华硕 ProArt GR1X 的机身是 150×150×51 毫米,1.1 升,1.48 公斤。桌面上腾出一个巴掌的位置,就能放一台跑 1200 亿参数模型的机器。
11 月 18 日开售。微星那台 64GB/1TB 卖 4399 美元。
1.1 升,是 1 瓶大可乐的体积。
1.1 升装了什么
CPU 是 20 核 Grace,10 个 Cortex-X925 加 10 个 Cortex-A725。GPU 是 Blackwell 架构的 RTX,6144 个 CUDA 核心。内存最高 128GB LPDDR5X,带宽约 300GB/s。接口给了万兆以太网和 Wi-Fi 7,最多 4 路 4K 输出。功耗分 2 档:桌面版持续 140W,笔记本版最高 80W。这 2 个数后面要用。2 个细节值得多说一句。万兆以太网意味着它能接进局域网,当一台小型推理服务器用,不只服务一个人;4 路 4K 意味着它能同时挂 4 块屏,摆成一个工作站的形状。这 2 项都不是游戏机的配置。
它的定位不是游戏机,是 7×24 常开跑个人 AI 智能体。
英伟达还配了一个叫 Switchyard 的调度层,已经在 Hermes Agent 里:简单任务派给本地模型,复杂推理送云端。这个设计本身就是答案:厂商自己都没说它能替代云。
峰值后面有 2 个限定
标称算力最高 1 PFLOPS。
这 4 个字后面必须跟 2 个限定:FP4、开稀疏、理论峰值。不是 FP16,也不是 BF16。FP4 是 4 位浮点,比常见的 FP16 再砍 2 位精度;稀疏指模型里可以跳过一部分权重。2 个条件叠在一起,才有 1 PFLOPS。换成日常说法:这是一个特定题型下才拿得到的分数,不是每道题都算得这么快。同一颗芯片,换个精度、关掉稀疏,标出来的数能差好几倍,不是虚标,是口径。
为什么要用 4 位?因为同样的内存,位宽减半,能装下的参数就多一倍。代价是精度,模型对数值不敏感的部分扛得住,敏感的部分扛不住。这也是为什么它适合推理,不适合训练。
所以看这个数,先问 3 件事:什么精度、开不开稀疏、是峰值还是持续。
官方给的场景是 3 个:本地跑约 1200 亿参数模型、实时渲染 90GB 以上的 3D 场景、实时编辑 4:2:2 视频。
这三个场景,都不是云端擅长的。
3 个里只有第一个和多数人有关。
1200 亿怎么装下
算一笔账。
1200 亿参数,按 4 位精度存,权重约 60GB。128GB 减去 60GB,还剩 68GB 给上下文、系统和共享显存。装得下,而且留了余量。90GB 的 3D 场景也是同一个道理:128GB 里放 90GB,占 70%,剩下 38GB 留给贴图流转和系统。这里的关键词是“统一内存”。CPU 和 GPU 共用同一个内存池,不用像独立显卡那样先把数据从内存搬进显存。搬一次 60GB,在 300GB/s 的带宽上就是 0.2 秒,模型加载时这一步省不掉,但之后每一个 token 都不用再搬。
参数不等于体验。
装得下,不等于跑得快。
带宽先撞墙
300GB/s 是这台机器的内存带宽。
大模型每生成一个 token,都要把权重从头读一遍。60GB 除以 300GB/s,是 0.2 秒。也就是每秒最多 5 个 token。这是理论上限,没算读写冲突、调度开销、上下文增长,实际会更低。换成 8 位精度存,权重 120GB,一个 token 要 0.4 秒,上限掉到每秒 2.5 个。所以“能跑”和“跑得快”是 2 件事。1 PFLOPS 的标称再高,权重读不出来,也得等。算力是分子的活,带宽是分母的活,分母小,分子再大也没用。
本地 AI 的真正瓶颈不是算力,是带宽。这条规律在云端也成立,只是云端的带宽是另一个量级。这也解释了厂商为什么宣传“能跑 1200 亿参数”,而不是“每秒多少 token”:前者是容量,后者是速度,容量好听,速度扎心。
多 75% 的电换 10%
140W 对 80W,多给 75% 的电。
换回来多少性能?Windows Central 的实测:图形性能比笔记本版高 10% 到 21.9%,Stable Diffusion XL 提升最大,3DMark 最高高 13.3%,CPU 多核约高 5%。多 75% 的电,换 10% 到 22% 的性能。这个幅度说明它不是换代,是同一代芯片放开了功耗。散热空间大了,频率能顶得久一点,仅此而已。真要换代,得看架构和制程,不是看瓦数。所以别把桌面版当成“更强的芯片”,它是“更宽的散热”。
价格也是同一个逻辑。笔记本版 10 月开售,2599 美元起;桌面版 4399 美元起,是 1.69 倍。多花的钱买的是散热、接口和常开能力,不是一颗新芯片。
配置单里还藏着一个更有意思的数。微星 EdgeMesa N AI+:64GB/1TB 卖 4399 美元,128GB/4TB 卖 7499 美元;11 月 11 日首发 4699 美元,后来降了 300 美元。内存翻一倍,硬盘翻 4 倍,价格只贵 70%。按每 GB 内存算:4399 除以 64,是 68.7 美元;7499 除以 128,是 58.6 美元。越大越便宜。这条曲线和云厂商卖实例的逻辑反着来:云上加内存是线性加价,本地是一次买断,容量越大摊得越薄。
容量越大,越像批发。
其他价签:华硕 ProArt GR1X 4499 美元起,64GB/2TB 是 4999.99 美元;戴尔没公布价;微软 Surface RTX Spark Dev Box 5999.99 美元,128GB。国内是另一套:机械革命大师之路 X10 在 11 月 19 日开售,64GB+1TB 卖 32999 元,128GB+2TB 卖 49999 元,1.25 升全金属机身。128GB 版比 64GB 版贵 52%,也是加内存比换整机便宜。
它替代不了云
先把边界划清。
训练不在它的能力范围里。1200 亿参数跑推理可以,跑预训练不行:一台机器的内存和带宽,撑不住一个集群的活。高并发推理也不行,每秒几个 token,服务不了一个团队同时用。
它能干的是:个人智能体、代码补全、文档处理、本地知识库、小模型微调试验。这些活的共同点是一个人用、数据敏感、对延迟不敏感。
所以它的竞品不是云,是“把数据传上去”这个动作。
还有一层短板在软件。这台机器是 Arm 架构,不是 x86。已经原生适配的有:Adobe 的 Substance 3D Painter 12.2 公测版、Illustrator、InDesign;Blender 5.3 加了 DLSS 光追预览。
注意“部分”这 2 个字。Adobe 全家桶不止这 3 个,工业软件、财务软件、行业插件更不会为一个新平台先改代码。买它的人,第一件事是查自己的软件在不在名单里,不是看跑分。这也是它和 Windows 台式机的根本差别:后者不用查。生态这东西,从来不是靠参数补的,是靠一个个软件谈下来的。
140W 常开一年,是 1226 度电。
这个数决定它能放哪:办公桌下面、家里书桌、一个小机柜。不需要机房,也不需要另拉 1 路工业电。这是“本地”的第 2 层意思:第一层是数据不出门,第 2 层是电和运维自己扛。
对一家公司来说,2 层加起来才是卖点。客户资料、病历、设计图纸,很多行业不敢往云端放;买一台 4399 美元的盒子,摆在办公室角落,数据不出局域网。这笔账不按 token 算,按合规算。
所以买单的人不是极客。极客会自己攒机器,会算每 1 美元买到多少 token,4399 美元这个价位,他们的替代方案太多。
买单的是一家公司里管 IT 的那位。他关心 3 件事:数据不出门、不用改现有网络、坏了有人修。这 3 件事云厂商也能给,但要签合同、要做等保、要把数据托管出去。一台盒子把 3 件事变成一次采购。
一次采购,省掉三份合同。
把价格摆在一起,这台机器的位置就清楚了。笔记本版 10 月开售,2599 美元起;桌面版 4399 美元起,贵了 1800 美元。多出来的是 60 瓦的散热余量,和一块能一直开着的机身。
这笔溢价不算小。同样的钱,够买一台不错的笔记本,再加一年云算力。
所以它卖的不是性价比,是确定性:任务不会因为合上盖子而中断,数据不会因为一次调用而离开房间。
留一个问题:如果本地算力的瓶颈是带宽而不是算力,下一代的卖点会不会从“多少 PFLOPS”变成“多少 GB/s”?
到那天,这张配置单的第一行就该换了。
免责声明:本文基于公开信息撰写,仅供读者参考,不构成任何投资建议。