AMD将分布式计算定位为应对智能体AI推理成本上升的方案。

科技公司AMD敦促企业重新考虑其计算基础设施，因为代理AI的采用增加了令牌消耗和云计算成本，并指出分布式AI架构是一种成本管理解决方案。

随着自主AI代理超越试点项目进入部门工作流程，其持续运营大幅增加了基于使用量的费用。AMD亚太地区总经理Alexey Navolokin表示："当AI从偶发性提示转向通过代理AI的连续工作负载时，令牌消耗可以快速增长，系统反复进行推理、调用工具并迭代。每一步都会消耗计算资源和系统开销，在云环境中，基于使用量的成本会不断累积。"

根据Anthropic的《2026年AI代理现状报告》，57%的受调查组织已经部署代理用于多阶段工作流程。Navolokin指出，组织采用代理是因为它们增强员工能力而非简单地自动化工作。"AI代理可以倍增员工能够完成的工作，而不是简单地替代人类工作。代理可以连续运作、处理重复执行并以个人难以维持的规模和速度协调多个步骤，同时员工可以专注于决策、创意、领域专业知识和责任。"小企业可以使用代理来支持团队，创意工作者可以委托日程安排和内容分发，专业人士可以将其用于研究和综合。在AMD内部，代理已经部署在半导体设计中，以加速问题识别和解决。

AMD认为企业可能需要重新考虑完全依赖云基础设施的做法。Navolokin表示："代理AI是一个分布式基础设施挑战，需要在云、数据中心、边缘和AI PC之间进行合理的计算资源配置。"分布式AI架构支持跨云、数据中心、边缘系统和启用AI的PC的工作负载，因为没有单一环境适合所有工作负载。

组织应该实践"工作负载适度调整"——为特定的AI工作负载确定最高效和最经济的基础设施。Navolokin表示："频繁或延迟敏感的工作负载可能受益于本地或边缘计算，而规模更大或高度灵活的工作负载可以继续使用云。"在AI PC上本地运行部分工作负载可以减少经常性的推理费用，用前期硬件成本抵消避免的云令牌收费。

AMD的分析发现，在中等工作负载级别（每个用户每天570万个输入令牌和574,000个输出令牌）下，500台AMD AI PC在50%本地和50%云的混合配置运行，与仅云部署相比可实现40%至60%的三年预计节省。该工作负载代表积极使用Claude Code、Codex或Hermes等代理工具的知识工作者。AMD估计，完全本地部署可以产生更高的节省，初期投资通常在不到24个月内回本。

AMD PRO R9700台式配置可以支持每天约1800万个令牌的AI使用，电费约为每月64.80美元。根据AMD的比较假设，该配置三年的成本为6,533美元，而基于云的使用成本为81,108美元。实际成本取决于工作负载、云模型、硬件利用率、电费和部署配置。

AI PC功能和较小语言模型的改进使得在本地处理更多AI工作负载成为可能。Navolokin表示："AI PC越来越被视为AI基础设施投资，因为它们将AI计算更靠近员工、数据和工作流所在的位置。具有足够内存和计算能力的本地系统可以运行支持工具调用、上下文丰富工作流和多代理应用的模型，使企业能够减少需要发送到云服务的推理量。这既可以降低经常性的云推理成本，又能提供更低的延迟和对敏感数据处理位置的更大控制。"随着代理越来越多地与企业应用程序和专有信息交互，本地处理还可以加强AI治理，使组织能够将敏感工作负载保持在本地。

过渡到分布式AI架构需要组织重新思考其技术堆栈。Navolokin表示："最大的挑战是平衡成本、数据控制和基础设施能力。本地AI还需要正确的基础设施，包括足够的内存、CPU和GPU容量、安全性和软件支持。"代理AI还可能改变企业容量需求，因为单个员工最终可能会同时运行多个代理。Navolokin指出："一个员工管理多个代理产生的并发计算、内存、数据访问和编排需求，远远超过传统AI助手。这意味着企业应该规划跨CPU、GPU、内存、网络和软件的均衡基础设施，而不是仅关注GPU性能。"

企业应该为代理AI技术的演进而构建灵活性。Navolokin表示："开放软件生态系统可以使团队能够在本地开发、大规模测试并在最合适的地方部署工作负载，同时随着代理AI的演进减少厂商锁定。在AMD，我们的方法是提供跨越数据中心、边缘和AI PC的开放生态系统组合，由开放软件和标准支持，在客户的AI部署不断演进时为其提供灵活性。"