没有Ultra的酷睿能不能AI？实战本地部署WorkBuddy

但遗憾的是，就算英特尔和PC OEM很努力，也架不住内存和SSD的价格仍在上涨。所以，当品牌已经下压到来酷，配置已经下压到酷睿2 315（2P+4E）+12GB+512GB，来酷Air 16低配机型，标价仍要超过4000元不少。好在有大额国补。

来酷Air 16的高配，也就是我们测试使用的这款配置，则配备仍是2P+4E核心的酷睿5 320，存储升级到1TB海康威视HS-SSD-E1000 SSD，而内存仍是2×6GB LPDDR5-5600的板载。好吧，这么一款Full HD分辨率16英寸大屏，而厚度仅13.3mm、重量仅1.24kg的超薄本，实测60Wh电池续航能达到25小时，还有什么不满意的呢！

而加上国补之后，高配机型的成交价格，的确就能接近4000元的目标了，零部件再次涨价的影响被联想自己消纳了，相当良心。

预算更紧张，仍可考虑低配，价格再低500元，国补后的到手价，差距略为缩小。

除了CPU本身核心配置与运行频率方面的差异，两款处理器的核显也有差别——虽然都是2个Xe3核心的Intel Graphics。酷睿5 320的Boost运行频率2.5GHz，酷睿5 315是2.3GHz，算力分别是20TOPS和18TOPS。NPU算力也略有差别，int8时，分别是16和15TPOS。

总的来说，如果没有特别的强化释放——来酷的确也没有野兽模式，酷睿5 320各AI加速器的性能均比酷睿5 315高10%左右。

 WorkBuddy是近半年来“龙虾热”后的本地化落地产品，关于它能做什么、做得怎么样，这不是咱本文的话题。

对于4000元新购笔记本电脑的用户，如此时的主要采购者新入校的学生，或是职场新人，本来购机预算就紧张，对持续购买Token的消费，更是看得紧。只是酷睿300系列处理器，削弱了CPU、GPU和NPU的AI算力，它还能满足持续使用WorkBuddy类，特别是本地部署的需求吗？

我们先来看现状，来酷里面集成了其专属的AI聚合应用想帮帮，里面有通用的OpenClaw以及联想自家的百应Claw一键部署功能，但是局限于云端使用，$$没敢看。好吧好吧，我含蓄一些，是没看。

电脑集成的联想应用商店可以下载WorkBuddy，无论是这个版本还是安装后系统自动升级的版本（v5.5.6）默认也都是云端版本，没有直接的模型本地部署功能选项。

作为坚定的免费党，在今年AI Agent大潮下，也不得不充了不少Token费用。但是Token这玩意，再多也不禁花的，就算是比较便宜而且**了一些的Deepseek-V4.1-Flash，也完全不够用。

仅仅是20个word的浅尝，整理下早间热点新闻，就消耗掉近30%的赠送配额（84.，要知道其费率是WorkBuddy独家优惠的0.03x……而生成时间是1分钟左右。

使用腾讯自家混元的大模型在费用上更友好，目前Hy3和Hy4 preview都是限时免费阶段，只是相对来说，速度就堪忧了：耗时4分17秒。当然，Hy3是完整版，速度比Flash慢在意料之内，只是太慢了有没有快一点的选择呢？

云端处理也不是完全没有本地负载，生成过程中，酷睿4 320的总负载在15%~25%之间波动，无论是P核还是E核都有一定负载、比较均衡，主要负载来自WorkBuddy和Ollama客户端，而无问答时的处理器占用率仅6%左右，负载相同，CPU整体功耗约为7W。

在与WorkBuddy的对话中，可以了解到它实际是支持部署本地模型的，从而实现应用的100%离线和零费用运行。剩下的问题就是如何操作以及使用哪个平台和模型了。

常用的本地部署方式有LM Studio、Ollama和llama.cpp等模式。在这里，为了能够更直观的对比酷睿5 320在CPU和iGPU等不同加速器上运行WorkBuddy的效果，选取了Ollama路径。其中Ollama为公开版本（0.34.0），基于CPU运行。

而要让Ollama使用英特尔核显加速器，就要使用魔塔提供的Ollama英特尔优化版本。好吧，你没看错，这个2.3.0b版已经是一年前的出品了。

另外，为了比较CPU和iGPU部署的性能差异，模型都采用抱脸上的通用版的qwen2.5:7b，后者并没有拽魔塔给英特尔优化的qwen3或3.5模型。

这是WorkBuddy的模型配置界面，只要选择自定义，再填入Ollama通用的接口地址以及任意API Key。记得一定要取消工具调用的默认选项，其余几个选项也不勾选，否则光有应答而无法联通。

作为对比，同样以“部署龙虾的具体步骤”提问，Hy3使用了2分41秒给出了答案，并给出了OpenClaw官方安装器、pip安装和Docker等3个路径，包括各方式的有点、部署的具体步骤、命令等实际操作方式。Token消耗也在图中显示出来，的确，云端版本因为信息更丰富，因此消耗量也相对大了不少。

WorkBuddy模型本地部署难度不高，切换模型也非常简单，只要电脑有足够的“存储”即可。高配版的来酷Air 16有1TB SSD，配置常规应用和少量模型，空间足够使用，而难的是配置模型规模。

Intel WildCat Lake平台的Xe3架构核显，支持英特尔的共享GPU/NPU内存覆盖技术，只是限于12GB内存的容量，显存容量最多只能设置为7.5GB。如果不在控制台中开启此选项，系统默认的显存容量为6.6GB，刚好装不下qwen2.5:7b——无量化压缩。

酷睿5 320处理器的核心数量较少，好在系统能够很好的识别并配置WorkBuddy负载运行在P核上，两个核心占用率几乎达到100%，而4个E核的占用率不到50%，也就是还有能力处理AI加速之外的其他工作，因此前台不会出现系统假死的状态，**、**、Office照常使用。

qwen2.5:7在回答龙虾部署问题时，内容就简单了不少，够用的水平。整个生成时长为5分24秒，处理器计算单元的平均功率为12W左右，处理器整体功耗约为15W，即处理器的TDP水平——不要看25W的PL1或35W的PL2——最多28秒的“真”汉子。换言之，酷睿5 320已经全力以赴了。E核未沾满，所以系统对其他任务还有响应能力，但执行时对CPU的AI算力会有一定影响。

退出Ollama的GUI，启动ipex run对模型，WorkBuddy那端无需任何改动，就进入了iGPU加速模式。

当对话开始，眼见着处理器、内存、硬盘和GPU渐次开始工作。在新的内存/显存调度算法加持下，长期不使用的模型将被移除，从而包括内存/显存、算力等资源分配给其他应用，或者完全释放资源负载，使处理器、iGPU功耗下降至最低水平。

在实际测试中，Ollama Server和WorkBuddy均不退出情况下，开启屏幕的整机一小时待机电池消耗仅3%，常规设置3分钟关闭屏幕后，1小时待机（不休眠）电池电量仅减少1%！

会话过程中，除了iGPU Compute单元占用率达到100%，CPU也有50%左右负载，处理器整体功耗也达到TDP水平，与CPU模式相同。

那么，剩下的问题就是iGPU和CPU模式，谁的AI性能更高了。其实答案也不复杂，就算只有2个Xe3核心，运行频率也较CPU低，但是架不住内部核心多，iGPU处理同样会话的时间不到CPU的一半！

这么看下来，将AI负载从CPU卸载到iGPU上，是非常有必要的，直接带来WorkBuddy效率的翻番。再和更远的Hy3比较，耗时接近，无需联网和任何费用，这样的本地AI对学生和日常办公应用，都是极有吸引力的。

当然，如果你的AI应用场景主要是在离线情况下发生，好的一面是，以来酷Air 16的设定，处理器离电的持续高性能释放仍能达到15W，AI性能受到影响较小，不好的一方面就是整机续航时间会大幅缩短——整机近20W，一秒钟不间断的对话，续航时间将缩短到3小时量级。

通过实际使用和本地模型部署，这款没有被大幅宣传AI，而只突出宣传了价格与便携的产品，是不是让你更倾慕了？的确，和没有或者几乎不可用相比，来酷Air 16也好，酷睿5 320处理器也罢，让你零成本本地使用WorkBuddy成为可能。同时，它还同时保留有在线WorkBuddy的能力，不同窗口可使用不同模型的。借助Intel Ollama优化版，只占用一份模型存储空间，CPU与iGPU的AI算力输出切换也是秒级完成，想用谁用谁。

4000元出头的价格，眼下行情还能有的存储配置，以及更大更轻薄、更长的续航，有着包括完整云端一体的AI能力，如能能拒绝它呢？

One more thing，再放一下测试党最喜欢看的benchmark数据。酷睿5 320的iGPU和NPU标称算力差异不大，分别为20TOPS和16TOPS，以上数据来自前者。