一台小盒子，为何引发围观
沙龙现场并不张扬。
没有炫目的舞台布景，也没有大型展板。
几台黑色的小主机静静放在桌子上，看上去和市面常见的迷你 PC 并无二致。
直到 AMD 工程师点开演示画面，屏幕上赫然出现了 GPT-OSS-120B 的运行界面。
动辄百亿、千亿参数的模型，在这样一台台“小盒子”上跑了起来。
会场安静了几秒。随后，有人举起手机拍照，有记者低声和同伴确认：“这东西真能跑起来？”
在绝大多数人的认知里，千亿级模型的门槛就是“服务器”。
动辄几十万元，体积庞大、功耗惊人，还得配备专业的机房、电源与运维团队。
AMD 却拿出了一台台售价不到两万的小型工作站，把这个场景搬回了桌面。
这种“反差感”，在一个被“显存焦虑”困扰了一整年的行业里，格外让人震撼。
显存焦虑，终于有人给出答案
如果给 2025 年的 AI 行业做一份年度热词榜，“Agent” 和 “显存” 必然高居前列。
模型的参数量不断膨胀，从 7B 到 30B，再到 100B+；
场景的复杂度也在升级，从单一的文生文，到跨模态输入，再到多个 Agent 串联完成复杂任务。
所有这些进展，都在吞噬显存。
但现实极其残酷：
-
消费级显卡，大多停留在 24GB；
-
商用显卡，顶多也就是 32GB；
-
真要跑千亿级模型？直接超纲。
这就像是一条“算力分水岭”。
谁能跨过去，谁就有机会进入 Agent 的下一阶段；
谁跨不过去，就只能望而兴叹。
这便是所谓的“显存焦虑”。
开发者知道 AI Agent 的潜力，却发现手里的硬件无法承载。
企业想要试水，却发现成本高得难以承受。
科研机构更清楚模型的价值，却往往被资源限制绑住了手脚。
纪朝晖（AMD 大中华区市场营销副总裁）在现场点明了这一点：
“今天一张普通显卡跑不了千亿模型，但 395 能。”
他的话让在场的媒体人频频点头。
因为在这个节点，不仅能跑，而且还要跑得快！MoE架构的千亿参数模型如GPT-OSS-120B在这些mini AI 工作站上也能跑到40个tokens每秒的推理速度！。
云算力不是万能解药
那么问题来了：如果本地跑不动，为什么不去用云呢？
过去两年，云 GPU 租赁几乎成了创业公司和科研机构的“标配”。A100、H100 被炒成算力短缺时代的「硬通货」，谁掌握了算力，谁就掌握了研发主动权。
但真正在云上跑过大模型的人都知道：云并没有解决根本问题，反而暴露出三大局限。
1. 成本过高，难以长期承受
算一笔简单的账：
-
一张 80GB 的 A100，租赁价格最低几十元一小时；
-
长期实验下来，一个月轻松就是十万元级别；
-
如果要并行多个实验，成本还会成倍增长。
对于需要反复迭代的中小团队，这几乎是不可承受之重。很多团队并不是不想做实验，而是被价格劝退。
2. 调度不稳，供需缺口明显
云 GPU 的另一个痛点是“抢”。
在学术大赛、热门 benchmark 节点，经常出现排队数小时的情况。甚至有人遇到过模型跑到一半，云资源被系统强制回收，前功尽弃。
科研和开发需要稳定的环境，但云的波动性让实验随时可能被打断。对很多初创公司来说，这种不确定性几乎是致命的。
3. 数据约束，合规与安全的双重难题
AI 正快速进入垂直行业，而这些行业的数据天然敏感：
-
医疗影像、金融账单、工业设计文件，都是核心知识产权；
-
上传到云端，不仅要付带宽费，还可能触碰隐私和跨境合规风险。
很多企业 CTO 在评估云方案时，都被法务和合规部门反复拦下。
所以，云 GPU 不是“不行”，而是代价太大。
成本、稳定性、数据安全三座大山，正在逼着行业追问：有没有可能把百亿模型跑在本地？
这不是一个噱头，而是出于安全、成本、效率 三重考量的必然需求。
395 的出现，正是这一追问的具象化回应。
一台“小怪兽”，真能跑千亿模型
那么，锐龙 AI Max+395 到底凭什么？
它的秘密武器很直白：96GB 独享显存。
这并不是单纯把大容量内存堆上去，而是通过AMD统一内存架构（UMA）技术，把 128GB 系统内存灵活分配给 CPU、GPU、NPU 使用。
其中，96GB 可专供显卡。
这里的 CPU 是创新的 Zen 5 架构，16 核 32 线程、主频高达 5.1GHz，本来只会出现在顶级游戏本上；GPU 拥有 40CU，相当于 4060/4070 级别独显的性能；再加上 50+ TOPS 的 NPU，完全符合 Windows 11 AI+ PC 标准。
换句话说，它等效于一张 4060/4070 级别的独立显卡，却带着服务器级别的显存空间。
这一点在本地大模型部署时尤为关键。
传统显卡常见的“瓶颈”在于：算力够了，显存却不够。
结果就是：模型放不下，跑不起来。
锐龙AI Max+ 395 通过 UMA 技术打破了这道“物理门槛”：
-
大模型能装下：千亿参数不再是服务器专属；
-
算力能调度：CPU、GPU、NPU 协同，避免资源浪费；
-
灵活能扩展：显存可动态调整，更适合 Agent 长上下文与并行任务。
在演示中，根据实际估算及模型官方文档，AMD 给出了几组显存占用数据：
-
Qwen3-30B：需要18GB 就能跑，轻松通过。
-
Llama4-109B：需要66GB 显存跑通。
-
Mistral Large 123B：需要68GB 显存。
-
GPT-OSS-120B：需要 80GB 显存，实测达到了 40+ Tok/s。
这些模型的共同点是：虽不是“671B”那样的庞然大物，但也都是百亿乃至一千亿级里极具可用性的“黄金模型”。
科研需要它们，企业项目需要它们，开发者更想在本地复现实验。
而此前，24GB/32GB 显卡完全无力触碰。
一句话：395 把服务器才能玩的“大模型实验”，搬回了桌面。
它不是 PC，也不是服务器
为什么 AMD 要把它叫做 “Mini AI 工作站”？
纪朝晖在现场说了一句掷地有声的话：
“希望它能像互联网时代的树莓派一样，成为 AI 时代的普及推动者。”
这并不是一句简单的营销口号。
树莓派在互联网时代的意义，从来不是性能，而是普及与可玩。
它把计算带进了每一个极客的书桌，让数以百万计的人第一次真正有机会“动手试一试”。
锐龙 AI Max+395 延续的正是这种逻辑：
-
它不是传统 PC——性能太弱，跑不动千亿模型；
-
它也不是服务器——价格太高，中小企业用不起；
-
它是夹在中间的“新物种”：一台能被个人、团队、小企业负担得起的 工作组级 AI 工作站。
换句话说，它不是替代机房，而是让算力下沉到更接近用户的地方。
纪朝晖的另一句话也很关键：
“Windows 11 AI+PC 已经让每个员工人手一个 AI 助手；
下一步，就是 Mini AI 工作站，让团队、小企业、超级个体都有属于自己的 Agent 引擎。”
这既是对锐龙AI MAX+ 395 的定位，也是对市场未来的判断。
Agent 元十年，需要这样的机器
2025 年被业界称为“AI Agent 元年”。
但正如 Karpathy 泼过的冷水：“真正成熟要十年。”
这意味着，我们刚刚进入的是一个“元十年”：未来十年，Agent 的每一步成长，都离不开可靠的本地算力。
Lisa Su 博士在公开发言中，曾经把 AI 定义为：
“过去 50 年里最重要的技术变革”
她强调，未来几十年的科技创新将高度围绕 AI 展开。
从科研突破到企业流程重构，从教育到娱乐，AI 会成为每个行业的基础设施。
在这样的背景下，Agent 并不是一个可有可无的附加功能，而是下一代生产力的入口。
但是：
-
云端 Agent 面临 数据安全与合规挑战，尤其是涉及知识产权和隐私的场景；
-
动辄几十万的 AI 一体机服务器，中小企业与开发者根本负担不起；
-
小模型虽便宜，却撑不起复杂任务，更无法满足长上下文和多 Agent 协作。
因此，市场确实缺少一个新的定位：既能跑千亿参数模型，又足够便宜好用。
锐龙 AI Max+395 恰好踩在了这个关键点上。
场景里的锐龙AI MAX+395，比参数更有说服力
硬件规格永远冰冷。
真正让人信服的，是它能不能跑起来、能不能进到真实场景。
在沙龙现场，AMD 与合作伙伴一起展示了几个典型Demo：
1. 个人开发者
过去写 Demo，需要会代码。
现在借助锐龙AI MAX+ 395，哪怕是没有编程经验的朋友，也能在 LM Studio 作为本地大模型平台，为 N8N 自动化工作流工具提供大模型API调用，做出一键分析 B 站数据的“小助手”。
或者快速用AI协助制作真实工作需要的便利小工具如 KPI 检查工具：输入表格，选择对应的时间和活动，工具帮你核查逻辑合理性，输出结论。
2. 小企业
一家制造公司，把几千个零件的 BOM 批量分析交给 395 上的大模型。
以前人工检查，出错就是灾难；现在 AI 不仅快，还精准。
HR 场景同样现实：1000 份简历，AI 先筛一遍，再把合适的推给面试官。
3. 社区/物业
某物业服务的公开区域摄像视频流数据，以前需要昂贵的服务器来处理抽帧、识别、报警。
借助 395 可以多模并行：YOLO 做目标检测，VLM 做场景分析，ML 算法做预测。火情、入侵、电瓶车过热，甚至垃圾溢满，都能实时告警。
算力从“机房”下沉到“小盒子”，成本直接砍掉一多半。
4. 家庭
孩子踢被子、冰箱物品不足、家庭相册智能检索。
这些过去依赖云端的“智能家居幻想”，如今能在本地落地。
而且数据留在家里，不必担心隐私泄露。
5. 会议室
会议是最典型的长上下文场景。
395 能处理 100K+ 上下文，配合 MCP，做会议纪要、跨语种翻译、代办任务分配。
过去靠秘书，现在靠 Agent。
这些场景，展示了 395 从“个人到团队，从社区到家庭”的广阔适用性。
比起参数，这些故事更有说服力。
纪朝晖也在现场强调：
“今天市场上确实缺少一个合适的平台。我们希望 395 成为那个解决方案。”
八家厂商押注，生态开始发芽
锐龙AI MAX+ 395 并不是孤军作战。
在7月的Mini AI工作站行业解决方案峰会上，AMD携合作伙伴展出了超过20款的AMD锐龙 AI Max+395 Mini AI工作站产品。
在这场媒体沙龙上，就有 八家合作厂商 同台亮相，展示了搭载锐龙 AI Max+ 395 的多样化产品：
Abee：AI Station 395 Max
惠普：Z2 Mini G1a
希未：AideaStation R1
零刻：GTR9 Pro
首届玲珑：六联智能AXB35-02-H02-BQ
极摩客：EVO–X2
天钡：NEX395
铭凡：MS–S1 Max
在生态层面，Ripple AI、魔搭社区、Wisemodel 等伙伴则更强调软件与社区：
-
Ripple AI Station 已经正式上线，提供开发者套件、远程调试、教程模板和社区互助，定位直白——把 395 打造成“AI 版树莓派”；
-
魔搭社区 与Wisemodel 始智 AI 陆续开展了例如 MCP/Agent 挑战赛与NPU应用开发编程赛。
“AI 的普及，不只是卖硬件，更要让开发者、学生、小企业有工具可用，有社区可依赖。”
这种打法和树莓派当年的路子如出一辙：硬件、软件、社区三位一体，推动生态滚雪球式成长。
品牌野心：从苏妈到全栈 AI
如果把这次沙龙只看成一场产品秀，那就低估了 AMD 的野心。
过去几年，AMD 的品牌势能正在快速上升：
-
过去四年，AMD 品牌价值提升了 8 倍；
-
Lisa Su 博士去年被《时代》杂志评为 年度 CEO；
-
今年，她又在《财富》全球商业领袖榜排名第 14 位；
-
在 BrandZ 最新全球最有价值品牌榜中，AMD 已经跻身 前 50，排名第 47。
这意味着，AMD 已经不再是过去那个被视为“挑战者”的角色，而是在逐渐塑造 AI 时代的 领导者心智。
Lisa Su 在多个公开场合都明确表示：
“AI 是过去 50 年里最重要的技术变革，甚至超过互联网的诞生。”
在她的带领下，AMD 构建的 AI 版图覆盖了从 数据中心到边缘再到终端 的完整链路。今天又通过mini AI 工作站覆盖端侧、边缘侧，打通AI Agent赋能实体应用的最后一公里。
而锐龙 AI Max+ 395，就是这条战略链路里最贴近用户的那一环。
它的意义不只在于一台机器，更在于心智：告诉市场，AMD 不只是芯片供应商，而是在为 AI Agent 元十年 铺设地基。
未来的可能性
纪朝晖在现场总结时说：
“今天一张普通显卡跑不了千亿模型，但 395 能。我们希望它成为团队、部门、小企业的 AI 引擎。”
这句话，道出了 395 的定位——它是 算力下沉的拐点。
如果说Windows 11 AI+ PC 让 AI 助手走进了每个员工的桌面，那么 Mini AI 工作站 的意义，就是把Agent 引擎 交到团队、小企业、超级个体的手里。
它既不像服务器那样昂贵，也不像普通 PC 那样捉襟见肘，而是恰好踩在了那个“空白带”。
未来，我们或许会看到：
-
学生 在课堂上用 395 学习 AI 原型开发，成为真正的 AI 原生人才；
-
开发者 在家里用 395 搭建工作流，不再依赖昂贵的云服务；
-
小企业 用 395 承载内部 Agent 系统，从简历筛选到业务数据分析；
-
家庭 用 395 做智能中枢，把安全、健康、生活的琐事交给本地 AI；
-
一人公司 借助 395，跑起百万级任务，构建属于自己的业务引擎。
所有这些场景的背后，是一个共同的逻辑：算力普惠。
这场没有大屏幕、没有灯光秀的沙龙，留下的最大记忆点，不是热闹，而是冷静的冲击感。
当 GPT-OSS-120B 在一台不到两万块的小主机上跑起来时，所有在场的人都明白：某些东西真的变了。
纪朝晖说过一句话：
“AI Agent 元十年不会等人，但 AMD 希望把门槛降下来，让更多人能参与其中。”
锐龙 AI Max+ 395 也许不是最强大的机器，但它极有可能是最“及时”的那台。
AI Agent 的大幕正在拉开，而 AMD 用一台小怪兽，把未来推到了我们眼前。
