AMD个人AI战略深度解析：从Gorgon Halo到Ten自由的全链路洞察

IFA2026·AMD个人AI战略深度解析AMD想让人人"Token自由"从GorgonHalo到ThreadripperHaloStation，个人AI时代的全链路洞察行业研究报告·2026年9月CONTENTS目录01个人AI时代来临范式转变·Token爆炸·预算危机·三大要素02AMD的Token自由战略苏姿丰算力观·市场地位·第三局·50亿用户03GorgonHalo芯片详解代际进化·192GB内存·性能超越云端·对标DGX04个人AI硬件生态AI联盟·联想·惠普·万亿参数工作站·微软05云端vs本地的经济性成本对比·Token自由·混合计算最优解06行业格局与未来展望AIPC渗透率·AMDvsNVIDIA·未来展望01个人AI时代来临范式转变·Token爆炸·预算危机·三大核心要素CHAPTERONE01·范式转变从云端AI到个人AI：智能正在从数据中心回到你身边"AIPC是个人计算的基础设施，而非云端AI的替代品。"苏姿丰在CES展上的这句话，为AMD的个人AI战略定了调。8个月后，这一判断在IFA得到全面延展。两个时代的核心差异维度云端AI时代个人AI时代计算位置集中在云端数据中心本地设备+云端混合成本模式按Token按量付费硬件一次性投入+免费使用隐私控制数据上传云端，依赖服务商敏感数据本地处理，用户掌控个性化程度通用模型，千人一面个人上下文，千人千面JackHuynh的定义"我们正在进入个人AI时代。个人AI理解你的上下文，与数据紧密连接，扩展你的想象力和成就。它包含三个核心部分：本地计算、隐私与控制、个人上下文。"01·Token爆炸Token消耗爆炸式增长：AgenticAI推动每月处理量从0.7千万亿到120千万亿"每次生产力倍增，都伴随计算需求倍增。"JackHuynh指出，AgenticAI正以前所未有的速度推动Token消耗增长，这是个人AI时代到来的根本驱动力。Token处理量进化曲线0.7千万亿标准模型

每月处理量（基线）1.7千万亿Agent出现前

每月处理量（2.4倍）120千万亿2030年预测

每月处理量（171倍）Agent带来的Token消耗量级变化标准ChatGPT一次交互只用几百到几千Token；而一个自主Agent规划一次旅行，可能是数十万、数百万Token，且全天候发生。一个Agent帮一个人做更多工作，一组Agent并行工作，倍增效应不断扩大。核心逻辑Token消耗的爆炸式增长，意味着纯云端计算的成本将不可持续。把部分计算搬回本地设备，"聪明的计算"将转换成"更便宜的计算"。这就是AMD推动个人AI的根本逻辑——不是替代云端，而是让计算在最合适的地方运行。01·预算危机93%企业超出AI预算：每天1500万Token的云端成本高达一年近10万欧元"93%的企业都超出了自己的AI预算，Agent只会进一步增加需求。我们不能只是花更多钱，必须更聪明地计算。"JackHuynh的这句话，道出了企业在AI时代的普遍困境。云端Token成本测算（每天1500万输出Token）每日云端成本约300欧元/天按每天1500万输出Token计算年度云端成本近10万欧元/年仅一个用户的高强度使用场景成本结构的根本性变化云端AI的成本是可变成本——用得越多花得越多，Agent全天候运行后成本呈指数级增长。本地AI的成本是固定成本——支付硬件成本后，用户获得持续的"Token自由"，用一次或一千次都行。行业案例佐证AT&T为OTel2.0处理约1万亿Token，在MicrosoftFoundry上使用约530块GPU，其中430块为AMDMI300X。微软披露，这套开放模型方案相对前沿模型节省数千万美元。成本压力正在推动企业从纯云端转向混合计算。01·三大要素个人AI的三大核心要素：本地计算、隐私与控制、个人上下文JackHuynh在演讲中明确提出，个人AI包含三个核心部分。这三个要素共同构成了个人AI区别于云端AI的本质特征。01本地计算AI正越来越小、越来越快、功能越来越强。过去需云端订阅的，现在直接在电脑上完成。StrixHalo本地跑2000亿参数，GorgonHalo提升到3000亿。02隐私与控制个人AI触及你最有价值的部分——文件、对话、偏好。敏感工作应留在设备上、由你掌控；你的上下文随你选择的设备移动，只在你选择时分享。03个人上下文最强大的AI不只了解更多世界，也更了解你。没有上下文，AI只给一个答案；有了上下文，才给适合你的正确答案。两人问同一件事，需求可能完全不同。三要素的协同关系三个要素缺一不可：本地计算是基础，提供算力保障；隐私与控制是前提，建立用户信任；个人上下文是灵魂，实现千人千面。三者协同，才能真正实现"智能从你身边开始"，而不是从云端开始。01·本章小结第一章小结：个人AI不是云端AI的替代品，而是计算范式的必然演进个人AI时代的来临，不是某家公司的营销概念，而是技术演进、成本压力和用户需求共同推动的必然结果。本章的核心结论可以总结为三点。三个核心结论结论一：Token消耗的爆炸式增长（2030年预计每月120千万亿）使纯云端计算成本不可持续，必须把部分计算搬回本地结论二：93%企业超出AI预算，本地AI将可变成本转为固定成本，支付硬件后获得持续的"Token自由"结论三：个人AI的三大要素（本地计算、隐私与控制、个人上下文）共同构成区别于云端AI的本质特征，缺一不可下一章预告第二章将详细解析AMD的Token自由战略，包括苏姿丰的AI算力观、AMD在CPU和GPU市场的地位差异、"第三局"个人AI市场的战略意义，以及2030年50亿AI用户的预测。理解AMD的战略布局，才能理解GorgonHalo背后的商业逻辑。02AMD的Token自由战略苏姿丰算力观·市场地位·第三局·50亿用户预测CHAPTERTWO02·苏姿丰算力观苏姿丰的AI算力观：AIPC是个人计算的基础设施，而非云端AI的替代品"AI就是新时代的电力。正如电力最终融入日常生活，智能也将融入我们每天使用的工具之中。每一个伟大的计算时代，都赋予了人们过去所不具备的能力。而现在，AI正在赋予我们一种全新的能力。"苏姿丰AI战略的三个核心判断判断一AIPC是个人计算的基础设施，而非云端AI的替代品。本地和云端是互补关系，不是替代关系。判断二"我们才在第三局"——AI竞赛才刚开始，个人AI是尚未被充分开发的新战场，AMD有机会弯道超车。判断三2030年全球活跃AI用户将从10亿涨到50亿。用户规模的爆发将推动个人计算设备的全面AI化。战略逻辑苏姿丰的战略逻辑非常清晰：不在英伟达的主场（数据中心GPU）硬拼，而是开辟个人AI新战场。AMD在CPU市场的优势（EPYC46.2%份额）和x86生态的控制力，使其在个人计算市场有天然优势。把AI能力融入PC，是AMD差异化竞争的关键。02·市场地位AMD的市场地位：服务器CPU拿下半壁江山，数据中心GPU仍处追赶理解AMD的个人AI战略，必须先理解AMD在两个核心市场的地位差异。这种差异直接决定了AMD的战略选择。两大核心市场对比维度服务器CPU市场数据中心GPU市场AMD份额46.2%（2026Q1营收）5-7%（2026年估算）领导者份额英特尔约50%英伟达约80%竞争态势双雄并立，AMD持续上升一超一强，AMD追赶中核心产品EPYC系列（Zen架构）InstinctMI300X/MI350战略启示在数据中心GPU市场，英伟达的CUDA生态壁垒极高，AMD短期内难以撼动。但在个人计算市场，AMD的x86CPU优势和APU集成能力可以充分发挥。把AI能力融入PC，是AMD避开英伟达锋芒、开辟新战场的明智选择。02·第三局"我们才在第三局"：个人AI市场是AMD弯道超车的新战场苏姿丰在多个场合谈到AI时会提及"我们才在第三局"。这句话背后，是AMD对AI竞赛格局的深刻判断，也是个人AI战略的核心逻辑。AI竞赛的"三局"格局第一局云端训练大模型训练

英伟达主导

H100/B200

AMDMI300X追赶

CUDA生态壁垒高第二局云端推理大模型推理服务

英伟达仍主导

AMD有机会

MI300X显存优势

AT&T等客户采用第三局个人AI本地AI计算

新战场

AMD有优势

x86CPU+APU

GorgonHalo领先为什么是第三局第一局云端训练和第二局云端推理，英伟达都已建立强大优势。但第三局个人AI才刚刚开始，市场格局尚未定型。AMD在个人计算市场有x86CPU优势和APU集成能力，GorgonHalo的192GB统一内存已领先英伟达DGXSpark的128GB。这是AMD弯道超车的最佳机会。02·用户预测2030年50亿AI用户：AIPC渗透率从39%跃升至59%，硬件赶上软件的"交叉之年"苏姿丰预测，2030年全球活跃AI用户将从10亿涨到50亿。Counterpoint的跟踪数据也为"个人AI"的芯片战争提供了指引。AIPC市场渗透率爆发2025年高端AIPC渗透率39%2026年高端AIPC渗透率59%"交叉之年"的含义Counterpoint将2026年定义为硬件赶上软件的"交叉之年"。过去AI软件发展快于硬件，很多AI功能需要云端支持；现在硬件能力追上了，本地AI成为可能。AIPC渗透率从39%跃升至59%，标志着个人AI从概念走向普及。50亿用户的市场意义从10亿到50亿AI用户，意味着5倍的用户增长。这些用户不可能全部依赖云端计算——成本和隐私都不允许。个人AI设备将成为50亿用户的主要入口。谁能在个人AI市场占据领先地位，谁就能掌握下一个计算时代的主动权。02·本章小结第二章小结：AMD的Token自由战略是差异化竞争的明智选择AMD的Token自由战略不是一时兴起，而是基于市场地位、竞争格局和用户趋势的深思熟虑。本章的核心结论可以总结为三点。三个核心结论结论一：苏姿丰的AI算力观——AIPC是个人计算的基础设施而非云端替代品，"我们才在第三局"，个人AI是新战场结论二：AMD市场地位差异——CPU市场46.2%份额有优势，GPU市场5-7%处追赶，个人AI是发挥CPU优势的差异化战场结论三：用户趋势支撑——2030年50亿AI用户，AIPC渗透率39%→59%，2026是硬件赶上软件的"交叉之年"下一章预告第三章将详细解析GorgonHalo芯片，包括从StrixHalo到GorgonHalo的代际进化、192GB统一内存支持3000亿参数本地部署、本地模型性能超越云端的实测数据，以及对标英伟达DGXSpark的竞争分析。芯片是AMD个人AI战略的硬件基石。03GorgonHalo芯片详解代际进化·192GB统一内存·性能超越云端·对标DGXSparkCHAPTERTHREE03·代际进化从StrixHalo到GorgonHalo：统一内存128GB→192GB，本地模型参数2000亿→3000亿AMD的Halo系列APU代表了个人AI计算的技术路线。从StrixHalo到GorgonHalo，每一代都在统一内存和本地模型能力上实现跨越式提升。两代Halo芯片核心参数对比参数StrixHalo（2025）GorgonHalo（2026）统一内存128GB192GB（+50%）本地模型参数2000亿3000亿（+50%）本地实测模型LagunaS2.1GLM5.3Flash对标云端模型ClaudeSonnet5ClaudeFable5代际进化的意义统一内存是本地AI的核心瓶颈——模型越大，需要的内存越多。GorgonHalo的192GB统一内存，意味着3000亿参数模型可以完全在本地运行，不需要云端推理。这是个人AI从"能用"到"好用"的关键跨越，也是AMD技术路线图的核心竞争力。03·统一内存192GB统一内存：CPU与GPU共享高带宽内存池，突破本地AI的内存瓶颈统一内存（UnifiedMemory）是AMDHalo系列APU的核心技术创新。它打破了传统CPU内存和GPU显存分离的架构，让CPU和GPU共享同一个高带宽内存池。统一内存vs传统分离内存传统分离内存架构CPU使用系统内存（DDR）

GPU使用独立显存（HBM）

两者物理分离

数据需在两者间复制传输

延迟高、带宽受限

大模型无法完整加载

本地AI能力受限AMD统一内存架构CPU与GPU共享同一内存池

全部使用高带宽HBM内存

无需数据复制传输

延迟低、带宽高

192GB可完整加载3000亿参数模型

本地AI能力大幅提升

支持复杂Agent任务技术壁垒统一内存架构需要CPU和GPU在芯片设计层面深度整合，这是AMD作为同时拥有CPU和GPU技术的公司的独特优势。英伟达的DGXSpark虽然也有128GB统一内存，但GorgonHalo的192GB在容量上领先50%，且集成度更高、功耗更低，更适合个人计算设备。03·性能实测本地模型性能超越云端：StrixHalo上LagunaS2.1胜过ClaudeSonnet5AMD在IFA2026上展示了本地模型性能超越云端的实测数据。这标志着个人AI从"概念验证"进入"性能可用"的新阶段。两组关键性能对比实测实测一：StrixHalo+LagunaS2.1vs云端ClaudeSonnet5在StrixHalo（128GB统一内存）上运行的本地模型LagunaS2.1，在多项基准测试中胜过云端的ClaudeSonnet5。这意味着上一代Halo芯片已经具备超越主流云端模型的能力。实测二：GorgonHalo+GLM5.3Flashvs云端ClaudeFable5在GorgonHalo（192GB统一内存）上运行的本地模型GLM5.3Flash，在多项基准测试中胜过云端的ClaudeFable5。新一代Halo芯片将本地AI性能提升到新的高度。性能超越的意义本地模型性能超越云端，意味着个人AI不再是"妥协方案"。过去用户选择本地AI是因为隐私或成本，但性能不如云端。现在本地AI在性能上已经可以媲美甚至超越云端，同时还具备隐私、成本、低延迟等优势。这是个人AI普及的关键转折点。03·对标DGX对标英伟达DGXSpark：192GBvs128GB统一内存，3000亿vs2000亿参数本地部署英伟达在2025年发布DGXSpark，将个人AI工作站概念推向市场。AMD的GorgonHalo直接对标这一产品，在核心参数上实现领先。GorgonHalovsDGXSpark核心参数对比参数AMDGorgonHaloNVIDIADGXSpark统一内存192GB128GB本地模型参数3000亿2000亿架构x86CPU+GPUAPUARMCPU+GPU生态x86Windows生态CUDA生态竞争分析GorgonHalo在硬件参数上领先（内存+50%、模型参数+50%），且x86架构与Windows生态兼容性更好。但DGXSpark的CUDA生态优势明显，开发者工具链更成熟。AMD的策略是用硬件参数和x86生态吸引用户，同时通过开放标准UALink对抗英伟达的专有NVLink，逐步建立自己的生态。03·本章小结第三章小结：GorgonHalo是AMD个人AI战略的硬件基石GorgonHalo芯片是AMD个人AI战略的硬件基石，其技术创新和性能表现为个人AI的普及奠定了基础。本章的核心结论可以总结为三点。三个核心结论结论一：代际进化显著——统一内存128GB→192GB（+50%），本地模型参数2000亿→3000亿（+50%），每一代都实现跨越式提升结论二：性能超越云端——StrixHalo上LagunaS2.1胜过ClaudeSonnet5，GorgonHalo上GLM5.3Flash胜过ClaudeFable5，个人AI不再是妥协方案结论三：对标DGXSpark领先——192GBvs128GB统一内存，3000亿vs2000亿参数，x86生态兼容性更好，硬件参数全面领先下一章预告第四章将详细解析个人AI硬件生态，包括AMD组建的"个人AI"联盟、联想ThinkCentreX、惠普ZBook（代号Sunday）、ThreadripperHaloStation万亿参数工作站，以及微软ProjectZenith软件支持。芯片只是基础，完整的硬件生态才能推动个人AI普及。04个人AI硬件生态AI联盟·联想ThinkCentreX·惠普ZBook·Threadripper工作站·微软ProjectZenithCHAPTERFOUR04·AI联盟AMD组建"个人AI"联盟：芯片厂商联合OEM与软件巨头构建完整生态AMD在IFA2026上宣布组建"个人AI"联盟，联合芯片厂商、OEM厂商和软件巨头，共同构建个人AI的完整生态。这是AMD推动个人AI普及的关键战略举措。个人AI联盟的三层生态结构芯片层AMDGorgonHaloAPU（192GB统一内存，3000亿参数本地部署）、ThreadripperPROCPU、InstinctMI350PGPU硬件层联想ThinkCentreX、惠普ZBook（代号Sunday，190GB统一内存）、ThreadripperHaloStation工作站软件层微软ProjectZenith（支持AMDRyzenAIHalo）、VSCode、WSL、GitHubCopilotCLI、PowerShell联盟战略意义个人AI联盟的战略意义在于构建完整的生态闭环。芯片提供算力基础，硬件提供产品形态，软件提供开发工具和用户体验。三层协同，才能让个人AI从概念走向普及。AMD通过联盟整合产业链资源，对抗英伟达的CUDA生态壁垒，这是AMD差异化竞争的关键。04·联想ThinkCentreX联想ThinkCentreX：基于GorgonHalo的紧凑型个人AI工作站联想ThinkCentreX是基于AMDGorgonHaloAPU的紧凑型个人AI工作站，将企业级AI计算能力融入传统台式机形态，面向专业开发者和内容创作者。核心规格与定位处理器AMDGorgonHaloAPU

192GB统一内存

支持3000亿参数模型本地部署形态与定位紧凑型台式工作站

面向专业开发者

内容创作者与企业用户核心价值将企业级AI计算能力融入传统台式机形态，用户无需改变工作习惯即可获得本地AI能力。隐私安全（数据不出本地）、成本可控（固定硬件成本）、低延迟（本地推理无需网络）三大优势。市场意义联想ThinkCentreX的市场意义在于降低个人AI的使用门槛。传统AI工作站体积大、价格高、部署复杂，而ThinkCentreX将AI能力融入用户熟悉的台式机形态，让企业用户可以平滑过渡到个人AI时代。这是个人AI从专业市场走向主流市场的关键一步。04·惠普ZBook惠普ZBook（代号Sunday）：190GB统一内存的移动个人AI工作站惠普ZBook（代号Sunday）是基于AMDGorgonHalo的移动个人AI工作站，配备190GB统一内存，将个人AI能力带入笔记本形态，面向移动办公的专业用户。核心规格与差异化优势统一内存190GB形态移动工作站

笔记本形态目标用户移动办公

专业用户

内容创作者差异化优势190GB统一内存甚至超过GorgonHalo的192GB标称值（实际配置差异），是目前统一内存容量最大的移动工作站。笔记本形态让用户可以随时随地使用本地AI，无需依赖网络连接。技术挑战将190GB统一内存融入笔记本形态面临散热和功耗的巨大挑战。HBM内存功耗较高，需要高效的散热系统。惠普ZBookSunday需要在性能、功耗、散热之间找到平衡，这是移动个人AI工作站的技术难点，也是惠普工程能力的体现。04·Threadripper工作站ThreadripperHaloStation：96核CPU+4颗MI350P，支持万亿参数模型本地部署ThreadripperHaloStation是AMD个人AI硬件生态中的旗舰产品，将数据中心级计算能力带入工作站形态，支持万亿参数模型本地部署。核心规格（数据中心级配置）组件规格CPU96核ThreadripperPROGPU2块MI350P（可扩展至4颗）系统内存最高2TBHBM3E显存最高576GB散热全液冷旗舰定位ThreadripperHaloStation是AMD个人AI生态的旗舰产品，将数据中心级计算能力带入工作站形态。576GBHBM3E显存支持万亿参数模型本地部署，全液冷散热保障持续高性能运行。面向AI研究机构、大型企业和专业开发者，是个人AI的终极形态。04·微软ProjectZenith微软ProjectZenith：为AMDRyzenAIHalo打造的开发者软件栈微软ProjectZenith是微软与AMD合作的开发者软件栈，专门为AMDRyzenAIHalo处理器优化，预装全套开发工具，降低个人AI应用的开发门槛。预装开发工具栈VSCode代码编辑器

AI辅助编程

插件生态WSLLinux子系统

跨平台开发

容器支持GitHubCopilotAI编程助手

CLI工具

代码生成PowerShell自动化脚本

任务编排

系统管理软硬协同的战略意义ProjectZenith体现了软硬协同的战略思路。AMD提供硬件算力，微软提供软件生态，两者结合降低开发者使用个人AI的门槛。预装全套开发工具意味着用户开箱即用，无需复杂配置即可开始AI应用开发。对抗CUDA生态英伟达的CUDA生态是其最大壁垒。AMD通过与微软合作，利用Windows开发者生态对抗CUDA。VSCode、WSL、GitHubCopilot都是开发者日常使用的工具，将这些工具与AMD硬件深度整合，可以吸引更多开发者转向AMD平台，逐步建立自己的AI开发生态。04·本章小结第四章小结：完整的硬件生态是个人AI普及的关键AMD通过"个人AI"联盟构建了从芯片到硬件到软件的完整生态，覆盖不同用户群体和使用场景。本章的核心结论可以总结为三点。三个核心结论结论一：三层生态结构完整——芯片层（GorgonHalo/Threadripper/MI350P）、硬件层（联想/惠普/工作站）、软件层（微软ProjectZenith），形成完整闭环结论二：产品矩阵覆盖全场景——紧凑型台式机（ThinkCentreX）、移动工作站（ZBookSunday）、旗舰工作站（ThreadripperHaloStation），满足不同用户需求结论三：软硬协同对抗CUDA——微软ProjectZenith预装VSCode/WSL/GitHubCopilot/PowerShell，利用Windows生态降低开发门槛，对抗英伟达CUDA壁垒下一章预告第五章将详细解析云端vs本地的经济性，包括Token成本对比（云端Sonnet5的1000万输出Token约90欧元vsGorgonHalo高用量场景约500欧元但无按次计费）、Token自由的真正含义、以及混合计算的最优解。经济性是用户选择本地AI的核心驱动力。05云端vs本地的经济性成本对比·Token自由·混合计算最优解CHAPTERFIVE05·成本对比Token成本对比：云端按次计费vs本地固定成本，高用量场景本地更经济AMD在IFA2026上展示了云端与本地的Token成本对比。核心结论是：高用量场景下，本地AI的经济性显著优于云端。两种计费模式对比云端AI（按次计费）90欧元Sonnet5的1000万输出Token可变成本

用得越多花得越多

Agent全天候运行

成本呈指数级增长

93%企业超出AI预算本地AI（固定成本）约500欧元GorgonHalo高用量场景（月均）固定成本

支付硬件后无按次计费

用一次或一千次都行

获得持续"Token自由"

高用量场景更经济盈亏平衡点按云端90欧元/1000万Token计算，每月使用超过5500万Token时，本地AI（约500欧元/月硬件摊销）开始比云端更经济。对于Agent全天候运行的高用量用户，这个门槛很容易达到。用量越大，本地AI的经济性优势越明显。05·Token自由"Token自由"的真正含义：从按量付费到无限使用，释放AI应用的创新空间"Token自由"是AMD提出的核心概念，它不仅仅是成本问题，更是一种使用模式的根本性转变，将释放AI应用的创新空间。Token自由的三个层次经济层从可变成本转为固定成本，支付硬件后获得无限Token使用权。高用量用户不再担心"用超了"，可以放心使用AI。使用层从"按需使用"转为"全天候使用"。Agent可以24小时运行，自动完成任务，不需要人工触发。AI从工具变为助手。创新层从"省着用"转为"大胆用"。开发者可以尝试消耗大量Token的创新应用，如多Agent协作、大规模文档分析、实时代码审查等。类比：从付费电话到包月Token自由的意义可以类比通信行业的转变：从付费电话（按次计费）到包月套餐（固定成本）。包月套餐出现后，人们不再担心"打超了"，通话量大幅增长，催生了短信、彩信、移动互联网等创新应用。Token自由将同样释放AI应用的创新空间。05·混合计算混合计算是最优解：敏感任务本地处理，复杂任务云端协同个人AI不是要完全替代云端AI，而是与云端AI形成互补。混合计算架构将是未来的最优解，根据任务特点选择最合适的计算位置。任务分配原则本地处理（优先）敏感数据处理

（财务、医疗、法律）

日常高频任务

（邮件、文档、代码）

低延迟要求任务

（实时交互、语音）

高用量持续任务

（Agent全天候运行）云端协同（补充）超大模型推理

（超过本地内存容量）

模型训练与微调

（需要大规模算力）

多模态复杂任务

（视频生成、3D渲染）

跨设备数据同步

（多终端协同工作）AMD的战略定位AMD的战略不是"本地替代云端"，而是"让计算在最合适的地方运行"。GorgonHalo处理80%的日常任务，云端处理20%的复杂任务。这种混合架构既保证了隐私和成本，又保留了云端的强大能力。这是个人AI时代的最优计算架构。06行业格局与未来展望AIPC渗透率·AMDvsNVIDIA·未来展望CHAPTERSIX06·AIPC渗透率AIPC市场渗透率爆发：2026年高端AIPC渗透率达59%，"交叉之年"硬件追上软件Counterpoint的跟踪数据显示，AIPC市场正在经历爆发式增长。2026年被定义为硬件赶上软件的"交叉之年"，标志着个人AI从概念走向普及。AIPC渗透率进化趋势2024年~15%AIPC概念萌芽

NPU开始集成

应用场景有限

用户认知度低2025年39%AIPC快速普及

StrixHalo发布

128GB统一内存

2000亿参数本地部署2026年59%"交叉之年"

GorgonHalo发布

192GB统一内存

3000亿参数本地部署2030年预测>80%AIPC成为标配

万亿参数本地部署

个人AI全面普及

50亿AI用户"交叉之年"的含义Counterpoint将2026年定义为"交叉之年"——过去AI软件发展快于硬件，很多AI功能需要云端支持；现在硬件能力追上了，本地AI成为可能。AIPC渗透率从39%跃升至59%，标志着个人AI从概念走向普及，硬件创新将重新引领AI应用的发展。06·竞争格局AMDvsNVIDIA：从数据中心到个人AI，竞争格局正在重塑AMD与英伟达的竞争正在从数据中心扩展到个人计算市场。在新的战场上，AMD的x86生态优势和英伟达的CUDA生态优势将形成新的竞争格局。两大市场竞争格局对比维度AMDNVIDIA数据中心GPU5-7%份额（追赶）~80%份额（主导）服务器CPU46.2%份额（领先）不涉及个人AI芯片GorgonHalo192GBDGXSpark128GB生态优势x86+WindowsCUDA+AI框架互联标准UALink（开放）NVLink