ARTICLE · 1177723
英伟达AI小电脑4999美元起:内存减半,怎么比旧款当初还贵?
英伟达AI小电脑4999美元起:内存减半,怎么比旧款当初还贵?英伟达给桌面AI电脑加了一个新选择：DGX Spark 64GB版，4999美元起，计划10月23日由合作厂商开卖。 奇怪的是，内存只有原来128GB版的一半，起价却比那款机器当初的3999美元高出1000美元。想把AI搬回自己桌上的人，先撞上了一张更贵的账单。 
英伟达10月2日公告配图，展示产品系列外观；属于官方产品展示图，不能由外观认定各台均为64GB新款。 图片来源：英伟达官方。 这次变化来自英伟达10月2日的官方公告[1]。新配置保留GB10芯片，由宏碁、华硕、戴尔、技嘉、惠普、微星等合作厂商提供。这里的4999美元是美元起价，不能直接当作中国含税售价；目前也不能把计划开售写成已经买得到。 
本轮获取的官方公告标题、计划开售日期与作者日期。 图片来源：英伟达官方。 另一端的3999美元，有官方记录可查。英伟达开发者论坛今年2月的价格调整公告[2]写明：创始人版建议零售价从3999美元调整为4699美元，原因是内存供应受限。 所以，这不是同一款机器今天突然“内存砍半、价格上涨”。我们比较的是合作厂商新配置的起价，与128GB创始人版过去的价格。时间、内存和销售主体都不同，不能偷换成一次简单的涨价。 但这个对比依然刺眼：厂商在增加较低内存的入口，消费者进入本地AI的门槛，却未必回到最初想象的水平。 官方旧公告能支持“内存供应受限”的解释，不能证明新款定价的全部原因。芯片、软件、渠道各占多少成本，公开信息没有拆开。把差价全部归结为某家公司暴利，同样缺乏证据。 DGX Spark不是一块插进普通电脑的显卡。它把处理器、GPU、统一内存和软件环境放进一台桌面设备。官方产品页[3]同时列出64GB与128GB选择；新64GB配置只通过参与的合作厂商提供。 理解它，可以从一份企业内部文档开始。 在云端使用AI，通常要把需要分析的内容交给远端服务。在本地运行模型，则可以把部分推理留在自己的设备里。对处理客户资料、内部代码或未公开设计的小团队，这种部署方式有吸引力。 不过，模型首先得装得下。 
128GB参考设备的官方接口示意图，不是64GB新款实拍。 图片来源：英伟达官方。 一个简化计算能说明问题：1000亿个参数，如果每个参数按4比特保存，仅参数本身理论上就约需50GB。这不是实际安装包大小，也没有包含额外数据和运行开销。量化方式、上下文长度、同时服务几个人，都会改变内存需求。 因此，“支持某个参数规模”不能翻译成“所有同规模模型都能流畅运行”。装得下只是第一关，回复速度、稳定性和任务质量，还需要真实工作负载验证。 更不能把英伟达机器上的本地模型，自动理解成最新ChatGPT或Claude。硬件提供运行环境，能下载什么权重、允许怎样使用、效果如何，是另一组问题。 统一内存的意义，是CPU与GPU能使用同一个较大的内存池。它有利于把大模型放到桌面，但不会让内存容量、带宽和模型计算量之间的约束消失。越长的资料、越多的并行任务，越可能挤掉原本看起来宽裕的空间。 英伟达还展示了双机扩展：两台64GB设备连接后，可以形成128GB的内存规模，并由NVIDIA Sync辅助配置集群。公告里的最高1.7倍性能，来自指定模型和测试条件，是厂商结果，不是所有任务的通用加速承诺。 
官方扩展表局部，保留单台64GB与双台64GB两列。1.7倍为厂商指标；具体测试条件以公告正文为准。 图片来源：英伟达官方。 这里最容易产生一个错觉：先买便宜的，以后再接一台，就等于无痛升级。 按公告起价简单相加，两台就是9998美元，尚未计入其他费用。这是算术，不是双机套餐报价。它是否比直接买大内存配置划算，必须看具体报价与实际任务，不能只看“可以扩展”四个字。 扩展还改变了维护方式。原来一台设备出问题，只需检查一个系统；变成两台，就多了网络和节点状态。对小团队来说，这些问题最终都要有人处理。能否省下云端费用，应当连同维护时间一起评估，而不是只数可以装下多少参数。 连接也不是把内存条插到同一块主板上。官方硬件文档[4]展示了设备背后的专用网络接口。跨机器通信和模型如何分配，会影响最后的体验。 
硬件文档本轮截图主要描述128GB参考设备；不能直接套到各家64GB新款。 图片来源：英伟达官方。 而这份文档主要描述原128GB设备。它的尺寸、功耗和其他细节，不能未经核对就全部套到每个合作厂商的64GB新款上。 对真正有工程需求的团队，扩展路线有价值。对只想“买回来就有一个AI员工”的人，这还不是产品说明书能兑现的结果。模型之外，资料整理、工具连接、权限设置和异常处理，都需要有人负责。 谁会先受影响？我们的判断是，已有本地部署需求的小团队、研究人员和应用开发者。他们需要决定：哪些任务放到云上，哪些数据留在本地，是否值得为此购买专用设备。 
英伟达产品页的桌面设备场景资料图，非本次64GB新款亲测或完成任务的证据。 图片来源：英伟达官方。 普通办公用户受到的影响更间接。以后接触到的AI应用，可能由公司自己的设备提供推理服务，而不完全依赖外部云端。是否体验更好，仍取决于模型、应用设计和维护能力。 中国读者值得关注这件事，也因为国产开放模型已经进入这套硬件生态。英伟达新公告点名了阿里的Qwen-Image-2.1。但图片模型能运行，不等于所有国产模型都能运行；支持某个模型，也不代表它适合你的资料和业务。 本地AI还常被包装成“买一次，以后免费”。这个说法漏掉了电力、维护和人的时间。反过来，按月付费的云服务也不一定总是更贵：使用频率低、任务轻，硬件很可能长时间闲置。 更需要拆开的是隐私。本地推理减少了把内容交给远端模型的必要性，却不能保证整套应用永不联网。搜索、插件、同步与远程访问，仍可能把信息送出去。判断数据留不留在本地，要看完整流程。 今天最值得做的，是写出一个你真的需要AI处理的任务：输入是什么，哪些资料不能离开本地，多久运行一次，怎样才算完成。 有了这张任务说明，才知道该比较什么。没有它，4999美元买到的可能是一个令人兴奋的技术入口，也可能是一台长期等待任务的昂贵小电脑。 英伟达这次新动作提醒我们：AI走进个人桌面，能力是一张账，内存和价格是另一张账。两张都看清，才知道那台机器与你有什么关系。 你愿意为数据留在本地多花钱，还是更接受按需使用云端AI？欢迎留言聊聊你的选择。 今天只做一件事：写出一个真正需要AI处理的任务，再判断它是否值得本地部署。 如果这篇帮你看清了本地AI的账，点个在看，或分享给正在考虑买AI电脑的朋友。 关注奇点纪并设为星标，一起看懂AI走进真实生活的变化。 
[1]官方公告:https://blogs.nvidia.com/blog/local-ai-dgx-spark-64gb-sync/ [2]价格调整公告:https://forums.developer.nvidia.com/t/2-23-2026-price-change-announcement/361713 [3]官方产品页:https://www.nvidia.com/en-us/products/workstations/dgx-spark/ [4]官方硬件文档:https://docs.nvidia.com/dgx/dgx-spark/hardware.html
一台小电脑，两本价格账
AI搬到桌上，先受内存限制
两台能连，账单也要重算
中国读者，先看自己的任务
引用链接
