AMD вывела на рынок мини-станцию Ryzen AI Halo с 128 ГБ объединённой памяти и ценой чуть ниже $4 тыс. Для тех, кто смотрит на локальный ИИ не как на игрушку в Ollama, а как на рабочий инструмент для инференса и дообучения моделей, новость важная: в компактном корпусе теперь можно получить объём памяти, который ещё недавно ассоциировался только с дорогими серверными сборками.
О системе 6 июля 2026 года сообщил The Register. Издание пишет, что главный аргумент Ryzen AI Halo не в свежести железа, а в том, что AMD пытается продать разработчикам и ML-энтузиастам готовую «AI-лабораторию в коробке»: с проверенной конфигурацией, предустановленным ПО, зависимостями и документацией для запуска и тонкой настройки моделей и агентных сценариев локально.
Здесь и начинается самое интересное. Формально устройство дешевле Nvidia DGX Spark, который теперь оценивается в $4699. Но год назад, отмечает The Register, похожую конфигурацию на базе того же семейства Strix Halo можно было собрать или купить примерно за $2 тыс. Сейчас этот аргумент почти рассыпался из-за роста цен на память и общего удорожания электроники. Поэтому Ryzen AI Halo выглядит не как «доступный вход в AI», а как компромисс для тех, кому уже тесно в рамках потребительских GPU с 16 или 24 ГБ видеопамяти, а бюджет на полноценную рабочую станцию с массивом ускорителей всё ещё не согласован.
По железу сюрпризов немного, но спецификация всё равно сильная. Внутри стоит Ryzen AI 395+ из семейства Strix Halo: 16 ядер Zen 5 с частотой до 5,2 ГГц и встроенная графика RDNA 3.5 на 40 вычислительных блоков. AMD заявляет около 56 терафлопс плотной FP16-производительности в идеальных условиях. Главное же здесь не CPU и даже не терафлопсы, а память: стандартные 128 ГБ LPDDR5X, подключённые по 256-битной шине с пропускной способностью около 256 ГБ/с. Из коробки под GPU отводится до 75% объёма, то есть примерно 96 ГБ, а в Linux, как отмечает The Register, этот лимит можно поднять почти до полной ёмкости системы. На бумаге этого хватает для запуска моделей до 200 млрд параметров в 4-битной точности.
Для разработчика эта арифметика важнее любой маркетинговой обвязки. В локальном ИИ узкое место очень часто не в вычислениях, а в том, помещается ли модель в память вообще. Если считать грубо, в 16-битной точности на каждый миллиард параметров нужно около 2 ГБ памяти, в 8-битной — примерно 1 ГБ, в 4-битной — около 512 МБ. Поэтому 20-миллиардную модель ещё можно впихнуть в видеокарту с 16 ГБ VRAM, а вот дальше начинаются танцы с квантованием, offload и падением скорости. Для полноценных fine-tune-задач ситуация ещё жёстче: даже обучение или дообучение относительно скромной 7B-модели может съесть свыше 100 ГБ памяти. На этом фоне Ryzen AI Halo продаёт не рекордную скорость, а сам факт, что задача просто запускается локально, без аренды облака и без сборки Frankenstein-станции из нескольких карт.
Правда, бесплатных чудес не бывает. По пропускной способности памяти система заметно уступает дискретным ускорителям верхнего сегмента. The Register приводит для сравнения GeForce RTX 5090 с пропускной способностью памяти 1,7 ТБ/с — это в разы больше, чем у Ryzen AI Halo. Но у такого сравнения есть неприятная для любителей десктопного апгрейда оговорка: у RTX 5090 только 32 ГБ VRAM. То есть для относительно компактных моделей дискретная карта будет быстрее, а для более крупных рабочих нагрузок, которые в неё просто не влезают, преимущество скорости обнуляется. В этом и состоит логика нового класса устройств вроде DGX Spark и Ryzen AI Halo: они не самые быстрые, зато закрывают ту часть рынка, где пользователю важнее вместимость памяти и предсказуемость среды, чем сухой максимум токенов в секунду.
Ещё один слой этой истории — программная упаковка. Если вы уже живёте в Linux, не боитесь ROCm, HIP, контейнеров и совместимости PyTorch, то, по сути, покупаете знакомое железо в аккуратном корпусе. The Register прямо пишет: тем, кто успел взять систему на Strix Halo до скачка цен на DRAM, Ryzen AI Halo даёт не так много сверх уже доступного. Но для тех, кто только заходит в экосистему AMD для ML-задач, ценность в другом. ROCm на Ryzen APU и Radeon стал заметно дружелюбнее, чем раньше, но назвать его безболезненным всё ещё трудно. Зависимости конфликтуют, GPU passthrough для контейнеров требует лишних движений, а совместимость фреймворков по-прежнему зависит от конкретного приложения. Nvidia в этом плане проще, но тоже не рай. Поэтому готовая машина с уже установленным стеком — это не роскошь, а попытка монетизировать чужую усталость от DevOps-рутины.
Есть и ограничения, которые отделяют продукт AMD от более амбициозных серверных сценариев. У Ryzen AI Halo четыре USB-C, HDMI 2.1b, проводная сеть 10 GbE и Wi‑Fi 7, но нет высокоскоростной сетевой связности уровня QSFP. У DGX Spark, например, есть 200-гигабитный ConnectX-7 SmartNIC для объединения нескольких узлов в кластер. AMD тоже допускает кластеризацию нескольких устройств, но с таким сетевым набором это выглядит менее убедительно. Для одиночной рабочей станции разница не критична, а вот для команды, которая захочет масштабировать локальный ИИ горизонтально, вопрос уже не академический.
Для российского рынка и русскоязычной аудитории вывод довольно приземлённый. Ryzen AI Halo — это не массовый ПК «с ИИ», а инструмент для тех, кто считает стоимость не в рублях за коробку, а в неделях сэкономленного времени инженеров и в отказе от облачных счетов за GPU. Если задачу можно решить на одной быстрой видеокарте, то $4 тыс. выглядят тяжело. Если же нужны десятки гигабайт памяти под крупные модели, агентные пайплайны или аккуратный локальный контур для экспериментов, устройство AMD попадает в редкую и всё более дорогую нишу. Вопрос теперь не в том, нужен ли рынку такой локальный ИИ, а в том, сколько компаний готовы платить за удобство, которое ещё год назад стоило заметно дешевле.