AMD 锐龙 AI Max PRO 400 解析：凭什么本地跑 3000 亿参数

一台巴掌大的迷你主机，本地跑起一个 3000 亿参数的模型——两年前这话像 PPT，9 月 10 日 AMD 在北京把它当成了开场白。

这场叫「携手创新共赢智能体AI时代」的媒体沙龙，主角是全新的锐龙 AI Max PRO 400 系列。AMD 第一次把「本地可跑的模型参数量」从上一代的 2000 亿（200B）拉到 3000 亿（300B），统一内存从 128GB 扩到 192GB，并直接断言：这是首款能本地运行 3000 亿参数模型的 x86 客户端处理器。

单看这句话，很多人会先冒出两个疑问——为什么是「内存」当主角，而不是算力？3000 亿参数对普通人到底意味着什么？这两个问题，正是这次发布真正想讲的事。

智能体时代的瓶颈，不在算力在内存

前两年整个行业吹 AI PC，口径几乎一致：比 NPU 算力，你 45 TOPS 我 48 TOPS，卷得像在比市值。但 AMD 这次把重点，几乎从「算力」挪到了「内存」。

这不是它突然想换个话题，而是智能体（Agent）改了游戏规则。

过去的 AI 是「你问一句、它答一句」，轻量、单次、发到云端再回来。而智能体要干的是连续的事：规划任务、调用工具、检查结果、再往下执行，一条工作流里可能要串起好几个模型、挂上一长串上下文。这套东西最吃紧的地方，恰恰不是峰值算力，而是「能不能把足够大的模型和足够长的上下文，一次全装进本地内存里」。

模型一旦必须发到云端，就有延迟、有网络抖动、有隐私和成本的账要算；而它在本地跑得动的前提，是内存装得下。3000 亿参数要想舒服地塞进本地，内存本身就得到百 GB 量级——这就是为什么 AMD 反复强调 192GB 统一内存，而不是把 55 TOPS 的 NPU 放在最前面讲。

「统一内存」四个字，第一次被大众记住要追溯到苹果的 M 系列芯片。CPU 和 GPU 共享同一块内存池，谁要多少现场划，省掉了数据在 CPU 内存和显卡显存之间来回倒腾那一步。

这套思路对 AI 尤其对味。传统 x86 的配置是：CPU 这边 32GB、64GB 内存，独立显卡那边 24GB、48GB 显存，两边是隔离的。想跑一个几百 GB 的模型，你会卡在哪？不是买不起算力，是找不到一块「能一次装下整个模型」的地方——显存装不下，拆开来量化、裁剪，模型又掉血。

AMD 把统一内存带进 x86、做到 192GB、最多划 160GB 当显存，等于把这个老问题绕了过去。更要紧的是生态：苹果的统一内存再香，也只服务 macOS 一家；而锐龙 AI Max PRO 同时支持 Windows 11 和 Linux x86_64，等于开发者手里那套跑满血的 PyTorch、vLLM 工具链，能原样搬进一台 192GB 的机器里。对写代码、调模型的人，这一条比任何 TOPS 数字都实。

一口气说清旗舰这颗锐龙 AI Max PRO495

旗舰型号锐龙 AI Max+ PRO 495 的基本盘，还是那套熟悉的异构三件套：

- CPU：Zen 5，16 核 32 线程，最高加速 5.2GHz；

- 显卡：Radeon 8065S，RDNA 3.5，40 个图形计算单元；

- NPU：XDNA 2，最高 55 TOPS。

减配的两款 490、485，分别砍到 12 核和 8 核、NPU 降到 50 TOPS，但全系都保住了 192GB 统一内存这张王牌，cTDP 也在 45–120W 的区间里，从巴掌大的迷你主机到工作站都能塞得进去。

这里有个细节值得单独拎出来：全系统一内存都是 192GB，没在低配版上缩水。AMD 显然清楚，这个系列真正的卖点是「内存」，而不是那两颗核心。

沙龙现场首秀了 9 款搭载 495 的新品，几乎把国内迷你主机和工作站的玩家叫齐了：联想 ThinkCentre X Ultra、超聚变 FusionXpark M 系列、铭凡 MS-S1 MAX-P495、极摩客 EVO X5 Pro、七彩虹灵创 Mini Pro、阿迈奇 F9A、亿道（Emdoor）、六联的两款。

有意思的是，这些机器虽然都吃同一颗 495，形态却明显分成了两拨：一拨走「桌面 AI 超算」的老路，把工作站级算力塞进一台机器里，吃本地大模型、数据密集任务的饭；另一拨走「迷你主机」的新路，把 192GB 内存压进一个只有几升体积的小盒子，主打「开发者桌面上的私有推理服务器」。

AMD 给的口径是，近期还有 20 多款基于 495 平台的新品要上市。一个刚从概念走进真机的品类，能这么快铺开 20 多款，说明生态伙伴不是来站台的，是真打算卖。

我们正处于智能体 PC 的分水岭

如果只把这场发布会看成「AMD 发了颗新处理器」，那会漏掉它真正想押注的东西。

智能体 PC 的分水岭，正在从「算力 TOPS」转向「内存容量」。

第一，模型在变。行业这两年的事实是，模型一边变强一边变小，越来越多云端专属的能力被压缩到本地能跑的量级。这些模型的落地门槛，几乎全是内存，不是算力。

第二，工作负载在变。智能体是「连续调用多个模型＋长上下文」的场景，它对峰值算力的瞬时需求，远不如它对内存容量的持续需求来得真实。

第三，账在变。AMD 大中华区市场营销副总裁纪朝晖那句「本地调用中小规模模型、大幅降低推理成本」，落到企业和开发者的账本上，就是省下了每一笔按次计费的云端推理。对个人用户，这 192GB 大概率是「过剩」；但对要本地跑大模型、做私有部署的开发者、科研和政企，它是刚需。

所以直到现在，我对这颗芯片的期待，仍旧不在「普通消费者要不要冲」，而在它能不能让「本地跑大模型」从发烧友的玩具，变成开发者工具箱里的一件常备设备——就像当年配了 128GB 内存的开发机，贵，但有人就是离不开。

往回想这几年的 AI PC，其实藏着一个挺有意思的转折。第一轮，大家抢的是能不能把 NPU 塞进去、TOPS 数字谁更大；等 NPU 都塞完了，才慢慢看明白，智能体想要的根本不是瞬时那一口算力，而是一块能一次装下整个模型和上下文的地方。锐龙 AI Max PRO 400 把统一内存做到 192GB，等于在 x86 这条老路上，替想干这件事的人把门踹开了。

20 多款新品一旦铺开，本地推理会先被一群「离不开」的人接住——要调模型的开发者、数据不能送出本地的政企、想低成本做私有部署的中小团队。等这批人把工具链和部署方案磨顺了，本地跑大模型才会真的往普通人的桌面上滑。这件事不会很快，但一定会来。