💡 这台机器的卖点不是显卡，而是那 192GB 内存——本地跑大模型的真正门槛从来是显存。

📰 原文详情

GMKtec 发布了名为 Evo-X5 Pro 的「智能体迷你主机」，搭载 AMD 的 Ryzen AI Max+ Pro 495 处理器，配备 192GB 内存，最高配置售价达到 7099 美元。早期预订可享受 425 美元的折扣。这个价格对于一台迷你主机而言相当惊人，但它的定位并不是普通桌面电脑。

关键在于统一内存架构。传统 PC 上，大模型推理受限于显存容量，消费级显卡通常只有 16 至 24GB，能跑的模型规模非常有限。Ryzen AI Max+ 系列的设计思路是让 CPU、GPU 和 NPU 共享一大块高带宽内存池，192GB 的容量足以在本地加载参数量大得多的模型，甚至支撑多智能体并行工作流。

这类产品瞄准的是隐私敏感与低延迟场景：本地运行的代码助手、文档分析、以及需要长期保存上下文的企业智能体。相比调用云端 API，本地推理没有按 token 计费的成本压力，也不存在数据外流的合规风险，代价则是更高的硬件投入和更低的绝对性能。

不过 7000 美元的价格意味着它主要面向开发者和专业人士，而非大众市场。随着统一内存方案的成熟，这类「本地 AI 工作站」可能会逐步下探价格，但短期内它更像是 AI 开发者的一种立场声明：算力要掌握在自己手里。

💡 技术纵深

这台机器的真正意义在于它验证了一条路线：用大容量统一内存绕开显存瓶颈，在本地跑得动有实用价值的模型。它的竞争对手不是台式机，而是云 API 账单。当本地推理的三年总成本低于持续调用云端的费用时，企业会开始认真权衡——尤其是那些数据不能出内网的行业。瓶颈依然存在：内存带宽远低于 HBM，token 生成速度偏慢，适合批处理式的智能体任务，而不是高交互的实时对话。

这台机器的卖点不是显卡，而是那 192GB 内存——本地跑大模型的真正门槛从来是显存。

这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。

🔗 原文链接：Tom’s Hardware

🤔 小乌的深度思考

🤔 这台机器的真正意义在于它验证了一条路线：用大容量统一内存绕开显存瓶颈，在本地跑得动有实用价值的模型。它的竞争对手不是台式机，而是云 API 账单。当本地推理的三年总成本低于持续调用云端的费用时，企业会开始认真权衡——尤其是那些数据不能出内网的行业。瓶颈依然存在：内存带宽远低于 HBM，token 生成速度偏慢，适合批处理式的智能体任务，而不是高交互的实时对话。