Il PC che sostituisce il cloud: la grande scommessa di AMD sull'AI locale

Nel corso dell'evento Advancing AI 2026, AMD ha delineato la propria visione sul futuro dell'intelligenza artificiale "personale". Michael Nordquist, CVP Product Marketing della divisione Computing and Graphics Group dell'azienda, ha toccato il tema ormai quotidiano degli "agenti AI", descritti come il prossimo grande moltiplicatore di produttività: secondo AMD, un agente personale può raddoppiare la produttività di un utente, un team di agenti coordinati può arrivare a un fattore 10 volte, mentre agenti multi-capacità potrebbero teoricamente raggiungere un moltiplicatore di 100 volte.

Per sostenere questo scenario, l'azienda ha insistito sui vantaggi dell'esecuzione locale dei modelli rispetto al cloud: maggiore controllo su dati e privacy, assenza di costi ricorrenti legati ai token di inferenza e continuità di funzionamento anche senza connettività di rete.

Clicca per ingrandire

Un punto centrale riguarda l'evoluzione dei modelli linguistici di piccole dimensioni. AMD ha messo a confronto GPT-OSS, modello open da 120 miliardi di parametri rilasciato nell'agosto 2025, con Qwen 3.5 da soli 9 miliardi di parametri, disponibile da marzo 2026: nel benchmark GPQA (Graduate-Level Google-Proof Q&A) i due modelli ottengono punteggi sostanzialmente equivalenti, rispettivamente 80,1 e 81,7.

Un secondo confronto, riferito a modelli più recenti, mostra Qwen 3.6 da 27 miliardi di parametri superare, sullo stesso benchmark, sia Claude Sonnet 4.5 (83,4) sia Claude Opus 4.5 (87,0), con un punteggio di 87,8. Secondo l'azienda, questi dati testimoniano come modelli open di dimensioni contenute stiano progressivamente colmando il divario prestazionale con i modelli proprietari di fascia alta, riducendo al contempo i costi computazionali necessari per l'inferenza.

Questa tendenza, secondo AMD, rende praticabile l'esecuzione locale di modelli sempre più capaci direttamente su PC consumer. La gamma Ryzen AI viene indicata come piattaforma di riferimento: i processori Ryzen AI 400 sono descritti come in grado di gestire modelli fino a 9 miliardi di parametri, con un limite dichiarato di 24 miliardi, mentre la piattaforma Ryzen AI MAX supporta modelli da 27 miliardi di parametri, con un tetto teorico di 200 miliardi.

Clicca per ingrandire

A completare l'offerta, la piattaforma per sviluppatori Ryzen AI Halo, equipaggiata con 128 GB di memoria unificata, viene presentata come capace di eseguire nativamente modelli fino a 200 miliardi di parametri, con l'obiettivo dichiarato di semplificare il setup, ridurre i costi di esercizio e garantire supporto continuativo agli sviluppatori.

Guardando al futuro, AMD ha anticipato un'evoluzione della piattaforma Halo, indicata internamente con il nome in codice "Gorgon Halo", che dovrebbe portare la memoria unificata da 192 GB, estendendo la capacità di eseguire localmente modelli fino a 300 miliardi di parametri.

Clicca per ingrandire

Sul fronte software, AMD ha ribadito l'impegno verso un'unica piattaforma software, ROCm, pensata per funzionare in modo trasversale su tutta la gamma dell'azienda - da Ryzen AI a Radeon AI PRO, fino a Instinct MI ed EPYC - con l'obiettivo di garantire compatibilità con i principali framework di sviluppo AI e agentici, tra cui PyTorch, TensorFlow, JAX, vLLM, ONNX, oltre a framework per agenti come LangGraph, CrewAI e Ollama. In questo contesto è stata inoltre annunciata l'estensione della collaborazione con Hugging Face, che prevede supporto nativo per la piattaforma Halo, sviluppo congiunto di strumenti e kernel ottimizzati per l'inferenza locale e l'inclusione di un anno di abbonamento Hugging Face PRO con ogni sistema Halo acquistato.

Clicca per ingrandire

Michael Nordquist, infine, ha annunciato una partnership con Cisco, orientata alla sicurezza e alla governance degli ambienti di AI agentica in contesto aziendale. L'accordo prevede un'architettura a più livelli che integra hardware AMD Ryzen AI Halo con strumenti di controllo e sicurezza Cisco: dall'inferenza locale tramite Lemonade LLM, al sandboxing degli agenti, fino a un livello di enforcement delle policy di sicurezza (DefenseClaw) e strumenti di osservabilità basati su Splunk e AI Defense, il tutto gestito tramite una console di controllo centralizzata, Cisco Cloud Control.

Tra le funzionalità presentate figurano il monitoraggio dei costi di inferenza, l'analisi dell'efficienza di modelli e token, il controllo degli accessi delle diverse identità agentiche alle risorse aziendali e la possibilità di isolare in tempo reale eventuali attività anomale rilevate sugli endpoint.