过去最大的问题，是“能跑”但不好用。小模型能跑，但能力不够。大模型能力够，但显存和内存吃不下。
一旦模型要拆分、卸载、频繁访问外部内存，体验就会明显下降。
AMD强调统一内存和大显存，是在解决本地大模型运行的门槛，让开发者在开发、测试、微调、智能体原型验证这些环节，不必一开始就进入昂贵的云端生产环境。
这对中国开发者尤其重要，中国AI生态有大量开源模型、应用开发者和本地部署需求。如果开发者能在自己的笔记本或工作站上跑较大模型，围绕Agent、RAG、多模态、代码生成和企业私有数据做原型验证，生态速度会快很多。
这也是AMD想抓住的开发者入口。
过去GPU竞争更像数据中心竞赛。谁能拿到大客户、谁能交付大集群、谁能支持训练，是核心问题。
但智能体时代，开发者入口会前移。一个开发者可能先在本地机器上做原型，用Radeon AI PRO或Threadripper PRO做测试和小规模部署，最后再迁移到数据中心GPU。
整个路径使用同一套软件栈，迁移成本就会低很多，就是这个“从本地到数据中心”的连续性。
Part 3
ROCm要打通从笔记本到数据中心的开发路径
AMD过去在AI领域最大的短板是软件生态弱，这次大会反复强调ROCm，并不是偶然。
AMD ROCm开源软件平台已经在产品和系统层面扩展，新增支持新一代AMD锐龙AI 400系列处理器，并可在ComfyUI中下载。
从ROCm 7.2版本开始，扩展对Windows和Linux的兼容性，新的PyTorch版本也可以通过AMD软件获取，以支持Windows上的高效部署。
◎ 第一，支持Windows，意味着更多PC端和创作者环境可以进入。很多本地AI应用不是只跑在Linux服务器上，而是跑在开发者的个人电脑、工作站和创作工具链里。
◎ 第二，支持ComfyUI，说明AMD要进入图像生成和多模态开发者的日常工作流。
◎ 第三，PyTorch和ROCm打通，是为了减少“能不能跑起来”的摩擦。开发者真正怕的不是理论性能不够，而是安装、驱动、依赖、框架适配和调试成本太高。
ROCm是支持所有AMD GPU的统一软件平台，可以从笔记本、工作站到数据中心互联互通。
通过HIPCC编译器、ROCm库、PyTorch等AI框架，以及OpenClaw等智能体框架，AMD希望实现“一次编写，全路径运行”。
除了ROCm，AMD还把本地开发和专业工作站路径接起来。
AMD Radeon AI PRO R9700基于AMD RDNA 4架构，配备32GB显存，面向本地AI推理、开发和内存密集型工作负载。
AMD锐龙Threadripper PRO 9000系列处理器支持最多128条PCIe 5.0通道，用于多GPU和NVMe存储配置，适合本地AI微调、推理和应用开发。
◎ 第一层，是Ryzen AI Max+，解决开发者本地智能体和大模型原型。
◎ 第二层，是Radeon AI PRO和Threadripper PRO，解决工作站级测试、微调和开发。
◎ 第三层，是数据中心GPU和ROCm统一软件栈，解决更大规模的部署。
如果这三层能打通，AMD就不只是卖芯片，而是在卖一条开发路径。
AMD也在中国通过Radeon GPU免费开发者云、基础模型公司协作、阿里云模型社区和创空间等方式推进生态，AI硬件竞争最后一定会落到开发者，让开发者更快跑起来有机会把硬件优势转化成生态优势。
小结
智能体时代，算力不只在云端，也要落到开发者手边，本地AI主机、工作站和统一软件栈，会成为新的基础设施层。
原文标题 : AMD的AI开发者日：算力竞争进入本地智能体时代
芝能智芯出品
AMD AI DevDay 2026在上海举办，吸引了超过两千名开发者到场，现场去看人山人海。
AMD上海研发中心迎来成立二十周年，AI算力竞争正在从“谁有更多GPU”，转向“谁能让开发者更低成本、更本地化、更连续地跑智能体”。
这次AMD AI开发者大会首次来到中国，AI开发正在进入一个新阶段，过去的核心是训练大模型，需要多少GPU、多少集群、多少云端算力。
现在问题变了，智能体要持续运行，要调用工具，要处理企业数据，要在本地保留隐私，还要让开发者反复测试、调参、部署。
这个变化把算力需求从一个大中心，拆成了很多节点。
云端仍然重要，但端侧、本地工作站、开发者机器和企业内部部署，开始重新变得重要。
AMD的机会也在这里，想把CPU、GPU、NPU、统一内存、ROCm软件栈和开发者工具串起来，变成一条从本地开发到数据中心部署的路径。
Part 1
AI需求变了：从大模型调用，转向本地智能体持续运行
这次大会最核心的背景，是AI使用规模和调用方式正在变化。
Lisa Su在演讲中提到，今天全球已经有超过10亿AI活跃用户，未来几年预计会达到超过50亿活跃用户。AI不会只是少数企业和开发者的工具，而会变成接近全民级别的计算需求，AI的形态也在变化。
以前的大模型应用，更多是“问一句，答一句”，现在智能体不是一次调用，而是一串动作。
一个coding agent会生成代码、检查代码、修改代码、运行测试，再重新生成。
一个企业智能体会读取数据、调用API、生成结论、触发流程，并且不断反馈。
这就带来一个问题：token需求会指数级上升，OpenCode Router从2025年2月的2万亿tokens，增长到2026年2月的42万亿tokens，中国每天使用140万亿tokens，两年增长超过100倍，AI成本正在从“模型训练成本”扩展到“日常推理成本”。
企业不是只花一次钱训练模型，而是在每一次调用、每一次智能体循环、每一次工具链协作里持续消耗算力。
企业做AI不能停留在实验室，必须改变季度财报里的数字，如果AI不能影响收入、利润、合规、动态定价、供应链、上市时间和组织效率，它就只是一个AI实验室项目。
对开发者也是一样。未来的竞争不是“我接了哪个API”，而是“我能不能用更低的token成本，把智能体真正嵌进业务流程”。
这也是为什么本地AI重新受到重视，如果所有开发、测试和内部数据处理都依赖云端API，成本、隐私、延迟和可控性都会成为瓶颈。
如果一部分推理可以在本地运行，开发者就能获得三个优势。
◎ 第一，成本可控。本地机器买下来以后，不再按token和会话持续计费。
◎ 第二，数据更安全。企业知识、会议记录、研发资料和客户数据，不需要每次都传到云端。
◎ 第三，迭代更快。没有网络、配额和外部服务限制，开发者可以更高频地调试智能体。
AMD提出“智能体主机”，是在重新定义AI PC的任务，一台本地设备，能不能持续运行一个或多个智能体，能不能承载复杂模型，能不能成为个人和企业的本地AI入口。
Part 2
AMD的落点：用Ryzen AI Max+把本地智能体做成新硬件类别
AMD这次最清晰的产品落点，是AMD锐龙AI Max+系列，随着AI智能体兴起，AMD率先提出“智能体主机”新概念，主机需要CPU+GPU双引擎算力，也需要高带宽、大容量统一内存。
智能体不是只跑一个模型，要同时处理推理、工具调用、数据检索、多模态输入、上下文管理和本地应用交互。
基于AMD锐龙AI Max+系列处理器的智能体主机，已经覆盖一体机、笔记本、Mini AI工作站等形态。
惠普、华硕、联想、宏碁以及本地新兴品牌，已经推出超过35款相关产品设计。
这些系统至高支持96GB GPU专属显存，并且可以原生支持高达200B参数的模型，像Qwen 3.5 122B这样的大模型，也能在本地高性能运行。
本地AI过去最大的问题，是“能跑”但不好用。小模型能跑，但能力不够。大模型能力够，但显存和内存吃不下。
一旦模型要拆分、卸载、频繁访问外部内存，体验就会明显下降。
AMD强调统一内存和大显存，是在解决本地大模型运行的门槛，让开发者在开发、测试、微调、智能体原型验证这些环节，不必一开始就进入昂贵的云端生产环境。
这对中国开发者尤其重要，中国AI生态有大量开源模型、应用开发者和本地部署需求。如果开发者能在自己的笔记本或工作站上跑较大模型，围绕Agent、RAG、多模态、代码生成和企业私有数据做原型验证，生态速度会快很多。
这也是AMD想抓住的开发者入口。
过去GPU竞争更像数据中心竞赛。谁能拿到大客户、谁能交付大集群、谁能支持训练，是核心问题。
但智能体时代，开发者入口会前移。一个开发者可能先在本地机器上做原型，用Radeon AI PRO或Threadripper PRO做测试和小规模部署，最后再迁移到数据中心GPU。
整个路径使用同一套软件栈，迁移成本就会低很多，就是这个“从本地到数据中心”的连续性。
Part 3
ROCm要打通从笔记本到数据中心的开发路径
AMD过去在AI领域最大的短板是软件生态弱，这次大会反复强调ROCm，并不是偶然。
AMD ROCm开源软件平台已经在产品和系统层面扩展，新增支持新一代AMD锐龙AI 400系列处理器，并可在ComfyUI中下载。
从ROCm 7.2版本开始，扩展对Windows和Linux的兼容性，新的PyTorch版本也可以通过AMD软件获取，以支持Windows上的高效部署。
◎ 第一，支持Windows，意味着更多PC端和创作者环境可以进入。很多本地AI应用不是只跑在Linux服务器上，而是跑在开发者的个人电脑、工作站和创作工具链里。
◎ 第二，支持ComfyUI，说明AMD要进入图像生成和多模态开发者的日常工作流。
◎ 第三，PyTorch和ROCm打通，是为了减少“能不能跑起来”的摩擦。开发者真正怕的不是理论性能不够，而是安装、驱动、依赖、框架适配和调试成本太高。
ROCm是支持所有AMD GPU的统一软件平台，可以从笔记本、工作站到数据中心互联互通。
通过HIPCC编译器、ROCm库、PyTorch等AI框架，以及OpenClaw等智能体框架，AMD希望实现“一次编写，全路径运行”。
除了ROCm，AMD还把本地开发和专业工作站路径接起来。
AMD Radeon AI PRO R9700基于AMD RDNA 4架构，配备32GB显存，面向本地AI推理、开发和内存密集型工作负载。
AMD锐龙Threadripper PRO 9000系列处理器支持最多128条PCIe 5.0通道，用于多GPU和NVMe存储配置，适合本地AI微调、推理和应用开发。
◎ 第一层，是Ryzen AI Max+，解决开发者本地智能体和大模型原型。
◎ 第二层，是Radeon AI PRO和Threadripper PRO，解决工作站级测试、微调和开发。
◎ 第三层，是数据中心GPU和ROCm统一软件栈，解决更大规模的部署。
如果这三层能打通，AMD就不只是卖芯片，而是在卖一条开发路径。
AMD也在中国通过Radeon GPU免费开发者云、基础模型公司协作、阿里云模型社区和创空间等方式推进生态，AI硬件竞争最后一定会落到开发者，让开发者更快跑起来有机会把硬件优势转化成生态优势。
小结
智能体时代，算力不只在云端，也要落到开发者手边，本地AI主机、工作站和统一软件栈，会成为新的基础设施层。
原文标题 : AMD的AI开发者日：算力竞争进入本地智能体时代
