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。
