AMD 与 Nvidia 的 GB10 AI 工作站的竞争对手将于几天内开始预购，但这是否太少太晚了？
一句话看懂：AMD 宣布其 Ryzen AI Halo 开发者平台将于 6 月在美国 Microcenter 开启预购，直接对标 Nvidia DGX Spark 和 Apple Mac Mini。作为一款紧凑型 AI 开发工作站，它拥有 128GB 统一内存和 16 核 Zen 5 处理器，但比主要竞品晚到了接近两年，且生态和网络能力仍有明显短板。
事件核心：发生了什么
AMD CEO 苏姿丰在 2025 年 CES 主题演讲中发布了 Ryzen AI Halo 开发者平台，时隔四个多月后终于有了明确的上市节点：2025 年 6 月通过美国 Microcenter 独家开启预购，建议零售价 3999 美元。
该平台搭载 AMD Ryzen AI Max+ 395 APU（16 核 Zen 5 架构，TDP 120W），配备 128GB 统一内存和 2TB 存储，支持 Windows 或 Linux 双系统。网络方面仅提供 10GbE 以太网口，而竞品 Nvidia DGX Spark 则配备支持高达 200Gbps 的 ConnectX 网卡，允许多机互联处理超 200B 参数的大模型。
在 AI 推理性能上，AMD 官方自测显示其 FP16 算力为 60 TFLOPs，较 Nvidia DGX Spark（最高 1 petaFLOP FP4）有明显差距。但在部分大语言模型的 token 生成效率上，AMD 宣称有 4% 到 14% 的领先。同时，Ryzen AI Halo 支持 Wi-Fi 7 和蓝牙 5.4，整机尺寸略小于 DGX Spark。
为什么重要
AMD 直接向 Nvidia 的 AI 开发者硬件生态发起挑战，但时机非常被动。Nvidia DGX Spark 早在 2024 年 10 月就已上市，HP 和 Minisforum 等 AMD 第三方合作伙伴也已推出类似配置的 Z2 Mini G1a 和 MS-S1 Max 产品。AMD 官方平台整整晚了近两年才入局，这让“太晚”不仅是一种观点，而是可量化的事实。
更重要的是，AMD 当前版本不具备与 DGX Spark 匹敌的高速网络互联能力，这使得它在运行超大规模模型（>200B 参数）或需要集群部署的场景中完全处于劣势。对于重度依赖 CUDA 生态的开发者而言，AMD 的 ROCm 软件栈仍需验证成熟度。目前公开信息显示，AMD 唯一的差异化优势在于更低的每 token 功耗和同时支持 Windows 系统，这对部分企业 IT 部门有吸引力。
对用户/开发者/创作者的影响
AI 开发者和研究人员：如果你使用 PyTorch 或 ONNX Runtime 且不依赖 CUDA，Ryzen AI Halo 是一个值得考虑的一体化方案，特别是 128GB 统一内存可以运行本地 70B 甚至 130B 参数模型。但若需要运行 CUDA 原生应用或需要多机分布式训练，Nvidia DGX Spark 目前仍是唯一选择。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
企业采购者：对于预算敏感的中小企业，3999 美元的价格比 DGX Spark（4TB 版本 4700 美元）便宜约 15%，且 AMD 平台尺寸更小，部署更灵活。但需要注意，AMD 只提供 2TB 存储，如果需要更大容量则需要额外外接。此外，6 月预购后的供货周期尚未公布，确定性不如已有长期合作伙伴的 HP 方案。
内容创作者 / 本地 AI 工作站用户：如果你熟悉 Windows 生态、偏好 NPU 加速，这款设备可以替代 Mac Mini 或更高端的 PC 工作站用于本地 AI 图像生成或模型微调。但 AMD 目前尚未公布支持的主流 AI 框架和工具链列表，需要根据后续软件兼容性评价进一步判断。
值得关注的后续
1. ROCm 软件生态成熟度：AMD 能否在预购开放前完善其 PyTorch、TensorFlow 及云端推理框架的支持，是决定这台设备是否“能用”的核心变量。目前公开信息尚未涉及这个层面。
2. Microcenter 独家是否影响全球可用性：美国独占策略虽然有利于零售渠道，但中国、欧洲、东南亚等主要 AI 开发者市场将无法第一时间购买到该产品，这会进一步延缓生态用户增长。
3. Nvidia 下一代紧凑型方案的回应：考虑到 AMD 比 Nvidia 晚了近两年，Nvidia 可能在 2026 年推出更小功耗、更强 NPU 的 DGX 升级版。AMD 如果不加快迭代节奏，不仅无法逆转用户认知，还可能面临刚上市即被升级产品压过的风险。
来源：TechRadar
