---
title: "一台 1.1 升的盒子，能跑 1200 亿参数"
date: 2026-11-19
category: 算力芯片
site: 脑机网
canonical: https://aiai.cafe/a/njw-rtx-spark-desktop-1119
language: zh-CN
---

# 一台 1.1 升的盒子，能跑 1200 亿参数

> 华硕 ProArt GR1X 的机身是 150×150×51 毫米，1.1 升，1.48 公斤。

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。**

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-rtx-spark-desktop-1119
本内容仅供参考，不构成投资建议。
