DeepSeek能否引领AI PC发展趋势？(技术篇)

正文

请到「今天看啥」查看全文

10 Cortex-X925 + 10 Cortex-A725 Arm

16核Zen5

GPU

Blackwell架构（算力接近5070？）

AMD Radeon™ 8060S（性能大约相当于RTX 4060独显）

TDP

170（整机功耗）

45-120W cTDP

AI性能

1000 TOPS（FP4稀疏精度）

126 TOPS（含NPU 50 TOPS，INT8标准精度）

统一内存

128 GB LPDDR5x，256-bit

最大128GB LPDDR5x-8000，256-bit （显存最大分配96GB）

内存带宽

273GB/s

256GB/s

NVMe SSD

1 or 4 TB NVMe.M2

单盘、RAID 0/1

网卡

1x RJ-45 10 Gb、ConnectX-7 Smart NIC

以太网

支持的操作系统

NVIDIA DGX™ OS（基于Ubuntu Linux）

Windows 11 - 64-Bit Edition , RHEL x86 64-Bit , Ubuntu x86 64-Bit

用途

AI计算（面向AI 研究人员、数据科学家和学生）

AI计算、桌面办公、3D图形设计、游戏等

NVIDIA DGX Spark号称“最小的 AI 超级计算机”，它的处理器有点像微缩版的DGX计算系统（参考下图），在GB10单芯片上集成了Grace CPU——20个Arm Core，以及Blackwell架构的GPU。

AMD Ryzen AI MAX PRO系列（代号Stirx Halo），更接近传统集成显卡的x86 CPU，但整合GPU的性能却比较强。其默认TDP功耗55W，根据不同系统设计，cTDP可调功耗在45-120W范围。

关于AI计算性能，尽管从标称数值上看左右两边差距有点大，但正如NV官网 https://www.nvidia.com/en-us/products/workstations/dgx-spark/ 上的注释，这个1000（不知道是不是加上了CPU部分？）是 FP4 TOPS using the sparsity feature（ 稀疏精度 ），如果是按生成式AI常用的标准（稠密）精度，理论性能是上述的一半——500 FP4 TOPS，而 FP8/INT8标准精度 算力则应该是 250 TOPS 。

另一方面，无论使用CPU还是GPU做AI计算，在LLM推理的 Prefill（内容输入理解）阶段的瓶颈是算力 ；而在 Decode输出 时的性能 （Token/s）则主要受制于内存带宽 。我们看到上面2款产品都使用了

请到「今天看啥」查看全文