前阵子刷到一条视频，标题特别扎心：《现在怎么没有人提用AMD MAX 395去跑本地大模型了？》。哔哩哔哩评论区两百多楼，基本就是本地跑模型的人在大倒苦水。
但诡异的是，这条路线明明没死。苹果上周发布新Mac mini和Mac Studio，发布稿通篇都在讲本地AI。知乎8月底极摩客刚发了台AI Max+395的迷你主机，宣称能跑235B大模型。哔哩哔哩连英伟达都带着128GB统一内存的RTX Spark到处巡展。知乎
一边是"没人提了"，一边是新品不断。这个反差挺值得掰扯的——到底是统一内存这条路翻车了，还是买它的人不再吆喝了？我把知乎、B站这半年的实测帖子翻了一遍，结论先放这儿：统一内存没翻车，它只是被"容量幻觉"坑了一轮，现在正回到自己该待的位置。
“装得下"和"跑得好”，是两笔完全不同的账
很多人（包括我自己最初）对统一内存的理解就一句话：显存不够，内存来凑。128GB统一内存，听起来比5090的32GB显存阔气多了，284B的大模型都能塞进去。
问题出在第二笔账上。大模型生成每一个token，都要把模型权重从内存/显存里完整搬一遍进计算单元，所以推理速度很大程度上取决于带宽，而不是容量。知乎把三条路的账面数据摆在一起看：
RTX 5090：32GB显存，带宽1792GB/s；
RTX 4090：24GB，1008GB/s；
M5 Pro（64GB统一内存）：307GB/s；
AMD AI Max+395（128GB统一内存）：256GB/s；
DGX Spark（128GB）：273GB/s。
容量上统一内存碾压，带宽上被独显碾压，这就是全部矛盾的根源。知乎
有开发者在AI Max+395上跑DeepSeek V4 Flash（284B）跑到32 tok/s，当时刷屏了，“APU实现token自由”。哔哩哔哩但注意，那是MoE模型，每个token只激活一小部分参数，搬的数据少。换成稠密模型就露馅了：有人在64GB的M5 Pro上实测Qwen 3.8 27B的4bit版，短上下文也就33 tok/s；同一道题，4090能跑117 tok/s，5090是138 tok/s。知乎
差的那四倍，就是带宽的差距。容量决定"能不能开机"，带宽决定"开机后你等不等得起"。
它为什么安静了：三个很现实的原因
回头看"没人提"这事，社区里踩坑的人基本指向三处。
第一，内存涨价把性价比打没了。 AI Max这套统一内存用的是特挑颗粒、四通道设计，成本本来就高。知乎偏偏今年DDR5一路暴涨——有大内存需求的AI用户（包括拿核显共享内存跑模型的人）把48G×2、64G×2买成了硬通货，96GB内存从两千多涨到七千左右。结果是：原本"加条内存"就能平替的玩法，成本也上来了，AI Max整机更显得不便宜。
第二，软件生态慢半拍。 这套平台要靠ROCm和llama.cpp这条线才跑得动，首发那批机器（比如幻X 2025）发出来大半年，主流框架的适配才慢慢跟上。抢首发的人等于花钱当测试员，这批人的差评声音最大。
第三，也是最伤的：买的人发现自己要的根本不是它。 很多用户是被"128GB"吸引来的，真实需求却是跑ComfyUI生图生视频、追最新的CUDA工作流——这些恰恰是带宽和CUDA生态说了算的场景。一位入手64GB M5 Pro的用户复盘得很直白：机器装得下Qwen 3.8 27B，可一旦想本地跑视频模型，大量工作流只有CUDA实现，Metal这边缺算子、报错，最后只能退回云端。他总结的那句话我觉得值得裱起来：64G回答的是放不放得下，带宽和软件生态回答的是放进去以后跑多快。知乎
买了的含泪出二手，没买的观望，热度自然就下去了。
但这条路线没死：它只是换了一批用户
把实测数据看全了会发现，统一内存机器在自己的主场依然很能打：
单机跑MoE大模型，不想折腾多卡。 gpt-oss-120B这种120B级MoE，DGX Spark上常见报告是40-60 tok/s。三张3090组多卡能跑到100-120 tok/s，但那是水冷、巨型机箱、上千瓦功耗换来的。知乎AI Max 395迷你主机跑235B、284B级的MoE量化版也能出字，图的是"一台安静的小盒子"，不是跑分。
离线、隐私是硬需求。 材料不能上传、机器必须断网，这种场景下本地能装下多大模型就是多大话语权。统一内存是目前单机容量最便宜的解法。
不想学装机的人。 迷你主机插电即用，对比双卡工作站的供电、散热、PCIe通道，省心本身就是价值。
所以更准确的说法是：独显卖给要快的人，统一内存卖给要大的。 之前的问题在于，营销把"大"说成了"又快又大"。
2026年现在要买，我的建议是按需求对号入座
生图、生视频、追新模型、要高吞吐：老老实实N卡。预算内16GB起步（5080整机大约2.5万档），24GB更从容。别被"5090"三个字冲昏头——国内能买到的5090 D v2是24GB版，起售价16499，装不下的模型照样装不下；社区还碰到过它在Ollama特定版本崩溃的案例，新卡生态还在补课。知乎
单机跑120B-284B级MoE、要安静、不想折腾：128GB版AI Max+395迷你主机或DGX Spark。记住买128GB，64GB版是重灾区——统一内存没法自己加，买小了只能整机换。
便携+离线+日常办公混用：64GB起步的Mac，Qwen 3.8 27B 8bit实测15-20 tok/s，能用，但别指望它当视频工作站。知乎
预算八万、要单卡装70B-120B：可以看看84GB的RTX Pro 6000D，7月社区询价5万出头，注意它是600W的服务器卡，散热要另花钱改。知乎
只是偶尔用用：认真算一笔账，这笔钱买云端额度可能爽用一年。
接下来值得盯的三个信号：一是9月下旬新Mac Studio（M5 Max 128G/614GB/s）交付，苹果官方数据之外第一批第三方实测出来之前，大内存Mac先别急着下单。知乎二是内存价格——DDR5这轮涨势和大模型进入长上下文时代绑在一起，统一内存机器的成本短期难降。知乎三是英伟达Rubin已经官宣全面量产，数据中心卡供给改善后，云端推理价格大概率继续往下走，本地机器买贵了也不心疼的前提是——你用它做的事云端真的替代不了。知乎
一句话收尾：本地跑大模型的钱，先买"带宽和生态"，再买"容量"。顺序反了，就是下一个在评论区倒苦水的人。
