本地AI工作站：AMD Strix Halo对比NVIDIA DGX Spark

配备Core Ultra芯片和32–64 GB内存的普通迷你主机回答的是另一个问题：“我能在桌面上安静地运行7–32B模型吗？” 本地AI工作站回答的则是：“我到底能不能加载百B级模型？”差距来自内存系统：256位LPDDR5X总线同时为CPU和GPU供数据，内存焊接在主板上，其中很大一部分可由GPU寻址。采用双通道DDR5内存条的迷你主机，带宽只有它的一小部分。关于那类机器，请参阅我们的ASUS迷你主机指南和迷你主机汇总。

本页以“本地AI工作站”这一名称追踪这一类别，让这些机器彼此比较，而不是与入门级台式机比较。Mac属于另一个独立类别，详见Mac选购指南。

真正的竞争发生在平台之间，而不是九个品牌之间。 大多数AMD机器共用同一颗处理器，区别在于散热、功耗限制、连接性、固件、保修和价格。

五款机器涵盖了真正的购买决策：内存最大、厂商参考设计、商用选择、性价比最佳和可扩展工作站。 这是根据规格表和第三方报道做出的编辑部遴选；PromptQuorum没有对其中任何一款做过基准测试。链接指向厂商页面，不含联盟关系。每台机器还有各自的页面：DGX Spark、Ryzen AI Halo、Framework Desktop、HP Z2 Mini G1a、GMKtec EVO-X2、Minisforum MS-S1 MAX。

以下每个数字都是最近一次更新时（见更新日期）、来自所述来源的美国价格；均未从其他货币换算。 2026年内存短缺已多次推高价格，且若干条目在不同卖家之间互相矛盾，因此请把此表视为一个快照，下单前先打开厂商页面。欧洲价格有所不同，由于我们无法核实，所以未列出。

我们找到的唯一一项有公开数据的正面对比，是StorageReview对Ryzen AI Halo与DGX Spark的测试，结果是Spark赢下了每一个场景。 测试在Linux上对六个模型以批量64运行vLLM在线服务。在18个场景中，Spark在16个场景领先约2–13倍，在另外两个场景领先约11–12%，这两个都是较小稠密模型的解码密集型运行。差距最大的出现在预填充密集型任务和适合Blackwell硬件的FP4模型上。

该测试衡量的是多请求服务吞吐量。单用户聊天速度主要取决于内存带宽，而两者的带宽相近（256对273 GB/s），因此我们预计那里的差距会小一些，但这只是预期，该测试并未测量。AMD自己发布的对比（包括与Intel的对比）属于厂商测试，不是独立基准测试。

容量决定能加载什么；带宽和软件决定跑得多快。 此表是量化的算术推算（参数量 × 每权重位数，再加上上下文所需的工作空间），不是基准测试。

Intel的Panther Lake平台值得关注，但目前还不是大模型机器。 据NanoReview，搭载Arc B390显卡的Core Ultra X9 388H最高支持96 GB、153.6 GB/s，而PRO 495为192 GB、256 GB/s。HotHardware发现，在部分OpenVINO负载中Arc B390领先于Strix Halo，而在ONNX中Strix Halo领先。这些结果是与395对比的，不是与PRO 495对比。

HP Z2 Mini G1i是另一种设计：一台搭载独立NVIDIA RTX 4000 SFF Ada显卡的Intel工作站，这意味着使用专用显存，而不是一大块共享内存。它应当放在更广泛的工作站对比中，而不属于本篇。