9月4日，IFA柏林开幕前夜，联想摆出了搭载英伟达RTX Spark超级芯片的YOGA Pro 15 Spark：20核Grace CPU加6144个CUDA核心的Blackwell GPU，1 PFLOPS的AI算力，最高128GB统一内存——一台15.3英寸、1.6公斤的笔记本，按厂商给出的参考数据，能本地跑1200亿参数、100万token上下文的语言模型。智东西联想IDG负责人Luca Rossi在现场把AI PC需求回升的原因说得很直接：“经济账”：云端token太贵，云账单的痛感正在逼出换机需求。
同一时间，知乎"如何评价NVIDIA RTX Spark"的问题三天冲到31.8万阅读，热度最高的回答却在泼冷水：这颗芯片约300GB/s的内存带宽只有RTX 5090（1.8TB/s）的六分之一左右，“能跑得起来，但是想干活几乎不可能”。知乎
一头是千亿参数进笔记本，一头是劝你别当真，中间夹着9月开学季：内存、固态、显卡都在涨价。要不要为"AI"换电脑，这篇不背参数，直接算账。
第一笔账：三台"AI电脑"，是两个世界
第一种：NPU轻薄本。 包装上印着"AI算力40/50 TOPS"，但NPU的卖点是省电，不是算得快。它真正干的是视频会议背景虚化、实时降噪、语音转字幕这类后台轻量活，Ollama这些主流本地推理框架基本用不上它。有知乎回答拿实测当例子：AMD那颗50 TOPS的NPU生成一张图要70秒，同一颗芯片的核显30秒搞定。知乎结论：冲着本地跑大模型买电脑，NPU那一栏直接忽略，钱花在显存和内存上。
第二种：独显游戏本/台式机。 显存是生死线，而且排序和游戏正好相反——带宽第一、容量第二、算力第三，因为大模型推理是访存密集型任务。知乎本地部署社区有个好用的粗算口诀：4bit量化后每10亿参数约占0.6GB显存，再留上下文的KV Cache和运行时开销。照这个标准，12GB显存是"舒服跑8B、能摸14B量化"的入门线，24GB才是32B级别的门票。最近的现成教训：MiniMax H3视频模型光内置文本编码器就要吃掉15.7GB显存，8G卡用户基本被挡在门外，B站上冒出一堆"6G内存+8G显存也能玩"的极限整合包，恰恰说明门槛真实存在。知乎哔哩哔哩
第三种：统一内存新物种（RTX Spark、Mac这条路线）。 把内存和显存之间的墙拆了，128GB对CPU和GPU同时可用，解决的是"装得下"；短板是带宽，“能跑起来"和"能干活"是两回事，贵也是明牌——同为GB10血统的桌面版DGX Spark，2026年初在美国亚马逊卖到4299美元，华硕OEM版Ascent GX10也要3300美元上下。知乎英伟达的说法是RTX Spark的笔记本和紧凑型台式机今年秋季由华硕、戴尔、惠普、联想、微软Surface、微星等厂商一起铺开。微博YOGA Pro 15 Spark国内的售价档期还没公布，社区普遍预期是"开发者和创作者定价”。
为"装得下"而非"跑得快"掏高溢价的人，要么有合规的120B刚需，要么就再等等。顺带一提，普通档位的门槛已经很低：联想把自家智能体Qira的支持门槛下探到了16GB内存的存量PC，日常AI功能和千亿本地模型，根本是两笔预算。智东西
第二笔账：涨价周期里，"现在动手"值多少
今年9月不是装机好时候。威刚公开预测Q3内存闪存将继续大涨。知乎知乎上"内存、存储、显卡涨价"的相关问题阅读量冲过百万，有人把原因归到更底层：服务器每卖出一台，就要从同一条产线上拿走普通设备8到10倍的存储，抢产能的从来不是GPU，是内存。知乎
放在这个环境里，按本地部署指南作者的档位法（二手价随行情浮动，仅看结构）：
预算档 | 方案 | 能跑到什么程度 |
|---|---|---|
0元 | 现有机器CPU/核显 | 3B-8B量化模型，个位数token/s，验证兴趣用 |
千元级二手 | RTX 3060 12G | 舒服跑8B，摸到14B量化 |
3000-4500元 | 新卡4060 Ti 16G | 8B满速、14B流畅、32B低速率offload |
6000-8000元 | 二手3090 24G | 本地32B门票，约1TB/s带宽 |
"等等党"的算法也被算了出来：一台6000元的DIY机按4年摊每年1500元，就算涨价3000元，等超过两年就是厂家倒亏。知乎这条高赞观点的潜台词是：只为"AI概念"提前掏涨价费，大概率不如晚买。反过来，如果加一条内存就能让现有机器跑起目标模型，"加内存"依旧是单位花钱见效最高的动作，只是这条内存今年比去年贵了不少——开学季"16GB凑合还是32GB咬牙"的争论里，有个高赞说得扎心：你还在纠结要不要上32G，恰恰说明你还没到必须用它的时候。知乎
第三笔账：本地AI到底适不适合你——四个格子
一篇近6000字的本地部署长文把"要不要折腾本地"压成四个对号入座的理由：隐私（病历、合同、代码不出本机，律师、医生、财务、程序员这一条就够）、离线（断网能用、不限流）、成本结构（云端API每月稳定烧几十上百的重度用户，硬件两三年摊销才可能更省）、可控（挂自己的知识库、接自己的脚本）。知乎微博上已有用户晒单逻辑很典型：现在用笔记本跑智能体任务、每月买token，等RTX Spark的笔记本来了以后本地跑大模型。微博先把账算到这一步的人，才轮到这一档产品。
作者在开头留了一句少见的实话：如果四条里一条都不占，关掉这篇，省下至少五千块钱。知乎轻度尝鲜用户，网页端助手完全够用；订阅涨价、额度收紧的痛，解法是换平台或省着用，不是买显卡自己发电——这笔账对普通用户几乎不成立。
这三笔学费，可以不交
不为"AI PC"贴纸加钱。 现在好的Windows笔记本都自带NPU，本就要换，直接买，没有额外溢价；老电脑还能打，别为"AI"俩字去换。知乎
不轻信"本地跑千亿参数"。 装不装得下看显存/统一内存，跑不跑得快看带宽，干不干得了活看生态。"能装上"的模型，不是"能用"的模型。
碰二手卡先算电源和散热。 3090整机850W金牌起步，推理是几小时连续满功耗，不是游戏那种几分钟脉冲负载。知乎新买卡NVIDIA仍是第一公民，为跑AI专门买A卡，要做好用几个周末换"版本兼容"学费的准备。
接下来值得盯的信号：YOGA Pro 15 Spark、华硕ProArt这批RTX Spark新机的国内售价和首发档期；内存价格到Q4促销季会不会松动；开源模型下一波旗舰的显存门槛降不降。
AI不是你电脑的新增属性，它是一组条件句：内存决定能不能跑，带宽决定快不快，涨价决定什么时候买，那四个格子决定你到底要不要买。在"千亿参数"变成线下导购话术之前，记住本地部署圈那句反常识总结——“小模型流畅跑”，永远好于"大模型卡着跑"。知乎
