10月18日，华硕发布 UGen Intel Arc Pro B70 32GB GDDR6，这是其约五年后重返英特尔独显阵营的首款产品，面向AI推理与工作站市场。该卡基于英特尔 Xe2 架构的 Big Battlemage 核心，配备32GB GDDR6 ECC显存、32个Xe核心与256个XMX AI引擎，INT8算力最高367 TOPS、典型板卡功耗310W，采用双槽涡轮散热与PCIe 5.0 x16接口，显存带宽608GB/s。 华硕暂未公布这张卡的售价与上市时间。知乎
华硕官方列出的软件支持清单里，vLLM、llama.cpp、Ollama、PyTorch、OpenVINO、oneAPI和Vulkan全部在列；多卡方向则开放到最多4张卡协同、合计128GB显存，用来跑更大的模型。 用户真正关心的是：32GB显存跑本地大模型，到底能跑多大、跑多快、怎么部署？这不用等首发评测——B70芯片已上市数月，蓝戟、铭瑄等厂商的版本在社区里积累了大量实测，同一颗核心下的结论可以迁移到华硕这张卡上。知乎专栏
32GB装得下什么，跑多快
本地部署的第一道账是容量：模型权重加KV缓存必须塞进32GB。按GGUF量化的常见经验值，27B级稠密模型Q4量化权重约16GB，单卡可完整卸载并给长上下文留足余量；MoE模型更划算——总参数35B、激活仅3B的Qwen3.6-35B-A3B，量化到Q6_K_XL后可全量驻留，今年5月即有用户在B70上用llama.cpp实测到约40 tokens/s的单用户解码速度，主机还只是i7-10700加32GB内存的老平台。 对照该实测的启动配置：–n-gpu-layers 拉到56全量进显存、上下文16K起步、flash-attn开启。哔哩哔哩
装不下的那类也清楚：70B级稠密模型Q4权重超过40GB，单卡无法全量进显存，要么接受CPU offload的断崖降速，要么走4卡128GB——这正是华硕官方把多卡协同写进展品定位的原因，一张32GB单芯片卡覆盖了过去要双卡才够着的模型规模。
速度上限则由带宽决定：LLM解码是典型的访存瓶颈，每生成一个token都要完整读一遍权重。硬件社区的参照结论是，B70的LLM解码性能大致与同为600GB/s带宽的NVIDIA A10同级。 一位UP主把B70与RTX 5090放进同一套工作流逐项对测后发现，除视频生成外，出图、配音、音乐、超分四项的差距全落在两三倍——与两者2.95倍的显存带宽差几乎吻合。 一句话：32GB决定你装得下多大的模型，608GB/s决定它跑多快，两个数字不能混着期待。知乎哔哩哔哩
三条部署路线，按需求选
第一条是入门路线：Ollama，或英特尔做了GPU加速优化的ipex-llm版本，直接拉起常用开源模型，验证能不能满足聊天、文档流程。它适合回答"这张卡能不能干活"，但不会把卡榨干。
第二条是单用户主力路线：llama.cpp。llama-server加载GGUF模型，显存层数拉满、上下文16K起步、开启flash-attn，再以–host 0.0.0.0 --port 8080启动，就得到标准OpenAI兼容接口，聊天前端和agent工具都能直接接。上一节40 tokens/s的实测正是这条路线。
第三条是多用户服务路线：vLLM，前提是上Linux。AIB旗舰版本的极限压测显示，逃离Windows生态切入Linux vLLM后，单卡可完整装下35B级模型，32人高并发下总吞吐量500+ TPS。 注意500+是总吞吐而非人均速度，摊到32人头上人均约15 tokens/s——这是团队内服务、API网关的正确算法；单人自用，llama.cpp反而更省资源。哔哩哔哩
Windows仍是这张卡现阶段最明显的短板。有用户把B70插在最后一个PCIe 4.0 x4插槽当副卡、在Windows+Docker WSL里跑Qwen3.8-27B投机解码，把体验总结成"I卡太不稳定"。 社区的通行做法是把主力环境放Linux、装最新英特尔显卡驱动与oneAPI运行库，并至少给卡留够PCIe 4.0 x8。Linux下这张卡还有一个隐藏卖点：原生支持SR-IOV硬件级直通，虚拟化实测能做到"一卡分七"，多个GPU容器或云桌面共享一张卡。知乎哔哩哔哩
一万元档位，谁该上车
价格参照系先立好：国内AIB版B70已卖到约一万元。 海外市场上同类B70的价格普遍在1299至2000美元之间。 华硕UGen版本的定价与档期暂未公布，大概率会贴着这个区间走。哔哩哔哩知乎
对号入座：要单卡跑35B级或更长上下文的模型、需要ECC显存与4卡128GB扩展、要做虚拟化直通或服务器风道部署的用户，B70是目前英伟达体系之外少有的、已经积累大量真实实测数据的大显存专业卡，310W双槽涡轮也是为机房设计的形态。反过来，追求单卡极限速度、重度依赖CUDA专属工具链的用户，不该用RTX 5090的标准期待608GB/s的带宽和还在磨合期的软件栈。
最后提醒口径：文中40 tokens/s、500+ TPS来自不同品牌B70、不同量化与不同环境的实测量级，彼此不可直接横比，它们说明的是同一颗Big Battlemage核心的能力边界。华硕UGen版本310W的典型功耗高于部分AIB型号的档位设置，属于散热与功耗策略的卡间差异，而非核心差异。
