3999 美元 Strix Halo 主机硬刚 DGX Spark，本地跑大模型选谁？
AMD正在反击。凭借128GB统一内存、桌面级AI工作站定位，以及3999美元的价格标签——Ryzen AI Halo开发平台于6月中旬登陆Micro Center，直接对标NVIDIA的DGX Spark。最大的差异化优势在于：它原生运行Windows 11。
💡 你将学到
AMD正在反击。凭借128GB统一内存、桌面级AI工作站定位，以及3999美元的价格标签——Ryzen AI Halo开发平台于6月中旬登陆Micro Center，直接对标NVIDIA的DGX Spark。最大的差异化优势在于：它原生运行Windows 11。
📜 目录
3999 美元 Strix Halo 主机硬刚 DGX Spark，本地跑大模型选谁？
AMD 真坐不住了。同样能塞 128GB 统一内存，同样定位「桌面 AI 工作站」，同样 3999 美元起售——6 月中旬在 Micro Center 上架的 Ryzen AI Halo 开发者平台，刀尖直指 NVIDIA 的 DGX Spark。
最大的杀手锏就一句话：这台机器原生支持 Windows 11。DGX Spark 只能跑 Linux，AMD 这边可以装 Windows 11 Pro，也可以 Linux/Windows 双系统。这对大量只在 Windows 环境里干活、用惯了 LM Studio、Cursor、本地 Ollama 的个人用户和 Agent 玩家来说，是决定性的差异。
01. 价格战：AMD 已经先砍一刀
| 平台 | 当前价 | 备注 |
|---|---|---|
| AMD Ryzen AI Halo 128GB | $3,999 | Micro Center 预购中，7 月 10 日可提 |
| NVIDIA DGX Spark（首发） | $3,999 | 上市价 |
| NVIDIA DGX Spark（当前） | $4,699 | 显存/SSD 缺货涨价后 |
也就是说，AMD 不仅卡在 NVIDIA 首发价这个锚点，还比现在涨完价的 DGX Spark 直接便宜 700 美元。
国内这边同样能买到：abee AI Station 395 Max（128GB/2TB 液冷版）在京东首发 17999 元，极摩客 GMK EVO-X2 等机型也在售，基本对应 20000 元档位。
02. 核心硬件对位：两台机器几乎同一个"愿景"
| 规格 | AMD Strix Halo | NVIDIA DGX Spark |
|---|---|---|
| 处理器 | 锐龙 AI Max+ 395（16C/32T，5.1GHz） | GB10 Grace Blackwell（20 核 Arm） |
| 内存 | 128GB LPDDR5X-8000 统一内存 | 128GB LPDDR5X 统一内存 |
| 内存带宽 | 256 GB/s | 273 GB/s |
| GPU 算力 | RDNA 3.5 集显（40CU） | Blackwell GPU（6144 CUDA，1 Petaflop FP4） |
| 存储 | 2TB M.2 | 4TB M.2 |
| 系统 | Windows 11 Pro / Linux | 仅 Linux（DGX OS） |
尺寸差不多，AMD 那台甚至更薄（149×149×43mm vs 150×150×50.5mm）。两台都内置 128GB 统一内存，理论上都能塞下 70B 级别的稠密模型，甚至 120B 以上的 MoE 量化版——这是过去几年桌面 AI 玩家最馋的东西。
03. 跑起来到底谁快？数据可能反直觉
这才是最值得聊的。先说结论：DGX Spark 在「喂入提示词」阶段（prefill）猛，但生成阶段（decode）反而打不过 Strix Halo。
直接看社区跑出来的硬数据（gpt-oss-120B，llama.cpp，2025 年 10 月测试）：
Prefill（提示词处理，长上下文场景决定性）： - 4K 上下文：DGX 1775 t/s vs Strix 563 t/s，DGX 快 215% - 8K 上下文：DGX 1697 vs Strix 425，DGX 快 300% - 32K 上下文：DGX 1233 vs Strix 153，DGX 快 711%
Decode（token 生成，日常聊天体验决定性）： - 短上下文：DGX 38.55 t/s vs Strix 52.74 t/s，Strix 反超 27% - 32K 上下文：DGX 29 vs Strix 36，Strix 仍快 20%
翻译成大白话：
- 你扔一篇 3 万字论文让模型总结，DGX Spark 把论文「读进去」的速度是 Strix Halo 的 7-8 倍。
- 但模型开始一个字一个字吐回复的时候，Strix Halo 反而更跟手。
为什么出现这种反常？关键就在内存带宽。Strix Halo 的 RDNA 3.5 集显架构 + 256GB/s 带宽，对生成阶段更友好；DGX Spark 的 Blackwell 算力强，但被 273GB/s 的内存通道卡成了"算力过剩、喂不饱"。这跟之前社区测出"DGX Spark 跑 Llama 3.1 70B 解码只有 2.7 tps"是同一个根因。
04. Windows 11 支持：AMD 的真正杀招
对个人用户来说，这才是胜负手。
NVIDIA 那边配套的是 DGX OS（基于 Ubuntu），所有 Demo、文档、参考部署全是 Linux 原生。想在 Windows 上跑 DGX Spark？没有官方支持。你要么 Linux 玩到底，要么花钱找人搞 WSL2 + CUDA 桥接。
AMD 这边官方预装 Windows 11 Pro，LM Studio、Ollama、Cursor、Continue、AnythingLLM 这些本地 AI Agent 工具链在 Windows 上都是开箱即用。对于习惯了 Windows 工作流、或者根本不想折腾 Linux 的用户，这事比那 700 美元差价更值钱。
代价也有：Strix Halo 的 RDNA 3.5 在 ROCm 上的生态比 NVIDIA CUDA 弱很多。社区实测 gfx1151 内核在发布 6 个月后仍然跑不满，复杂模型/训练任务的优化空间远不如 CUDA。好在 Llama.cpp 的 Vulkan/HIP 后端在过去 3 个月已经把 Strix Halo 性能推高了近 50%，日常推理完全够用。
05. 谁更适合你？看这三个场景
场景 A：只想在 Windows 桌面上跑 70B 量化模型 + 用 AI Agent 干活的普通玩家 → Strix Halo。Windows 11 原生支持 + 更跟手的生成速度 + 便宜 700 美元，闭眼选。abee/Framework Desktop/GMK 这些机型都靠谱。
场景 B：研究 200B+ 大模型、长上下文 RAG、需要做多卡分布式训练 → DGX Spark。Prefill 速度碾压级领先，FP4 量化在 Blackwell 上是独家优势，且能通过 NVLink 接 DGX 服务器做无缝扩展。但要准备好搞 Linux。
场景 C：就想要极致性价比 → AMD 阵营里挑便宜的。Corsair AI Workstation 300 现在 128GB 顶配 $3,399（涨价后），国内 abee 17999 元 / 极摩客 GMK EVO-X2 也有更亲民的 96GB 配置。AMD 这条线产品多、价格分层细，比 NVIDIA 只有一款 DGX Spark 选择多。
06. 个人观点：这两个产品都不是给普通家用准备的
两台机器都不是给"普通家用"的——3999 美元、对应国内 15000-18000 元的预算，本质上是有开发/研究/重生产力需求的人才会掏。如果你只是想跑个 Qwen3-30B-A3B 跟 AI 聊聊天，租云 API + 一台普通游戏本可能更划算。
但如果你确实需要本地大模型、不想被云厂商涨价绑架、还要兼容日常工作流：
Strix Halo 是 2026 年这个节点"普通玩家想本地跑 AI"的最优解。它不是性能最强的，但它把"门槛"打下来了——Windows 11 装好、Ollama 装好、模型拉下来就能用，这种体验是 DGX Spark 给不了的。
NVIDIA 的优势仍然在数据中心级别——它的 GB10 真正的杀手锏是 NVLink-C2C + 集群扩展能力，这是 Strix Halo 完全没有的（AMD 这台机器不支持双机互联，也没法加独显）。但这套能力对个人用户基本用不上。
最后问一句：如果手里有 18000 块预算，你会买 abee 这台 128GB 的 Strix Halo 液冷工作站，还是咬咬牙加 5000 块上海淘的 DGX Spark？ 评论区聊聊你选 Windows 工作流还是 Linux 折腾党。
相关文章
本站文章由编辑人工撰写，收录的工具均经过实测或公开资料核验。文中链接指向工具官网或 GitHub 仓库，仅作信息参考，不构成付费推广。
