AMD quer um PC que trabalhe sozinho: entenda o que é um “computador para agentes” | Divulgação/AMD
A AMD publicou nesta segunda-feira, 5 de outubro, uma definição mais clara para aquilo que chama de “Agentic PC”, ou computador para agentes: uma máquina projetada para manter agentes de inteligência artificial trabalhando continuamente em vez de esperar que uma pessoa abra um aplicativo e faça cada pedido manualmente.
A diferença parece semântica, mas muda profundamente a função do computador. Num PC tradicional, alguém senta diante da tela, abre programas, escreve, edita, pesquisa e decide o que fazer em seguida; no modelo proposto pela AMD, parte desse trabalho passa a ser conduzida por agentes capazes de perseguir objetivos durante várias etapas, utilizar aplicativos e continuar tarefas por longos períodos.
A própria fabricante chega a fazer uma distinção incomum em sua documentação: um computador para agentes não precisa ser usado como um PC comum durante todo o dia, porque sua principal função pode ser oferecer capacidade de processamento dedicada aos agentes que trabalham em nome do usuário.
Isso aproxima o computador pessoal de algo que, até pouco tempo atrás, exigiria uma combinação de servidor, serviços de nuvem e automações externas.
Não é apenas colocar um chatbot dentro do Windows
A expressão “AI PC” já aparece há alguns anos em notebooks e desktops equipados com NPU, mas o conceito defendido agora pela AMD vai além de abrir um assistente e fazer uma pergunta.
Um agente precisa conseguir interpretar um objetivo, dividir o trabalho em várias etapas, decidir quais ferramentas utilizar, executar ações, avaliar resultados e continuar até atingir determinada meta.
Imagine, por exemplo, um sistema encarregado de acompanhar centenas de documentos, identificar alterações, gerar um relatório, atualizar uma planilha e repetir o processo diariamente. Num modelo tradicional, alguém dispara cada etapa; num modelo agêntico, o computador pode manter esse fluxo ativo continuamente.
A diferença central está justamente na persistência: não é apenas responder quando chamado, mas continuar trabalhando quando a tarefa exige várias decisões sucessivas.
A AMD quer agentes funcionando em tempo integral
No material publicado em 5 de outubro, a AMD afirma explicitamente que esses computadores são projetados para executar agentes de IA em tempo integral.
Isso cria uma exigência muito diferente daquela de um assistente usado ocasionalmente. Um modelo que permanece carregado durante horas precisa de memória suficiente, capacidade constante de processamento e eficiência para não transformar qualquer automação numa despesa permanente de nuvem.
A estratégia da AMD utiliza simultaneamente CPU, GPU e NPU, distribuindo diferentes partes do trabalho conforme a característica de cada tarefa.
A CPU pode cuidar da orquestração e da lógica geral, enquanto a GPU assume inferência de modelos maiores. Já a NPU atende cargas de IA mais eficientes e específicas quando o software consegue aproveitá-la.
A GPU volta a ser importante mesmo num “AI PC”
Durante o surgimento dos primeiros AI PCs, boa parte do marketing ficou concentrada nos TOPS da NPU.
Para agentes mais complexos, isso não conta toda a história.
Grandes modelos locais podem exigir muito mais capacidade do que uma NPU integrada consegue oferecer sozinha, especialmente quando o sistema precisa trabalhar com modelos de linguagem, geração de imagens, análise multimodal ou vários agentes simultâneos.
Por isso, a AMD coloca GPU e memória unificada no centro dessa nova categoria.
É uma lógica parecida com aquilo que o Folha do Leste já mostrou no Framework Desktop de 192 GB, computador compacto cujo enorme volume de memória compartilhada pode ser usado por cargas locais de inteligência artificial.
Memória pode importar mais que TOPS
Esse é provavelmente um dos pontos mais importantes dessa mudança.
Um modelo precisa caber na memória antes de conseguir trabalhar de maneira eficiente.
Quando o computador possui apenas alguns gigabytes acessíveis à GPU, modelos maiores precisam ser reduzidos, divididos ou enviados para outro ambiente.
Nos sistemas Ryzen AI Max, CPU e GPU conseguem compartilhar um grande conjunto de memória, permitindo reservar muito mais espaço para IA do que seria possível numa GPU integrada tradicional.
Na família mais avançada, a AMD já trabalha com sistemas de 128 GB e até 192 GB de memória unificada, quantidade que começa a aproximar PCs compactos de cargas antes associadas a workstations ou servidores.
Ryzen AI Halo mostra até onde a ideia pode chegar
A plataforma Ryzen AI Halo é um dos exemplos usados pela AMD para mostrar esse conceito.
Ela utiliza processadores Ryzen AI Max e foi projetada para desenvolvimento e execução local de inteligência artificial, combinando CPU Zen, gráficos Radeon, NPU XDNA e grande quantidade de memória num único sistema.
A AMD afirma que configurações com Ryzen AI Max+ 395 e 128 GB conseguem executar localmente determinados modelos com até 200 bilhões de parâmetros, dependendo de arquitetura, quantização e software.
Esse número não significa que qualquer modelo de 200 bilhões funcionará com desempenho ideal, mas demonstra a escala de memória que a empresa quer colocar fora dos data centers.
Perplexity já colocou essa ideia em funcionamento
A estratégia não está limitada a um conceito futuro.
O Folha do Leste mostrou em setembro que a Perplexity levou seu Portable Computer aos Ryzen AI Max, permitindo executar agentes, analisar arquivos e programar tarefas recorrentes diretamente em computadores compatíveis.
Nesse modelo, parte da inferência permanece local e não consome créditos do Perplexity Computer.
A nuvem continua disponível quando a tarefa precisa de informações atualizadas ou de modelos mais avançados, mas deixa de ser obrigatória para todo processamento.
Esse exemplo ajuda a entender o que a AMD quer dizer quando fala em “Agentic PC”: não é apenas hardware esperando que algum dia apareça um software capaz de utilizá-lo.
Local e nuvem devem trabalhar juntos
A própria AMD não apresenta a computação local como substituta completa da nuvem.
A ideia é decidir onde cada etapa faz mais sentido.
Informações privadas, arquivos internos e tarefas repetitivas podem permanecer no próprio computador, enquanto pesquisas atualizadas ou modelos extremamente grandes continuam recorrendo a serviços remotos.
Essa divisão pode reduzir custo, latência e quantidade de dados enviados para terceiros sem abandonar a capacidade praticamente ilimitada dos data centers.
Na prática, o agente pode trabalhar com uma combinação de inferência local + serviços online, escolhendo cada recurso conforme a tarefa.
Privacidade vira argumento de venda
Executar um modelo localmente traz uma diferença simples: os dados não precisam necessariamente deixar a máquina para cada operação.
Isso pode ser relevante para empresas que lidam com:
- documentos internos;
- código proprietário;
- contratos;
- bases de clientes;
- planejamento financeiro;
- projetos confidenciais.
Naturalmente, possuir hardware local não garante privacidade sozinho. O agente ainda pode utilizar aplicativos conectados, APIs e serviços externos.
Mas a empresa passa a ter maior controle sobre quais etapas precisam sair da máquina e quais podem permanecer nela.
Trabalhar continuamente também reduz dependência de créditos
A outra vantagem é econômica.
Serviços de IA em nuvem normalmente cobram assinatura, créditos, tokens ou consumo computacional. Para um agente utilizado eventualmente, isso pode ser perfeitamente aceitável.
A conta muda quando uma tarefa precisa permanecer ativa várias horas por dia.
Um computador local possui custo inicial elevado, além de energia e manutenção, mas não cobra por token toda vez que o modelo processa uma nova etapa.
A AMD chegou a promover essa ideia anteriormente com a expressão “pay once for cloud-grade intelligence”, defendendo hardware local para quem utiliza IA de forma contínua.
Isso não significa que IA local seja gratuita
Depois que o computador foi comprado, continuam existindo custos.
Há consumo elétrico, armazenamento, manutenção, atualização de software e eventualmente assinaturas dos próprios aplicativos utilizados pelo agente.
Modelos locais também podem exigir bastante energia quando permanecem processando durante horas.
Por isso, comparar uma máquina dedicada com um serviço online exige olhar para o volume real de uso.
Para alguém que executa poucas tarefas por mês, a nuvem pode continuar sendo mais econômica.
Um PC pode deixar de ter usuário diante dele
Talvez a definição mais curiosa venha da própria página da AMD.
Ao responder se um computador para agentes é usado como um PC comum, a fabricante diz essencialmente que não precisa ser.
Uma pessoa pode configurar a máquina inicialmente, mas depois seu principal usuário passa a ser o próprio agente ou um conjunto de agentes.
Isso cria uma categoria estranha entre desktop e servidor.
O equipamento continua pequeno, utiliza hardware típico de PC e pode até rodar Windows, mas pode permanecer num canto executando tarefas sem monitor, teclado ou alguém trabalhando diretamente nele.
É quase um servidor pessoal de IA
Essa descrição aproxima bastante o conceito de um pequeno servidor doméstico ou empresarial.
A diferença está na finalidade.
Um servidor tradicional hospeda arquivos, sites, bancos de dados ou serviços. Um Agent Computer é pensado para manter modelos e agentes executando tarefas em nome de pessoas ou equipes.
Um escritório poderia, por exemplo, reservar uma máquina para preparar relatórios, classificar documentos, monitorar projetos ou trabalhar sobre bases internas continuamente.
A AMD quer tornar esse tipo de infraestrutura acessível sem exigir um rack de servidores.
Não precisa ser necessariamente um notebook
A palavra “PC” também pode enganar.
A estratégia inclui notebooks, workstations compactas e desktops dedicados.
O próprio Framework Desktop de 192 GB mostra como fabricantes podem construir pequenos equipamentos voltados principalmente a cargas locais de IA, sem depender de uma GPU discreta gigantesca.
Para agentes que trabalham continuamente, um desktop pequeno pode até fazer mais sentido que um notebook, já que não precisa sacrificar capacidade por bateria ou mobilidade.
Radeon AI PRO entra onde a carga cresce
A AMD também inclui Radeon AI PRO nessa estratégia.
Quando uma GPU integrada deixa de ser suficiente, placas profissionais podem aumentar capacidade de inferência e memória disponível para aplicações mais exigentes.
Isso coloca os Agent Computers numa escala que começa no Ryzen AI tradicional e pode avançar até sistemas muito mais especializados.
Em outras palavras, “PC agêntico” não representa uma configuração única.
É uma categoria definida principalmente pela função que o computador desempenha.
O DGX Spark mostra que a Nvidia segue caminho parecido
A AMD não está sozinha na tentativa de colocar IA de grande porte em computadores pequenos.
O Folha do Leste mostrou nesta semana a nova configuração de 64 GB do Nvidia DGX Spark, equipamento compacto dedicado a desenvolvimento e execução local de inteligência artificial.
A arquitetura e o posicionamento são diferentes, mas a tendência é parecida: levar cargas que antes dependiam de infraestrutura remota para uma máquina instalada ao lado do usuário.
A disputa, portanto, não está apenas em quem oferece mais TOPS.
Também envolve memória, ecossistema de software, consumo, compatibilidade com modelos e custo total de execução.
AMD aposta numa pilha aberta
Outro componente importante está no software.
Os sistemas Ryzen AI Halo trabalham com ferramentas como PyTorch, vLLM, llama.cpp, Ollama, ComfyUI e LM Studio, além da plataforma ROCm da própria AMD.
Isso interessa porque um computador para agentes precisa executar muito mais que um aplicativo desenvolvido pelo fabricante do processador.
Quanto maior a compatibilidade com ferramentas já utilizadas por desenvolvedores, menor a barreira para transformar um PC potente numa máquina de IA.
A estratégia também tenta evitar que o conceito dependa exclusivamente de um único serviço ou fornecedor de modelos.
Windows e Linux entram nessa história
A AMD trabalha com suporte tanto a Windows quanto Linux em suas plataformas voltadas ao desenvolvimento agêntico.
Isso faz sentido porque os dois sistemas ocupam papéis diferentes nesse mercado.
Windows facilita integração com aplicativos usados diariamente por empresas e usuários comuns, enquanto Linux domina grande parte das ferramentas, bibliotecas e ambientes utilizados no desenvolvimento de inteligência artificial.
Um agente que precisa interagir com programas de escritório pode preferir Windows.
Uma máquina dedicada a modelos e serviços locais pode se encaixar melhor em Linux.
Agente também precisa de permissão para agir
A parte mais delicada começa quando o sistema deixa de apenas analisar dados e passa a executar ações.
Um agente pode teoricamente:
- abrir programas;
- modificar arquivos;
- escrever código;
- preencher documentos;
- enviar mensagens;
- executar comandos;
- acessar sistemas corporativos.
Quanto mais autonomia recebe, maior se torna a necessidade de controlar permissões.
Um modelo que comete um erro ao responder uma pergunta gera uma resposta ruim.
Um modelo que comete o mesmo erro enquanto possui autorização para modificar arquivos pode criar um problema muito maior.
Segurança pode ser mais importante que desempenho
Esse talvez seja o maior desafio da visão apresentada pela AMD.
Manter agentes trabalhando continuamente exige mecanismos capazes de limitar exatamente o que cada um pode fazer.
Isso envolve:
- autenticação;
- isolamento;
- permissões;
- auditoria;
- logs;
- confirmação para ações críticas;
- recuperação de alterações;
- proteção contra conteúdo malicioso.
Um computador pode executar um modelo enorme e ainda ser um péssimo Agent Computer se não oferecer uma forma segura de controlar suas ações.
Portanto, CPU, GPU e memória resolvem apenas a parte computacional.
Prompt injection ganha outra dimensão
Agentes que trabalham com arquivos, páginas e mensagens também podem receber instruções maliciosas escondidas no conteúdo que analisam.
Esse problema é conhecido como prompt injection.
Num chatbot comum, uma tentativa desse tipo pode provocar uma resposta errada.
Num agente com acesso a aplicações e arquivos, as consequências podem ser maiores porque o sistema possui ferramentas para agir.
Quanto mais computadores passarem a executar agentes permanentemente, mais importante será separar aquilo que um documento diz daquilo que o agente realmente está autorizado a fazer.
Trabalhar sozinho não significa trabalhar sem supervisão
A expressão “autônomo” também precisa ser usada com cuidado.
Um agente pode executar várias etapas sem intervenção humana, mas isso não significa que deva receber liberdade irrestrita.
Em tarefas importantes, a melhor configuração provavelmente continuará envolvendo pontos de confirmação antes de decisões críticas.
O objetivo é automatizar trabalho repetitivo sem transformar o computador numa máquina capaz de tomar qualquer decisão sozinha.
Empresas podem ser o primeiro grande mercado
Embora a AMD fale em computadores pessoais, o uso corporativo parece especialmente adequado ao conceito.
Empresas possuem tarefas repetitivas, grande volume de documentos e processos que funcionam continuamente.
Uma máquina local também pode reduzir preocupações com dados enviados para serviços externos.
Isso ajuda a explicar por que a AMD oferece versões Ryzen AI PRO e Radeon AI PRO destinadas a ambientes profissionais.
O conceito pode chegar ao usuário doméstico, mas o retorno financeiro é mais fácil de justificar quando o agente economiza horas de trabalho todos os dias.
Para o consumidor comum, a utilidade ainda precisa aparecer
A maioria das pessoas não precisa hoje de um computador dedicado exclusivamente a agentes.
Um usuário que utiliza IA para escrever algumas perguntas, resumir textos ou ocasionalmente editar uma imagem provavelmente continua melhor atendido por serviços em nuvem.
A mudança acontece quando o computador precisa executar tarefas frequentes, usar muitos arquivos locais ou permanecer trabalhando mesmo depois que a pessoa encerra sua própria atividade.
Portanto, o Agent Computer ainda não é necessariamente “o próximo PC de todo mundo”.
É uma nova categoria procurando casos de uso que justifiquem sua existência.
Muito hardware de IA ainda permanece subutilizado
Existe também um problema conhecido no mercado de AI PCs.
Fabricantes passaram a vender NPUs cada vez mais rápidas antes que a maioria dos aplicativos tivesse funções capazes de utilizá-las intensamente.
Agentic computing pode criar justamente a carga contínua que estava faltando.
Se o computador mantém modelos trabalhando em segundo plano, CPU, GPU e NPU passam a ter uma função permanente em vez de permanecer ociosas esperando uma chamada ocasional.
Mas isso depende de software realmente útil.
Um componente só ganha valor quando existe trabalho relevante para ele executar.
O computador passa de ferramenta para trabalhador digital
Durante décadas, a lógica do PC permaneceu praticamente igual: alguém fornece comandos e a máquina executa.
A IA agêntica tenta alterar essa relação.
O usuário define um objetivo, enquanto o sistema decide parte do caminho necessário para chegar até ele.
A AMD agora quer hardware preparado para manter esse processo funcionando durante todo o dia, com modelos locais suficientemente grandes para reduzir a dependência da nuvem.
É uma diferença conceitual maior do que simplesmente colocar uma NPU mais rápida no processador.
O próximo PC pode trabalhar enquanto você não está nele
Essa talvez seja a maneira mais simples de compreender a proposta.
Um PC tradicional é valioso principalmente enquanto alguém o utiliza.
Um computador para agentes pretende continuar produzindo resultado mesmo quando ninguém está diante dele.
Isso não significa que computadores convencionais desaparecerão, nem que agentes locais substituirão a nuvem.
Mas mostra uma mudança importante na corrida por IA.
Depois de anos tentando colocar um assistente dentro de cada computador, a indústria começa a perseguir algo mais ambicioso:
um computador cujo principal usuário pode ser uma inteligência artificial trabalhando para você.
