Perkembangan kecerdasan buatan selama beberapa tahun terakhir sebagian besar bergantung pada layanan komputasi awan. Banyak model AI modern dijalankan di pusat data besar, sementara perangkat pengguna hanya berfungsi sebagai antarmuka. Namun pendekatan ini mulai dipertanyakan, terutama karena isu privasi data, biaya penggunaan, serta ketergantungan pada infrastruktur eksternal.
Melihat kondisi tersebut, AMD memperkenalkan pendekatan baru yang disebut “Agent Computer”. Konsep ini menekankan bahwa tidak semua pekerjaan AI harus diproses di cloud. Dengan kemampuan perangkat keras yang semakin kuat, komputer pribadi dinilai mampu menjalankan agen AI secara lokal tanpa bergantung pada server eksternal.
Sebagai langkah awal, AMD merilis panduan teknis untuk menjalankan platform OpenClaw secara lokal di Windows. Sistem ini dapat dioperasikan melalui dua jalur perangkat keras berbeda yang dinamakan RyzenClaw dan RadeonClaw. Keduanya dirancang untuk memanfaatkan chip AMD agar berbagai beban kerja AI dapat berjalan sepenuhnya di perangkat lokal.
Dalam implementasinya, lingkungan pengembangan dijalankan melalui Windows Subsystem for Linux 2 atau WSL2. Proses inferensi model bahasa besar dilakukan menggunakan LM Studio yang memanfaatkan mesin llama.cpp. Dengan pendekatan ini, model AI dapat berjalan langsung di komputer tanpa koneksi cloud. Sistem juga mendukung fitur Memory.md yang memungkinkan penyimpanan memori berbasis embedding secara lokal.
AMD menyatakan bahwa seluruh lingkungan tersebut dapat dikonfigurasi dalam waktu kurang dari satu jam. Target utama pendekatan ini adalah pengembang serta pengguna awal yang ingin bereksperimen dengan agen AI pribadi yang selalu aktif di komputer mereka.
Dua konfigurasi perangkat keras yang ditawarkan memiliki karakteristik berbeda. Jalur RyzenClaw menggunakan sistem berbasis Ryzen AI Max+ dengan memori terpadu sebesar 128 GB. AMD merekomendasikan agar sekitar 96 GB dialokasikan sebagai memori grafis variabel untuk menjalankan model AI berukuran besar.
Dengan konfigurasi tersebut, komputer mampu menjalankan model Qwen 3.5 35B A3B dengan kecepatan sekitar 45 token per detik. Sistem ini juga mampu memproses 10.000 token input dalam waktu sekitar 19,5 detik. Kapasitas konteksnya mencapai 260 ribu token dan memungkinkan hingga enam agen AI berjalan secara bersamaan.
Kemampuan menjalankan beberapa agen sekaligus menjadi salah satu fokus AMD. Perusahaan tersebut menyebut skenario ini sebagai eksperimen “agent swarm”, yaitu ketika beberapa agen AI bekerja bersama untuk menyelesaikan tugas kompleks di satu perangkat.
Sementara itu jalur RadeonClaw menggunakan pendekatan berbeda dengan mengandalkan kartu grafis Radeon AI PRO R9700. GPU kelas workstation ini memiliki VRAM 32 GB dan dirancang untuk beban kerja AI yang lebih intensif.
Kinerja konfigurasi ini jauh lebih tinggi. Dengan model yang sama, sistem mampu mencapai sekitar 120 token per detik. Proses untuk 10.000 token input dapat diselesaikan dalam sekitar 4,4 detik. Namun ada beberapa kompromi yang harus diterima. Kapasitas konteksnya lebih kecil yaitu sekitar 190 ribu token dan hanya mendukung dua agen AI berjalan secara bersamaan.
Perbedaan ini menunjukkan dua pendekatan berbeda dalam menjalankan AI lokal. Sistem berbasis CPU dan memori besar menawarkan fleksibilitas serta kemampuan menjalankan lebih banyak agen, sementara konfigurasi GPU memberikan kecepatan komputasi yang jauh lebih tinggi.
Meski konsep ini menarik, hambatan terbesar masih terletak pada biaya perangkat keras. Sistem RyzenClaw misalnya mengarah pada konfigurasi seperti Framework Desktop dengan prosesor Ryzen AI Max+ 395 dan RAM 128 GB yang harganya mulai sekitar 2.700 dolar AS. Sementara jalur RadeonClaw memerlukan GPU Radeon AI PRO R9700 yang dibanderol mulai sekitar 1.299 dolar AS hanya untuk kartu grafisnya saja.
Harga tersebut membuat teknologi ini masih berada pada tahap awal adopsi. Saat ini solusi tersebut lebih relevan bagi pengembang, peneliti, atau penggemar teknologi yang ingin membangun sistem AI mandiri di perangkat pribadi.
Namun arah yang ditunjukkan AMD memberi gambaran tentang masa depan komputasi AI. Jika perangkat keras terus berkembang dan biaya semakin turun, konsep AI yang berjalan langsung di komputer pribadi bisa menjadi alternatif penting terhadap layanan berbasis cloud. Pendekatan ini menawarkan kontrol data yang lebih besar, privasi yang lebih kuat, serta kemampuan menjalankan AI tanpa batas penggunaan dari penyedia layanan eksternal.