今年科技圈最魔幻的东西，可能是一手掌握的小盒子。DGX Spark：128GB"统一显存"、CUDA生态、200G互联；更魔幻的是价格，有博主自费入手时3万6，如今售价已接近5万。网友送它一个外号：赛博金条。哔哩哔哩
但全网评论区吵得最凶的，是同一句话：这128GB，根本不是你理解的"显存"。
先讲并行计算的基本规律：生成token的速度，取决于"水管"（带宽），而不是"水箱"（容量）。旗舰独显如RTX 5090，显存带宽1.8TB/s量级；DGX Spark用的是LPDDR5x统一内存，官方带宽只有273GB/s。跑稠密模型时，每生成一个token都要把全部参数过一遍内存，128GB装得下、水管跟不上，有用户实测后锐评：最大的问题在于带宽太低了，相比原本5070ti直接砍半了，跑稠密模型慢到无法想象。有评论更损：“5070ti疯牛病版，并且带宽阉割到4060”——话糙理不糙：内存能装，水管太细。哔哩哔哩
英伟达自己也懂这个软肋：10月初发布了64GB版，今天 NVIDIA 正式发布了 DGX SPARK 64 GB，从规格上来说，它和之前 DGX SPARK 的区别只有内存容量的减半，其他规格都完全一样。它赌的是当下最火的MoE模型：每个token只激活部分专家参数，瓶颈从带宽回到容量，大内存这才真有用武之地——连"满血原模Day0桌面部署"这种话，厂商都敢直接写在宣传里。知乎界面新闻
体验的另一半在软件。同一位博主实测发现：同一个模型，换一套推理引擎，两台机器的成绩和结论竟然接连反转。这个品类的能力上限，至今仍由软件功底决定。哔哩哔哩
最"并行计算"的玩法是组网：每台机器自带两个200Gb/s网口。11月，英伟达宣布支持8台组成全互联集群，8 个节点的集群最多有 1TB 的统一内存，能够完整运行 GLM 5.3。为了不让集群退化成"大号单机"，NVIDIA还专门开发了适配小消息、低并发的通信后端。知乎
但这个账得算清楚：单用户8K上下文下，解码只有约31 tokens/s，但要知道这个集群目前的价格 5万美元，所以现实情况下可能还是云端靠谱。知乎
另一头，RTX Spark已经被塞进笔记本，首批产品除了华硕外，还有微软（Surface）、联想、惠普、微星和戴尔共 6 个首发品牌。微软Surface Laptop Ultra入门款起售价为2599美元（约合人民币17425元）。微博智东西
评论区分成三派，旗帜鲜明：
刚需派：数据必须本地的、要做私有部署和微调的人。本地出字速度约是主流API的三分之一到三分之二，够用，但不惊艳。
劝退派：“这几万块买Token plan，够用到去世”。还有人晒出体验：社区大量抱怨机器一跑就过热降频，算力性能降低也就算了，关键是内存控制器一降频，可怜的共享内存带宽还会进一步衰减。哔哩哔哩
理财派：现在买就是赚，连5080都被网友说抬到了2万。
这场争论的本质，是显存容量焦虑一头撞上了带宽天花板。买之前想清楚：你的瓶颈到底是"装不下"，还是"跑不动"？如果是后者，内存堆到128GB也没用。
