AMD memperlihatkan OpenClaw sebagai framework AI agent yang dirancang berjalan langsung di PC berbasis Ryzen dan Radeon. Pendekatan ini menandai dorongan baru AMD agar pemrosesan AI tidak selalu bergantung pada cloud dan data center.
Bagi pengguna, ide utamanya sederhana: asisten AI bisa aktif di komputer pribadi dengan kontrol yang lebih besar atas data dan beban komputasi. AMD menempatkan konsep ini dalam inisiatif Agent Computer, yakni visi komputasi personal yang mendekatkan AI ke perangkat lokal.
OpenClaw saat ini belum diposisikan sebagai produk arus utama untuk semua pengguna. AMD mengaku solusi ini lebih cocok untuk pengembang dan early adopter yang ingin menguji AI agent lokal dengan kemampuan besar.
Apa itu OpenClaw dan cara kerjanya
Secara teknis, OpenClaw berjalan di Microsoft Windows melalui Windows Subsystem for Linux atau WSL2. Untuk inferensi model AI, AMD menggunakan LM Studio dengan backend llama.cpp, sehingga model bahasa besar dapat dijalankan langsung di mesin pengguna.
Salah satu contoh model yang didemokan adalah Qwen 3.5 35B A3B. Kehadiran model ini menunjukkan bahwa OpenClaw tidak sekadar konsep, melainkan sudah diarahkan untuk menangani model berukuran besar pada perangkat kelas tinggi.
AMD juga menyertakan sistem memori lokal bernama Memory.md. Fitur ini menyimpan konteks percakapan berbasis embedding tanpa perlu sinkronisasi ke cloud, sehingga privasi dan kontinuitas interaksi menjadi nilai utama.
Dalam konteks AI agent, memori lokal penting karena agent tidak hanya menjawab satu perintah lalu selesai. Agent perlu menyimpan konteks, memahami tugas yang sedang berjalan, dan meneruskan pekerjaan tanpa harus selalu menarik data dari server eksternal.
Dua konfigurasi utama yang dipamerkan AMD
AMD menyiapkan dua skenario perangkat keras untuk OpenClaw. Keduanya menunjukkan bahwa performa AI agent lokal sangat dipengaruhi oleh cara beban komputasi dibagi antara CPU, NPU, memori terpadu, dan GPU.
Konfigurasi pertama disebut RyzenClaw. Sistem ini memakai AMD Ryzen AI Max+ 395 dengan memori terpadu 128GB, dan AMD menyarankan sekitar 96GB dialokasikan untuk kebutuhan grafis agar inferensi model berjalan optimal.
Pada konfigurasi ini, model Qwen 3.5 disebut mampu menghasilkan sekitar 45 token per detik. Untuk input sepanjang 10.000 token, waktu pemrosesan yang dicapai sekitar 19,5 detik.
RyzenClaw juga memiliki jendela konteks hingga 260.000 token. Angka ini penting untuk beban kerja yang membutuhkan percakapan panjang, dokumen besar, atau koordinasi beberapa tugas AI dalam satu sesi.
AMD menyebut sistem ini dapat menjalankan hingga enam AI agent secara bersamaan. Kapasitas multi-agent tersebut menjadi salah satu sorotan, karena membuka peluang otomasi lokal yang lebih kompleks di PC performa tinggi.
Konfigurasi kedua diberi nama RadeonClaw. Pada model ini, porsi utama komputasi dipindahkan ke GPU workstation AMD Radeon AI PRO R9700 dengan VRAM 32GB.
Hasilnya, performa token meningkat cukup tajam menjadi sekitar 120 token per detik. Pemrosesan input 10.000 token juga turun menjadi sekitar 4,4 detik, jauh lebih cepat dibanding skenario RyzenClaw.
Namun ada kompromi yang perlu dicatat. Jendela konteks RadeonClaw lebih kecil, sekitar 190.000 token, dan kemampuan menjalankan agent simultan juga turun menjadi dua agent.
Perbandingan spesifikasi yang dipamerkan
Berikut gambaran singkat dua konfigurasi OpenClaw yang diperkenalkan AMD:
| Konfigurasi | Perangkat utama | Kecepatan | Proses 10.000 token | Jendela konteks | Agent simultan |
|---|---|---|---|---|---|
| RyzenClaw | Ryzen AI Max+ 395, RAM 128GB | 45 token/detik | 19,5 detik | 260.000 token | 6 |
| RadeonClaw | Radeon AI PRO R9700, VRAM 32GB | 120 token/detik | 4,4 detik | 190.000 token | 2 |
Data ini memperlihatkan perbedaan fokus dari masing-masing konfigurasi. RyzenClaw lebih unggul untuk konteks besar dan jumlah agent lebih banyak, sedangkan RadeonClaw menonjol dalam kecepatan inferensi.
Mengapa pendekatan lokal makin menarik
Strategi AMD datang pada saat industri AI masih sangat bergantung pada cloud untuk banyak layanan agentic AI. Dengan OpenClaw, AMD mencoba menunjukkan bahwa sebagian kebutuhan itu bisa dipindahkan ke perangkat pengguna, terutama untuk skenario yang sensitif terhadap privasi atau membutuhkan respons cepat.
Keuntungan utama pendekatan lokal biasanya ada pada tiga area. Pertama, data tidak harus terus dikirim ke server pihak ketiga; kedua, pengguna memiliki kontrol lebih atas perangkat dan model; ketiga, biaya langganan cloud berpotensi ditekan untuk penggunaan tertentu.
Meski begitu, AI lokal tetap punya tantangan. Kebutuhan memori sangat besar, konfigurasi teknis tidak sederhana, dan perangkat keras yang dibutuhkan masih berada di level premium.
Hal itu terlihat dari kisaran harga yang disebut AMD. PC berbasis Ryzen AI Max+ dengan RAM 128GB diperkirakan mulai sekitar USD 2.700, sementara GPU Radeon AI PRO R9700 dijual di kisaran USD 1.299.
Siapa yang paling diuntungkan dari OpenClaw
Untuk saat ini, OpenClaw tampaknya paling relevan bagi pengembang, peneliti, dan pengguna profesional yang ingin membangun alur kerja AI agent di lingkungan lokal. Segmen ini biasanya membutuhkan eksperimen cepat, akses langsung ke model, serta fleksibilitas tinggi dalam mengatur memori, konteks, dan orkestrasi agent.
Bagi pengguna umum, manfaat OpenClaw masih akan bergantung pada kemudahan pemasangan dan dukungan perangkat lunak ke depan. Selama implementasinya masih mengandalkan WSL2, LM Studio, dan backend tertentu seperti llama.cpp, hambatan teknis tetap cukup tinggi.
Namun demo AMD memberi sinyal penting bahwa persaingan AI PC tidak lagi berhenti di fitur chatbot bawaan atau akselerasi NPU sederhana. Produsen chip kini mulai menargetkan skenario di mana beberapa AI agent dapat bekerja langsung di komputer pengguna, dengan memori lokal, konteks panjang, dan performa yang cukup untuk tugas-tugas berat tanpa harus selalu terhubung ke cloud.
Baca selengkapnya mengenai topik ini di artikel sumber: inet.detik.com
