本地部署圈子里，过去两年有条公认的共识：端侧没有大模型。8G、12G显存塞进量化过的7B、14B就到底了，想干正事，拔网线、怼云端。
但这个10月，巨头们正把这张桌子一块一块掀掉：
10月8日，微软旧金山发布会，首批搭载RTX Spark的笔记本开卖，Surface Laptop Ultra起售价2599美元，黄仁勋的说法是"当年开启AI革命的DGX-1，算力也是1petaflop——现在它进了笔记本"。智东西
10月16日，Meta开源8160亿参数的Muse Spark Open，苹果用MLX框架，在两台512GB的M5 Ultra版Mac Studio组成的集群上跑通了完整推理。知乎
10月17日，联想YOGA Pro 15 RTX Spark版发售，官方口径是"端侧跑通超千亿大模型的超级AIPC"。36氪
10月26日，知乎有个很现实的新问题：“本地跑700GB大模型，Mac Studio和DGX Spark怎么选”？
说白了，2026年版的"AI PC"不再是给旧电脑加个Copilot，而是直接把128GB、512GB统一内存端上桌。对一直蹲这个方向的重度用户来说，真正的看点不是"参数好厉害"，而是三本账：内存账、速度账、账单。账算清了，才知道自己是该现在上车、该再等等、还是根本不用折腾。
第一本·内存账：算力省得掉、内存省不掉，这就是桌面票的全部逻辑
很多人看到"816B跑在桌面上"的第一反应：这数字以前不是机房H100集群的活吗？
窍门在MoE。Muse Spark Open有256个专家网络，但每生成一个Token只激活约420亿参数——像一家拥有256名专科医生的超级医院，每次会诊只叫8名对口的。单Token计算量接近42B级，用的却是816B的经验库。知乎
但MoE有个致命门槛：激活省得掉，权重还得全量躺在内存里。所以苹果的路子是"硬吃"：两台512GB统一内存的M5 Ultra Mac Studio，用雷电5连成分布式推理集群，合计1TB内存装下全部权重。知乎
英伟达走同一条路的缩小版：RTX Spark单芯片整合最高20核Grace CPU加6144核Blackwell GPU，最高128GB LPDDR5x统一内存，1 petaflop FP4算力，本地跑1200亿参数以上的模型的门票，就是"权重+KV缓存"。 知乎那位真机答主用NVIDIA开源的Flare框架在DGX Spark上跑Qwen3.8-Flash-Next，整个推理包106.9GB，其中26.8GB的n-gram表被强制挪到磁盘上、每步按需读几行进内存——内存在这里是一滴一滴挤出来的。智东西知乎
这本账的另一面也得画出来：Kimi K3公开参数2.8万亿，就算4-bit量化，光权重就要约1.4TB，再算运行开销，1TB的集群到顶了。而微软发布会秀的另一端是：284B的DeepSeek-V4Flash用1.6-bit量化只要60GB内存，70B级Nemotron用2-bit量化只要略高于20GB——这两个是厂商自报数字，但指向同一个趋势：量化的刀越挥越快，内存门票线每年都在往下掉一档。36氪智东西
小结：这一轮"桌面大模型"不是算力突然变强，而是MoE架构、超大统一内存和极限量化刚好凑齐了时间点。你买的不是算力，是内存。
第二本·速度账：273GB/s是没人提的天花板，本地速度不是用来"赢云端"的
内存账回答"能不能跑"，速度账回答"好不好用"。
DGX Spark官方标称统一内存带宽273GB/s。解码阶段，每生成一个Token都要把激活的权重重新读一遍，单流速度基本被带宽锁死。知乎
真机答主的实测数字很直白：Flare默认配置（adaptive MTP）单流只有34—41 tok/s；关掉adaptive、固定3个draft之后，单流48.8 tok/s，两路并发聚合76.8 tok/s。知乎
苹果那边，四台Mac Studio并联推理的官方成绩是"生成速度超过36 Token/秒"——厂商测试口径，第三方复测还没铺开。微软宣称对上一代MacBook Pro做到2.1倍首token时延效率、4.3倍图像生成、6.2倍视频生成，同样是厂商自报，参照物还是笔记本。知乎智东西
把这些数字摆齐就能看清：这轮"桌面大模型"的本地体验是"阅读流畅的40—50 tok/s"和"勉强够用的30+ tok/s"，跟云端旗舰模型的吞吐不是一个物种。它服务的场景是另外三种：Agent反复回顾上下文、跑测试的挂机消耗；AI视频创作大量"抽卡"初稿；以及断网、内网、数据不出门。
小结：别抱着"比云端快"的预期买120B端侧设备。本地拼速度拼不过，拼的是Token免费和数据不出门。
第三本·账单：4万的本、10万的迷你机、30万的集群，付的根本不是同一件事
先把目前能核实的价格全部排出来——这是刷屏帖里最少讲的部分：
设备 | 关键规格 | 到手价 |
|---|---|---|
Surface Laptop Ultra（RTX Spark） | 入门18核CPU/5120核GPU/24GB起 | 2599美元起，约合1.74万元 |
同系列顶配 | 20核/6144核/128GB统一内存 | 5899.99美元，约合3.96万元 |
国内渠道128GB"能爽跑120B"机型 | 华硕ProArt、联想YOGA Pro 15等首批 | 普遍4万上下，知乎口径4—5万 |
Surface RTX Spark DevBox（开发机） | 预装全套开发环境 | 5999美元起，约合4.02万元，11月美国发货 |
M5 Ultra版Mac Studio 512GB | 单台预计十万元以上，定价月底才揭晓 | 816B要2台起，"舒服线"4台≈20—30万 |
DGX Station for Windows（GB300级） | 748GB内存、20 petaFLOPS，本地跑万亿级前沿模型 | 戴尔/惠普今年晚些时候上市，价格未公布 |
云端这一侧则是两个相反的信号：微软本地版MAI-Code-1.1-Flash"模型缩小近80%、成本降至1/4"，知乎也已经有"大模型API这轮降价，企业采购该怎么应对"的攻略文——云在变便宜；但眼下端侧机4—5万的售价里，有一部分是内存涨价撑起来的，苹果512GB的天价还只是"预计"。36氪
所以回本线没法用一条公式拍死，用三个问题自查更靠谱：
你的月API账单，是不是稳定高于设备折旧？4万级设备按三年折，摊到每月1100元上下。重度Agent用户如果月账单本来就在千元以上，把"琐碎推理分给本地、复杂任务留云端"的混合打法就开始划算了。
你的数据是不是"泄露一次的损失大于设备价"的类别？律师、金融分析师、医疗、涉密代码——这笔记的不是钱，是不许出云，本地是唯一选项。
你是不是靠"抽卡"吃饭？AI视频创作者先本地低边际成本反复生成、挑出可用片段，再丢云端出成品，初稿抽卡是三者里差价最大的一环。
三个问题答"否"的，直接用雷科技原文的让步句收尾就够体面：“日常只是做个翻译、写写文案，云端API确实是最优解”。36氪
对号入座：谁现在买，谁等半个月，谁根本不用折腾
天天烧Agent token的开发者：现在可以买。128GB的RTX Spark本已经现货开售，"本地120B干杂活、云端干大事"的混合模式已经有人跑通了。
高保密/离线刚需的从业者：买，但预期先校准：30—50 tok/s是常态，别按云端速度收货。
想替代GPU服务器的小工作室/企业：20—30万集群对比企业级GPU服务器加运维费，这本账对很多人算得过——但建议等月底苹果512GB官方定价落地再签单。
纯兴趣折腾党：先别动。真机答主自己的结论摆在那里："通用服务继续用vLLM，Flare只拿来跑固定模型的本地agent。"目前Flare的recipe只覆盖Qwen3.8、DeepSeek V4/V4.1、GLM 5.3、Kimi K3、MiMo、Step-5、Nemotron七个家族、还锁死芯片架构——生态比价格更门槛。知乎
观望党，盯四个信号：①本月底苹果M5 Ultra 512GB官方定价；②戴尔/惠普GB300工作站的上市价；③内存价格走向，它回落，这整类机器跟着降；④1.6-bit/2-bit极限量化什么时候被第三方复测跑通——"284B只要60GB内存"一旦坐实，才是消费级显卡真正退场的时候。36氪
两家巨头掀桌，本质上只证实了一件事："超大统一内存"正在取代显卡跑分，成为AI PC时代的新马力。而对普通用户来说，2026年要不要上车，看的从来不是发布会上的参数，是你的月账单、你的数据、你的抽卡次数，能不能刚好摊在那4万、10万、30万的价签上。
