Top.Mail.Ru
AMD начала продажи Ryzen AI Halo — компактного ИИ-ПК с 128 ГБ памяти | Новости ServerFlow Скачать
прайс-лист
Бесплатная
доставка по РФ
Бонус за
обратную связь
Интернет-магазин
Серверного оборудования
8 (800) 222-70-01 Консультация IT-специалиста Сравнение

AMD начинает продажи Ryzen AI Halo: компактный ИИ-ПК за $3999

~ 2 мин
1359
Простой
Новости
AMD начинает продажи Ryzen AI Halo: компактный ИИ-ПК за $3999

Введение

AMD официально запустила в розничную продажу Ryzen AI Halo — ультракомпактный ИИ-ПК, способный тянуть локальные модели до 200 миллиардов параметров без обращения к облаку. При рекомендованной цене $3999 новинка оказывается на $679 дешевле NVIDIA DGX Spark, одновременно обходя его по скорости генерации токенов в больших языковых моделях и вдвое превосходя Apple Mac Mini M4 Pro по объему унифицированной памяти.

Подробнее о AMD Ryzen AI Halo

Ryzen AI Halo базируется на однокристальном процессоре Ryzen AI MAX+ 395 из семейства Strix Halo. Этот чип объединяет 16 ядер Zen 5 с 32 потоками, встроенную графику Radeon 8060S на 40 вычислительных блоков архитектуры RDNA 3.5 и нейронный процессор XDNA 2 производительностью 50 TOPS, суммарно обеспечивая эффективность в 126 TOPS. Система оснащается 128 ГБ унифицированной памяти LPDDR5X-8000 и NVMe-накопителем PCIe Gen4 объемом 2 ТБ. Корпус размерами 5,9 × 5,9 × 1,7 дюйма делает устройство заметно компактнее Apple Mac Mini Pro на M4, при этом внутри прячутся три порта USB Type-C (один для подачи питания), Wi-Fi 7, Bluetooth 5.4, 10-Гбит/с Ethernet и выход HDMI 2.1b. Программная начинка полностью завязана на открытом стеке AMD ROCm версии 7.2.2. Разработчикам обещают полную совместимость с движком инференса LM Studio, генеративной средой ComfyUI, платформой VS Code и рядом других инструментов, а также поддержку нулевого дня для ведущих локальных ИИ-моделей — GPT-OSS, Qwen 3.6, FLUX.2, SDXL и им подобных.

Производительность на задачах вывода больших языковых моделей AMD сравнивает напрямую с DGX Spark и получает следующие цифры: на 120-миллиардной GPT-OSS прирост скорости токенов составляет +7%, на 122-миллиардной Qwen 3.5 — +12%, на 35-миллиардной Qwen 3.6 — +4%, на 30-миллиардной GLM 4.7 — +14%. Иными словами, во всех четырех сценариях Ryzen AI Halo оказывается быстрее прямого конкурента NVIDIA DGX Spark. А в сравнении с Apple Mac Mini M4 Pro, AMD заявляет, что AI Halo в среднем в 4 раза быстрее, а вдвое больший объем памяти позволяет работать с моделями до 200 миллиардов параметров, тогда как Mac Mini ограничен планкой в 100 миллиардов.

AMD также привела конкретный расчет экономической эффективности использования Ryzen AI Halo: при круглосуточной нагрузке с потреблением порядка 150 ватт ежемесячный счет за электричество составит около $16,2, в то время как аналогичный объем вычислений в облаке обходится примерно в $750 в месяц. С такими цифрами разовый платеж в $3999 отбивается за шесть месяцев; за три года совокупные затраты на Ryzen AI Halo не превысят $4500-4600, тогда как облачный провайдер за тот же период выставит счет более чем на $25 тысяч.

AMD отдельно подчеркивает универсальность платформы: это не узкоспециализированный ИИ-ускоритель, а полноценный ПК под управлением Windows или Linux, пригодный не только для инференса, но и для дообучения, работы с видео и изображениями в ComfyUI, а также для профессиональных аудио- и видеозадач.

Выводы

AMD наконец-то смогла достойно ответить Nvidia с выпуском собственного ИИ-ПК Ryzen AI Halo, который не просто конкурирует с DGX Spark, но и обходит его по ключевым параметрам: стоимости и скорости генерации токенов. При цене $3999, расчетной окупаемости в полгода и возможностью запуска моделей до 200 миллиардов параметров, Ryzen AI Halo может стать отличным решением для входа в индустрию локального ИИ-инференса без каких-либо компромиссов, а программный стэк ROCm 7.2.2 максимально упростит развертывание LLM на вашем железе. Компания ServerFlow обязательно наладит поставки ИИ-ПК AMD Ryzen AI Halo и уже в ближайшее время они появятся в ассортименте нашего интернет-магазина!
Автор: Serverflow Serverflow
Поделиться

Комментарии 2

Написать комментарий
Иван
Удивила планка в 200 миллиардов параметров при 128 ГБ памяти. Если считать в FP16, модель на 200B весит около 400 ГБ: она не поместится целиком даже с квантизацией. Какая точность весов подразумевается в этом заявлении: 4-битное квантование или обработка модели по слоям с подкачкой?
Serverflow
Именно: речь идёт о 4-битном квантовании (QLoRA или аналогичные методы), которое умещается в 128 ГБ. Для полной точности FP16 предел действительно ниже.
Никита
Сравнение по экономике убедительно, но почему в качестве базы для окупаемости выбрана именно круглосуточная нагрузка на 150 Вт? В реальной эксплуатации потребление будет зависеть от модели и частоты вывода токенов, а не от пикового TDP. Как эти цифры соотносятся с типичным рабочим циклом: несколько часов инференса в день?
Serverflow
В расчёте действительно взята непрерывная нагрузка как наихудший сценарий. Для типичного рабочего цикла ежемесячные затраты будут пропорционально ниже, а срок окупаемости: ещё короче.
Написать отзыв
До 6 фото, размером до 12Мб каждое
Мы получили ваш отзыв!

Он появится на сайте после модерации.

Написать комментарий

Комментарий появится на сайте после предварительной модерации

До 6 фото, размером до 12Мб каждое
Мы получили ваш отзыв!

Он появится на сайте после модерации.

Мы свяжемся с вами утром

График работы: Пн-Пт 10:00-18:30 (по МСК)

Обработаем вашу заявку
в ближайший рабочий день

График работы: Пн-Пт 10:00-18:30 (по МСК)