隨著人工智慧技術在終端裝置的應用日益深化，AI PC 的發展正迎來全新轉折。AMD 客戶端產品行銷全球副總裁Michael Nordquist深入闡述AMD對於「代理 式PC」 （Agentic PC）的定義，並且全面剖析以Ryzen AI Max系列為核心的產品組合佈局。
定義「代理式PC」：從輔助走向自主運算
相較於早期AI PC主要專注於基礎運算，Michael Nordquist明確定義「代理式PC」的概念：這是一種具備強大GPU、CPU與NPU組合的個人電腦，讓使用者能夠高效地在本地端執行各種AI代理 （AI Agent）工作負載。這類裝置不僅能處理超過千億組參數的大型模型，通常也需要配備64GB以上的記憶體，才能滿足龐大且複雜的運算需求。
AMD強調其在AI運算領域與代理式運算的業界領導地位。回顧產品發展脈絡，AMD從2023年推出首款內建NPU的Ryzen 7000系列處理器 ，到2024年推出主打AI PC的Ryzen AI 300系列，再到如今推動2025與2026年世代的Ryzen AI Max 400系列，持續引領架構推進。
目前，AMD已經累積出貨數千萬台AI PC，並且擁有超過250個設計方案；而在更高階的代理式PC領域，出貨量也已突破50萬台，更有超過50款設備設計已經進入市場。
頂級規格佈局：Ryzen AI Max架構與產品線解析
針對不同的市場定位，AMD建構涵蓋全方位的Ryzen AI PC產品組合。在消費與一般商用領域，提供Ryzen AI與具備企業管理功能的Ryzen AI PRO處理器；針對開發者與AI創新者，推出效能更強大的Ryzen AI Max處理器與Ryzen AI Halo開發者平台；而針對極致效能的商業工作站，則具備Radeon AI PRO顯示卡與Threadripper Halo Station的組合。
在硬體架構細節上，頂級的Ryzen AI Max處理器採用最新Zen 5架構，最高搭載16核心與32執行緒，並且支援高達192GB的LPDDR5x整合記憶體 （傳輸速率達8533MT／s）。圖形與AI加速方面，則是結合具備獨立顯示卡等級效能的AMD RDNA 3.5架構及XDNA 2架構，並且透過原生x86環境直接支援Windows與Linux系統，完全無需依賴模擬層，確保絕佳的軟體相容性與執行效能。
突破本地端極限：流暢執行3000億參數大型語言模型
受惠於強大的記憶體與算力配置，AMD Ryzen AI Max平台能解鎖次世代的AI能力，是目前唯一能在Windows環境下原生運行3000億參數規模模型的代理式PC。
根據AMD的測試數據，該平台能夠在本地端流暢執行GLM 5.3 Flash 320B模型，推理速度可達每秒20個Tokens；在運行千問Qwen 3.8 Flash Next （125B+51B） 模型時，速度更能攀升至每秒42個Tokens。
Michael Nordquist指出，強大的本地端運算能力讓使用者與企業能進行無限次的推論迭代，無需花費昂貴的雲端Token成本，同時也能將機敏資料留在本地，確保企業隱私。
在生成式AI的實測表現上，搭載AMD Ryzen AI Max+ PRO 495處理器的系統，在執行Z Image Turbo、Ideogram V4、FastVideo H3等多款主流AI生成工具時，效能均顯著超越競爭對手Intel Core Ultra X9 388H。
堅實的軟硬體生態系：串聯微軟、思科與專業級應用
除了硬體效能領先，AMD也積極擴展廣泛的軟體生態系支援。在專業應用部分，Ryzen AI Max+處理器能流暢執行Solidworks （涵蓋流體模擬、電路設計等）、Autodesk （3DS Max、Alias）、Mastercam等需要龐大運算資源的Windows原生工業級軟體。
在戰略合作方面，AMD與Perplexity攜手，讓使用者能在搭載Ryzen AI Max的裝置上運行本地AI任務與週期性工作流。微軟更選擇Ryzen AI Halo作為其Project Zenith開發者平台的首發硬體合作夥伴。
此外，考量到企業IT對資安與管理的高度要求，AMD也與Cisco展開合作，結合AMD PRO技術的硬體級防護與管理功能，協助企業將本地端AI從個人開發階段，安全且具備高度可管理性地擴展至整個企業級環境。
會後問答重點與分析：生態系整合與實際推論效能解密
在本次簡報的問答環節中，Michael Nordquist針對與會媒體針對軟體工具相容性與推論效能數據的真實測試環境提出進一步探討，以下為重點整理與觀點分析：
針對新興代理工具的整合與最佳化戰略：
針對媒體詢問AMD未來是否會與WorkBuddy、OpenClaw等熱門的AI代理工具展開合作，Michael Nordquist回應指出，雖然對部分新興工具尚未全面熟悉，但AMD現階段確實已有與OpenClaw等解決方案密切合作的相關佈局。他坦言，過去業界在整合這類代理工具時面臨不小的挑戰，因此AMD目前的戰略核心在於「化繁為簡」，致力於讓代理工具的整合與工作流程變得更簡單。
從此回應可以看出，AMD在代理式PC的推廣上，不僅依賴硬體算力的堆疊，更意識到軟體生態系碎片化的痛點，試圖扮演降低開發與部署門檻的橋樑角色。
大型語言模型推論數據的實測條件釐清：
針對簡報中提及GLM 320B達20 tokens／s、Qwen 3.8 FlashNext達42 tokens／s的驚人推論效率，有媒體深入追問此數據是純解碼 （Decode） 速度，還是包含預填 （Pre-fill），以及多代理程式 （Agents） 同時運作時的具體情況。
Michael Nordquist釐清，該測試主要是基於基礎任務的執行，並未在前端輸入過於龐大的提示詞 （Prompt），因此並未產生龐大的Pre-fill負載，這兩個亮眼的數據主要是反映以Decode為主的效能表現。而在多重代理同時運作的情境下，測試時採用的前期提示詞相對單純。
《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》
討論區