大数跨境
首页
>
DGX Spark 涨成了奢侈品，本地跑大模型，这钱还花不花
>

DGX Spark 涨成了奢侈品，本地跑大模型，这钱还花不花

DGX Spark 涨成了奢侈品，本地跑大模型，这钱还花不花 至顶AI实验室
2026-11-13
0
导读：DGX Spark从3999美元涨到6950美元，价格逼近5万元。涨价的不只是DGX Spark，几乎所有大内存AI设备都在变贵。AI抢了AI的饭碗，但大内存真的等于高性能吗？结合真实Agent任务测

  作者 | ZDTL

来源 | 至顶AI实验室

3999美元。
这是去年10月DGX Spark刚上市时的价格，128G统一内存，当时不少人还嫌它贵。
今年2月，4699美元。
10月，6950美元。
一年时间，同一台机器，配置一点儿没变，贵了将近四分之三，折合人民币接近5万。
更有意思的是，英伟达10月下旬补了一个64G的版本，4999美元。内存砍掉一半，反而比一年前的128G版本还贵1000美元。
这事放在以前的电脑行业，基本不可能发生。电子产品向来是买了就跌，等等党永远不亏。
今年反过来了，早买的人，全都买在了低点。
其实涨的不只是DGX Spark，把今年能在本地跑大模型的设备挨个看一遍，情况都差不多。
Framework基于AI Max+ 395的小主机，年初调价，32G和64G的版本各涨了40美元，128G的版本一口气涨了460美元。官方的解释是顶配要用8颗大容量颗粒，这种颗粒都在涨价。
海盗船同样的395的AI Workstation 300，128G版本上市时2299美元，现在3399美元。
刚上市的RTX Spark笔记本更直观。微软Surface Laptop Ultra，24G的入门版2599美元，128G的顶配5899美元，光是从64G升到128G这一步，就要加1600美元，一万一千多人民币，买到手的只是64G内存。
惠普的OmniBook，32G升64G，加1800美元。
AI Max+ 495的192G版本，人民币5万+，当时觉得夸张，现在回头看，一点都不夸张了。
传统显卡同样涨价迅猛，RTX 5090发布时官方定价1999美元，按Artificial Analysis上个月做本地测试时记录的行情，单卡已经到7000美元左右。RTX PRO 5000、PRO 6000、5500这几张专业卡，基本都涨幅接近1倍了，问过的朋友基本是同一句话，有货就不错了。
所以现在的局面是，一台设备只要卖点是显存大、统一内存大，它就在涨，越大涨得越凶。
二手市场也跟着变了味道，闲鱼或渠道上DGX Spark的二手价，4.5万，用了一年的机器，卖得比当初买的时候还贵。
电脑硬件居然开始保值了，这话搁两年前，说出去都没人信。
钱被谁赚走了？
答案大家其实都知道，AI。
AI服务器要用HBM，HBM和我们电脑里的内存，出自同一批晶圆。同样的容量，HBM占的芯片面积是普通内存的两到三倍，原厂每多做1G的HBM，差不多就要少做3G的普通内存。一台AI服务器吃掉的内存，又是普通服务器的八到十倍。
三星、海力士、美光三家，算得很清楚，好产能全部先给数据中心。
于是DDR5的大宗价连涨了9个月，已经是去年年底的两倍。华强北的柜台上，一根16G的DDR5，报价1400到1600块，去年年中还只要三四百。
DGX Spark、RTX Spark、AI Max+这些机器用的LPDDR5X，是焊在板子上的统一内存，跟HBM抢的是同一拨产能，涨起来自然冲在最前面。
说起来有点讽刺，本地AI设备卖的就是大内存，结果云端的AI把内存买贵了，端侧的AI只能跟着涨价。
AI抢了AI的饭碗。
很多人把希望放在长鑫身上，7月上市之后，这种期待就更高了。
但Computex上几家模组厂商给出的信息，长鑫DDR5颗粒的拿货价，跟三星海力士美光差不多，没便宜多少，它眼下的优势就一条，有货。
这也好理解，市场缺货的时候，没有人会主动降价，换你你也不降。
为什么需要大内存？
涨价的事说完了，回到一个更实际的问题。
64G升到128G，现在要多花一万多块，这笔钱到底买到了什么？
这得看能装得下什么模型。
32G这一档，Qwen3.8-27B量化后20G左右，Qwen3.6-35B-A3B也差不多，跑起来没问题。
64G这一档，按英伟达自己的说法，能跑到100B参数上下。可这个能跑要打个折扣，像gpt-oss-120b这种，量化后的权重就有六十来个G，再加上系统和上下文，64G基本是贴着天花板，海外已经有人把这个配置评价为勉强。
128G，120B这个级别才算跑得从容，上下文也敢开大一点。
192G，就可以去碰DeepSeek V4 Flash这种284B的模型了，之前的文章里我们提过，单台AI Max+ 495，每秒几十个token。
这么看，内存越大，能跑的模型确实越大，钱没白花。
可还有另一笔账，装得下和跑得快，是两回事。
Artificial Analysis 9月底开源了一个测试工具，拿真实的Agent任务在本地设备上回放，168轮对话，上下文一路涨到五万多token，比单纯报一个每秒多少token要接近实际得多。
结果不尽人意。
32G显存的RTX 5090，跑Qwen3.8-27B，4.9分钟跑完。128G的DGX Spark，同一个模型，首批结果是24分钟。后来上榜的RTX Spark笔记本，18.7分钟。
同一批测试里还有一个数字我印象更深。Qwen3.6-35B-A3B，一个每次只激活3B参数的MoE模型，在所有设备上都比27B的稠密模型快了2.5到3.3倍。
这个模型，32G就装得下。
大内存解决的是能不能跑，管不了跑得快不快。128G的统一内存，装得下120B的模型，可真拿它跑长任务，速度未必让你满意，这是内存带宽决定的。日常那些写文档、改代码、跑Agent的活，一个激活参数很小的MoE模型，放在64G甚至32G的机器上，体验可能反倒更好。
谁真的需要128G？
要在本地跑100B以上模型的，比如数据不能出门的企业，对模型能力又有硬要求。
要同时常驻好几个模型的，一个写代码，一个看图，一个管语音，各占各的内存。
要开很长上下文的，整个代码仓库、几百页的文档往里塞，上下文本身就要吃掉一大块内存。
还有做开发和微调的，这个不用多说。
这几类之外，如果你只是想在本地有一个够用的AI助手，64G这一档，在今天这个价格下，是我认为更划算的选择。省下来的一万多块，拿去买API，够用好几年。
等，还是不等
还剩一个问题，现在买，还是等降价？
说实话，我给不出答案，因为连机构都吵成一团。
好消息是涨势在放缓。集邦咨询11月11日刚更新的数据，四季度PC内存合约价预计再涨13%到18%，比三季度的18%到23%低了一截。原因也很现实，电脑太贵卖不动了，笔记本出货在掉，厂商手里的库存在涨。
高盛更乐观一些，预测内存价格2027年见顶，2028年腰斩。
坏消息是另一边的人说得更吓人。IDC认为2027年底之前看不到缓解，SK集团的会长在Computex上的说法是，缺货要到2030年。新工厂都在建，最快也要2027年底才能量产。
我自己的判断很简单。
刚需就买，买够用的那一档，别为了以后可能用得上去上顶配。
没到刚需就等，等不来降价，起码等得来更省内存的模型。
毕竟过去这一年，硬件一直在涨价，小模型倒是越做越会过日子。
去年我们聊本地AI，问的是算力够不够。今年变成了显存够不够。到了年底，或许问题就变成了，内存买不买得起。
128G统一内存，一年前是本地AI的入场券，现在更像一张头等舱的票。
能坐当然舒服。但到得了目的地的，从来不止头等舱。

END
本文来自至顶AI实验室，一个专注于对AI计算机、工作站及各类AI相关硬件设备，开展基于真实使用场景评测的研究机构。


图片


图片

【声明】内容源于网络
0
0
至顶AI实验室
一个专注于探索生成式AI前沿技术及其应用的实验室。
内容 78
粉丝 0
至顶AI实验室 一个专注于探索生成式AI前沿技术及其应用的实验室。
总阅读2.5k
粉丝0
内容78