AMD Ryzen AI Halo за $3 999 — альтернатива DGX Spark с 128 ГБ unified memory

Что произошло

AMD выпустила Ryzen AI Halo — компактный настольный AI-ПК на базе процессора Ryzen AI Max+ 395 (Strix Halo) с 128 ГБ единой памяти. Цена на момент анонса в июне 2026 года — $3 999 как для версии с Windows 11 Pro, так и для Linux-варианта. Это на $700 дешевле Nvidia DGX Spark, который стоит $4 699 после последнего повышения цены. Ryzen AI Halo ориентирован на разработчиков AI, которым нужен локальный инференс крупных LLM.

Детали

ПараметрAMD Ryzen AI HaloNvidia DGX Spark
Цена (июнь 2026)$3 999$4 699
Процессор/чипRyzen AI Max+ 395Grace Blackwell
Унифицированная память128 ГБ128 ГБ
ОСWindows 11 Pro / LinuxLinux
Ключевое преимуществоДешевле на $700, WindowsCUDA-экосистема, быстрее

Ryzen AI Max+ 395 относится к архитектуре Strix Halo с интегрированным GPU (RDNA 3.5) и NPU. Единая память 128 ГБ позволяет запускать модели с размером параметров до ~70B без квантизации или более крупные модели в INT4.

Сообщество отмечает ограничение: RDNA 3.5 уступает RDNA 4/5 по скорости AI-вычислений (до 2–8× разница по данным пользователей Tom’s Hardware). AMD-стек для AI-инференса пока считается менее зрелым, чем CUDA.

Что это значит

Для разработчиков, которым нужен локальный LLM: $700 разницы существенны, особенно в связке с поддержкой Windows (DGX Spark — только Linux). Если ваш рабочий процесс строится на Windows или вы не готовы платить премию за CUDA, Ryzen AI Halo — реальная альтернатива.

Ограничения реальные: CUDA-экосистема значительно шире, llama.cpp и vLLM с Nvidia работают надёжнее. Для продакшн-пайплайна AMD сначала протестируй совместимость своего стека (ollama, LM Studio, vLLM) конкретно на Strix Halo.

Горизонт: с выходом LPDDR6 (ожидается в 2027) пропускная способность памяти вырастет на ~50%, что существенно увеличит скорость инференса. AMD активно развивает ROCm — ситуация улучшается.

Поделиться
Связаться:
Крипто- и data-аналитик, инженер-программист (факультет компьютерных наук ХНУРЭ). В IT с 2008 года: администрировал корпоративный мониторинг в «Vodafone Украина», семь лет разрабатывал и продвигал веб-проекты, пять лет руководил маркетингом на метриках — конверсия, CTR, ROI, LTV.Криптовалютными рынками занимаюсь с 2021 года: ончейн-метрики, токеномика, макроэкономические индикаторы. Разработал собственную data-driven модель анализа рынка на 30+ метрик. Стек — Python (pandas, NumPy, SciPy, matplotlib), математическая статистика и EDA; сбор и сверку данных автоматизирую AI-агентами.Принцип — «Don't trust, verify»: каждая цифра проверена по первоисточнику, ключевые — минимум по двум независимым; прогнозы — только сценарии с условиями. Тезис без данных не публикуется.