花四万买个笔记本跑 AI,到底值不值? · 第四生产力

你想在自己电脑上跑个像样的大模型，结果装不下。显卡那 12 个 G 的显存，塞进一个中等模型就爆了；你想加内存条，发现加了也没用——模型根本不放内存里，它放显存里，而显存焊死在显卡上，动不了。

拦住你的是两道墙：内存和显存各管各的。10 月 8 号上市的华硕 ProArt 创16 RTX Spark，卖点就是推倒了第二道墙。它把 128GB 的”统一内存”焊在一块芯片上，CPU 和 GPU 共用。64GB 版 28999，128GB 版 37999。

这台机器到底新在哪

它里面那颗芯片叫英伟达 N1X，20 个 CPU 核加一块 GPU。华硕给它的定位不是”显卡更强的笔记本”，而是把英伟达那台桌面 AI 超算 DGX Spark，塞进了 1.77 公斤的笔记本里。

就这么个机器，首发当天被抢空。为什么抢、凭什么贵，一会儿说。

统一内存，统一的是啥

过去电脑里有两个口袋，这事得先掰开。

一个口袋叫内存，CPU 用，平时开网页、办文档都放这儿，容量大，常见的 16、32GB。另一个口袋叫显存，GPU 专用。跑 AI 时，模型本身就是一个几十 G 的超大文件，要整个摊开在显存里才能用。可显存很小，游戏卡普遍只有 8 到 12GB。

麻烦就出在这两个口袋不互通。GPU 要用一份数据，得先让 CPU 从内存把数据拷一份，递到显存里，GPU 才开始算。模型多大，就得在显存里摊多大。一个 20GB 的模型，12GB 显存的卡根本装不下——算力还有富余，口袋太小吃不进。

统一内存就是把两个口袋打通成一个。CPU、GPU 直接读写同一块内存，不再来回拷贝。

打个比方：文件明明躺在你工位电脑上，你在家里那台就打不开，得先拷回来才能干活。拷贝不产生任何价值，纯粹是过一道手续。统一内存相当于把两台电脑并成一台：东西就存一份，谁要用，直接打开。

这台机器 128GB 全量可用，意味着装下一个七八百亿甚至千亿参数的模型不再是幻想。华硕官方的说法是能跑 1200 亿参数的模型。“能不能装下”这件事，第一次不受显存大小卡着了。

不过有个冷数据你得知道：所谓统一内存，标称 128GB，GPU 实际能拿来做 AI 的不到这个数，系统、显卡驱动都要占。有媒体实测 64GB 版本，GPU 真正可用约 46.7GB。买之前心里要按”到手打个七折”来估。

速度如何

速度看内存带宽，也就是每秒能从这块内存里往芯片上搬多少数据。这台机器是 273 GB/s。

很多人看评测视频：有人说这机器跑模型一秒出 40 个 token，有人说只有 14 个。都没错，区别在他们跑的不是同一类模型。

先说清 token 是什么：它是 AI 切文本用的单位，不等于汉字。中文一个字常被切成一到两个 token，所以按 token 报的速度，换算成你能读的字还要再打个折。

模型分两种。稠密模型像一套 27 卷的百科全书，不管你问什么，它都把 27 卷全部翻一遍。MoE 模型像一套 120 卷的百科全书，每次只翻跟你问题相关的三五卷——总册数更多，实际翻的反而更少。

管理员推车的速度是固定的，一秒 273 个 G。搬的书越少，字吐得越快。所以同一台机器上：翻 27 卷全读的稠密模型，一秒大约 14 个 token；120 卷的 MoE 一次只翻 5 卷，能上 40 个。

一秒 14 个 token 是什么体感？按一个字摊成 1.5 个 token 粗算，一秒也就出七八个汉字，一行字要等两三秒，打字机效果：平时问答、改文档等得起，开会抢话别指望它。一秒 40 个 token 才有”话音刚落，字就在屏上”的感觉。

所以以后刷到”这机器跑千亿参数模型、每秒出 40 个”的视频，先别心动。你得问出三个条件：什么模型？稠密还是 MoE？模型被压缩瘦身到什么程度（行话叫量化）？报不齐的测速，参考价值约等于零。

凭啥卖这么贵

内存本身在涨价。今年 AI 数据中心在抢内存产能，行业报告里 2026 年一季度内存合约价被上修到涨九成以上，高端产能大半被数据中心拿走了。这台机器的 128GB 是焊死在主板上的，内存涨多少，就原封不动打进它的成本多少——这部分谁也躲不掉，你自己配电脑、买手机，同样在挨这一刀。

这芯片又今年才第一次出货，六家厂商同一起跑线做笔记本，量起不来，设计、开模这些钱均摊到每台就厚。再加上首发被抢空，二手渠道还在加价，你现在看到的价，正是市场最上头的那个价。就像新楼盘第一批，建材贵、户数少、想住的人排队，价格下不来。

急用的，为第一批的方便买单；不是非它不可的，等供货缓过来会便宜不少。

谁该买，谁先别买

什么人买了不亏？手里的数据不能出门的，法务、医疗、涉密文档，这些东西传上云端那一刻就失控了，本机跑是唯一解。还有离线做 agent 开发、或者不想一直给云 API 交按量账单的人。

什么人买了后悔？想拿它打游戏的趁早死心，它用的是 Arm 架构——跟手机同源的芯片，不少带反作弊的主流游戏装不上。指望它彻底替代云 API 的也会失望，速度和上限差着一截。至于预算紧、又没那么急需的——你已经知道价格是怎么来的了，也知道它为什么会降下来。

回到开头那个问题：花四万买个笔记本跑 AI 值不值？我的判断是，为”数据不出门＋经验留在自己机器上”买单，值；为”更快的笔记本”买单，不值。

我们前阵子聊过”养成系 AI”——一个越用越懂你、把你每次纠错都攒成经验的模型。但那有个前提：这个”成”的东西，得存在你自己的地方。存云上，它是厂商的；装在你包里这 128GB 里，它才慢慢长成一个只属于你的、带得走的资产。

统一内存第一次让这种可能装进了背包。它现在很贵、很慢、很不成熟，但方向是新的。

关注这个号，你会看到这类东西：新硬件发布时的参数水分怎么挤，企业的 AI 账单到底花在哪个环节，模型落地卡住时缺的是哪块组织拼图。我不写新闻，写”这件事跟你有什么关系”，每篇都给你一个明天就能用的判断。