本地 AI 算力上笔记本，这代 PC 换了打法

【导语】10 月的笔记本市场出现了一个共同关键词：本地 AI 算力。英伟达 RTX Spark 芯片（代号 N1X）本月首发登陆笔记本，微软 Surface Laptop Ultra、华硕 ProArt 创16 随即跟进；AMD 也在 10 月 5 日推出锐龙 AI Max PRO 400。本文从产品节奏、核心参数、技术路线、实际表现、现实考量和适配场景六个维度，看这代 PC 到底变了什么。

一、十月集中亮相的几款新机

据太平洋科技报道，戴尔于 10 月 14 日在上海举办媒体品鉴会，发布新款 XPS 13，重约 1 公斤、机身厚度 12.7 毫米，搭载英特尔 Wildcat Lake 与 Panther Lake 芯片，标配 2.5K 触控屏。

同一时间，微软在 10 月 7 日推出 Surface Laptop Ultra，搭载英伟达 RTX Spark 超级芯片，起售价 2599 美元，10 月 16 日发货；华硕 ProArt 创16 RTX Spark 于 10 月 8 日开启预约，主打本地运行大模型。

二、核心参数对照

戴尔 XPS 13 走的是另一条路：Wildcat Lake 版本持续性能释放 15W，Panther Lake 版本 25W，两者峰值功耗均为 35W，面向日常负载与频繁移动，而不是本地大模型。

三、三条技术路线的分野

• 统一内存架构：N1X 与 AMD 新平台都把 CPU 与 GPU 共享同一块大容量内存，减少数据搬运，这是本地跑得动大模型的前提。
• 算力单位变化：厂商开始用 FP4 算力（如 1 Petaflop）而非单纯 TFLOPS 描述 AI 能力，说明评价标准在向推理场景迁移。
• 散热与形态取舍：XPS 13 把进风口移到机身两侧、底部留平整表面，用 35W 峰值换取 1 公斤机身，属于「算力让位于便携」的思路。

值得注意的是，这批产品都强调「本地」二字。数据不出机器，既降低了延迟，也规避了敏感资料上传云端的风险，这是它们在宣传中反复提及的差异点。

四、本地跑模型的实际意义

据科技快报网报道，AMD 官方实测中，GLM-5.3-Flash 320B 模型在 4-bit 量化下本地推理达 20 tokens/s，Qwen3.8 Flash Next 125B 加 51B 组合达 42 tokens/s；128GB 机型上 Qwen3.5 35B 生成约 45 tokens/s，最高支持 26 万 token 上下文。

这组数字的含义是：本地运行中等规模模型已经可用，但接近旗舰规模的模型仍需要量化与更大内存。对开发者而言，好处是模型调试、私有智能体开发不必反复上传；对创作者而言，则是长文档与素材处理不必等待云端往返。

五、三个不宜忽视的限制

• 价格门槛：Surface Laptop Ultra 2599 美元起，属于高端定价；本地 AI 的性能优势对多数用户而言比较抽象，多花钱却是具体的。
• 生态成熟度：Arm 架构 PC 此前有过失败先例，应用兼容性、开发框架与工具链是否齐备，决定了这些算力能否被真正用上。
• 成本波动：据今日头条报道，AI 数据中心对存储芯片产能的挤占推高内存价格，有机构预测 2026 年全球笔记本出货量可能下滑超过 13%。

还有一点容易被忽略：本地算力再强，模型迭代速度仍由云端主导。买一台「能跑 120B 模型」的机器，一年后主流模型规模可能又上一个台阶，硬件生命周期需要提前考虑。

六、不同使用场景的适配分析

【结语】这代 PC 的变化不在于 CPU 快了多少，而在于把「AI 推理」从云端搬回了本地。统一内存、FP4 算力、大容量共享显存，都是为这件事服务的。但它是否值得投入，取决于你是否真的需要在本地跑模型——如果只是在浏览器里用 AI，这代硬件的溢价未必能兑现。判断标准很简单：你手上有没有一份不能上传云端、又必须用 AI 处理的资料。