AMD近日發布了一份技術指南，詳細闡述了在Windows系統上通過兩種不同硬件路徑實現OpenClaw本地化運行的方法。這一舉措是AMD“Agent Computers”戰略的重要組成部分，旨在滿足個人和企業用戶對數據控制、無限制使用及高性價比AI的需求，將AI智能體完全部署在本地PC上。
AMD提出的兩條技術路徑分別命名為“RyzenClaw”和“RadeonClaw”，均基于AMD自有芯片架構。其中“RyzenClaw”方案依托配備128GB統一內存的Ryzen AI Max+系統，建議預留96GB作為可變顯存。該方案在WSL2環境下運行，通過LM Studio結合llama.cpp實現本地化AI大語言模型推理，并支持Memory.md本地嵌入功能，全程無需依賴云端服務。測試數據顯示，運行Qwen 3.5 35B A3B模型時，該配置可達到每秒45個token的處理速度，處理1萬個輸入token約需19.5秒，支持最高26萬token的上下文窗口，并能同時運行六個智能體。
另一條技術路徑“RadeonClaw”則采用不同架構，需搭配Radeon AI PRO R9700工作站顯卡使用。這款擁有32GB顯存的專業顯卡在性能上表現更為突出，運行相同模型時處理速度可達每秒120個token，處理1萬個輸入token僅需約4.4秒。不過該方案在上下文窗口容量上有所妥協，最大支持約19萬token，且同時運行的智能體數量限制為兩個。AMD強調，這兩種方案均可在1小時內完成配置部署，主要面向早期AI智能體開發者和個人用戶。
從硬件成本來看，兩條技術路徑均定位高端市場。采用RyzenClaw方案需要配備Ryzen AI Max+ 395處理器的工作站設備，目前市場售價普遍超過1萬元人民幣；而RadeonClaw方案中的Radeon AI PRO R9700顯卡單獨售價即達1299美元（約合8939元人民幣）。這種硬件門檻使得端側AI智能體的普及面臨挑戰，當前主要適用于專業開發場景和特定行業應用。
AMD的技術方案通過優化本地計算資源分配，在保證數據隱私的同時實現了接近云端服務的處理性能。RyzenClaw方案通過統一內存架構實現顯存與系統內存的動態調配，而RadeonClaw方案則憑借專業顯卡的并行計算能力提升推理效率。兩種路徑在性能、成本和擴展性上的差異化設計，為用戶提供了根據具體需求選擇硬件配置的空間。
盡管端側AI智能體展現出數據安全性和實時響應等優勢，但高昂的硬件成本仍是制約其普及的關鍵因素。AMD此次發布的技術指南為本地化AI部署提供了可行方案，但要實現大規模應用仍需等待硬件成本下降或出現更具性價比的替代方案。當前階段，這類技術更可能被應用于對數據隱私要求較高的企業場景或專業開發領域。
