AMD spinge i PC agentici: Gorgon Halo porta 192 GB contro Nvidia

📌 In Sintesi

• AMD sostiene di avere già spedito oltre mezzo milione di sistemi classificati come agentic PC e prepara Gorgon Halo contro la nuova categoria Nvidia RTX Spark.
• Ryzen AI Max e Max PRO 400 arrivano fino a 192 GB di memoria unificata, con 160 GB assegnabili alla GPU per modelli e agenti locali.
• La competizione si sposta dai soli TOPS alla capacità di mantenere modelli, dati e workflow agentici residenti sulla stessa macchina senza ricorrere continuamente al cloud.

AMD sta provando a trasformare “agentic PC” da etichetta commerciale a nuova categoria hardware. A pochi giorni dall’atteso debutto dei sistemi Nvidia RTX Spark, l’azienda ha mostrato benchmark dedicati ai nuovi chip Gorgon Halo e ha dichiarato di avere già spedito oltre mezzo milione di computer destinati ai workload agentici. Il dato più interessante non è però il volume rivendicato, ma la configurazione verso cui AMD vuole spostare il mercato: CPU, GPU, NPU e fino a 192 GB di memoria unificata nello stesso sistema per mantenere modelli e agenti in locale. Dopo anni nei quali l’AI PC è stata misurata quasi esclusivamente in TOPS, la quantità di memoria disponibile diventa il nuovo elemento industriale della competizione.

AMD anticipa RTX Spark con Gorgon Halo

AMD ha diffuso nuovi benchmark mentre Nvidia si prepara a portare RTX Spark sul mercato. Gorgon Halo identifica la nuova generazione Ryzen AI Max e Max PRO 400, piattaforme che possono arrivare fino a 16 core Zen 5, 40 compute unit RDNA 3.5, NPU da circa 55 TOPS e soprattutto 192 GB di memoria unificata, con una quota molto elevata assegnabile ai workload GPU. I benchmark restano dati del produttore e non equivalgono a test indipendenti, ma mostrano chiaramente la strategia: AMD vuole collocare questi sistemi tra il normale AI PC e la workstation dedicata all’inferenza. È la stessa fascia che Microsoft ha iniziato a formalizzare con Project Zenith e i requisiti di memoria elevata per l’AI locale.

Leggi anche: Nvidia dimezza DGX Spark: 64 GB a 4.999 dollari per l’AI locale

La memoria conta ormai più del solo numero di TOPS

La prima ondata di AI PC è stata venduta soprattutto attraverso le prestazioni della NPU, con soglie di 40 o 50 TOPS utilizzate come riferimento commerciale. Gli agenti cambiano il problema perché un workflow può mantenere contemporaneamente un modello orchestratore, modelli specializzati, embeddings, documenti, contesto e strumenti locali. La capacità di memoria diventa quindi un vincolo strutturale, non una semplice specifica accessoria. I 192 GB di Gorgon Halo permettono ad AMD di sostenere workload che sui normali notebook richiederebbero continui offload o modelli molto più piccoli. I benchmark con Qwen 3.8 27B su RTX 5090, DGX Spark e Ryzen AI Halo avevano già mostrato quanto memoria, context window, KV cache e runtime possano incidere più del picco teorico della GPU.

AMD vuole portare un piccolo server AI sulla scrivania

Il bersaglio reale non è il notebook consumer ma la workstation compatta capace di assorbire workload oggi eseguiti nel cloud. Nvidia sta occupando la stessa fascia con DGX e RTX Spark, mentre Apple ha seguito una strada ancora diversa aumentando enormemente la memoria unificata dei propri sistemi professionali, come mostrato dal Mac Studio M5 Ultra con configurazioni fino a 512 GB. AMD risponde mantenendo l’architettura x86 general-purpose e unendo CPU, GPU e memoria in una piattaforma utilizzabile sia come workstation tradizionale sia per inferenza. Questo non significa che 192 GB di RAM equivalgano a una GPU datacenter né che ogni modello di centinaia di miliardi di parametri diventi improvvisamente pratico, ma aumenta il numero di workload che possono rimanere interamente sul dispositivo quando privacy, latenza e costo API pesano più del throughput assoluto.

Il mezzo milione di PC agentici è soprattutto una dichiarazione di mercato

La cifra degli oltre 500.000 sistemi spediti deve essere letta con cautela. AMD utilizza una categoria ancora in costruzione e nel materiale riportato non pubblica una metodologia dettagliata che permetta di stabilire quali macchine vengano conteggiate e quale livello di autonomia debba raggiungere un sistema per essere definito “agentic PC”. Il numero resta quindi una dichiarazione del produttore, non una misurazione indipendente del mercato. La sua funzione strategica è però evidente: AMD vuole presentare gli agenti locali come segmento già esistente, non come promessa futura. La distinzione rispetto al normale AI PC consiste nella persistenza del workload: un agente deve poter consultare dati, orchestrare strumenti, conservare contesto e completare attività multi-step nel tempo, una logica già visibile nelle applicazioni che stanno spostando workflow agentici completi dal cloud verso il computer locale.

La competizione si sposta dal token al workflow completo

Per un agente locale non conta soltanto quanto velocemente la GPU genera token. Il sistema deve recuperare documenti, preparare il contesto, eseguire inferenza, chiamare strumenti, verificare risultati e mantenere più modelli residenti contemporaneamente. CPU, GPU, NPU e memoria devono quindi essere valutate come un’unica piattaforma. AMD insiste proprio su questo equilibrio, mentre Nvidia mantiene un vantaggio software enorme grazie a CUDA e al proprio ecosistema. Il mercato sta iniziando a misurare una caratteristica differente dal semplice benchmark sintetico: quanto lavoro completo può terminare una macchina senza inviare dati e inferenza a un data center remoto. In questo quadro la memoria unificata non è soltanto un modo per caricare modelli più grandi, ma serve a evitare continui trasferimenti tra componenti e a mantenere attivi agenti che devono operare per periodi molto più lunghi di una normale sessione chatbot.

Continua con:

OpenAI Dots gira su VM AMD EPYC a 9 core: il costo nascosto degli agenti AI

Windows 365 assorbe Dev Box mentre Microsoft spinge Project Zenith e AI locale

L’agentic PC trasforma memoria e autonomia nei nuovi colli di bottiglia

Il passaggio dai chatbot agli agenti cambia infine la definizione stessa di PC AI. Un computer capace di generare testo occasionalmente può accontentarsi di un acceleratore relativamente piccolo; una macchina che deve mantenere uno o più agenti in esecuzione continua ha bisogno di memoria abbondante, bandwidth, storage veloce e un sistema operativo capace di governare strumenti e permessi. Gorgon Halo non dimostra ancora che AMD abbia vinto questa partita e i benchmark del produttore dovranno essere confrontati con test indipendenti quando RTX Spark sarà disponibile in quantità. Indica però con precisione dove si sta formando il prossimo collo di bottiglia: non più soltanto quanti TOPS possiede un chip, ma quanta intelligenza può rimanere realmente residente sulla macchina, lavorare per ore e accedere ai dati senza ricorrere continuamente al cloud. Se questa categoria prenderà piede, il vero AI PC non sarà quello che risponde più velocemente a un prompt, ma quello che riesce a completare più lavoro autonomamente prima di chiedere aiuto al data center.