3999 美元 Strix Halo 主机硬刚 DGX Spark，本地跑大模型选谁？
🩺 摘要
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
📝 详情
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。
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。
💬 评论 (0)