大数跨境

内存砍半反涨7000块!英伟达“半血小超算”惹众怒:黄仁勋根本不想给你算力自由

内存砍半反涨7000块!英伟达“半血小超算”惹众怒:黄仁勋根本不想给你算力自由 未来跃迁
2026-10-04
0
导读:内存砍半反涨7000块!英伟达“半血小超算”惹众怒:黄仁勋根本不想给你算力自由
未来跃迁 · 追踪技术新范式,关注商业新物种

作者 | 卷卷· 编辑 | 阿策

科技圈里,很少有一款硬件能把全世界极客的情绪从狂欢直接拖进愤怒。

但黄仁勋做到了

2026年10月,英伟达在官网悄悄上架了一款桌面小主机,DGX Spark 64GB 版本。

价格标签公布的一瞬间,全球开发者群体一片哗然。

64GB 统一内存,起售价 4999 美元(约合人民币 3.55 万元)。

中文推文:内存砍半,价格反而涨了

▲ 中文社区开发者发帖吐槽:降配反而涨价,内存涨价已经逼疯了硬件厂商

算一笔账,你的血压立刻就会上来:

一年前,这台机器的满血版标配是 128GB 统一内存,首发价格整整比现在便宜了 1000 美元;
而现在,老款 128GB 版本不仅没降价,反而坐地起价,一路飙升到了 6950 美元(约合人民币近 5 万元),涨幅高达惊人的 75%。

内存生生被砍掉一半,价格却比当年的满血首发版还倒涨了整整 7000 多元人民币。

面对如此悬殊的落差,老黄的刀法可谓粗暴至极。

曾经许诺给全球开发者的“桌面算力平权”,在这一刻彻底粉碎。

01昔日幻梦:把“个人AI超算”搬上书桌

要理解今天的愤怒,必须先把时钟拨回一年前。

那时的空气里,还弥漫着极其浪漫的技术理想主义。

2025年10月,当英伟达首次端出 DGX Spark 时,整个开源 AI 社区几乎为之疯狂。
《The Verge》等科技媒体直接用“属于个人的 AI 超算”作为头条。

The Verge:2025 年 10 月 DGX Spark 开售报道,首发价 3999 美元

▲ 2025年10月,The Verge 报道 DGX Spark 正式开售,首发价定在 3999 美元

在传统 PC 上玩本地大模型,开发者最大的噩梦是显存。
消费级显卡哪怕再快,显存撑死了也就 24GB,稍大一点的模型根本塞不进去。

而 DGX Spark 带来了一场革命。

它搭载了英伟达定制的 GB10 Grace Blackwell 超级芯片。
CPU 与 GPU 共享一块巨大的 128GB 统一内存,带宽高达 273 GB/s。

如此充沛的带宽与容量,让开发者书桌上的黑色小盒子足以直接吞下 2000 亿参数的庞大模型。

插上普通家用插座,开机就能在本地飞速运行 Llama、Qwen、DeepSeek。
私人数据无需上传云端大厂,既免去审核与调用额度限制,也不必担心熟睡时按 Token 疯狂跳表扣费。

那时的售价是 3999 美元
虽然昂贵,但黑客和独立开发者们咬咬牙认了:

“这是一次性买断属于自己的数字灵魂。”

极客们以为,一个崭新的本地 AI 黄金时代要来了。

他们没想到,狂欢仅仅持续了一年

02现实反转:内存砍半,价格反杀满血老款

现实很快露出了冰冷的獠牙

进入 2026 年,全球 AI 军备竞赛彻底抽干了上游芯片供应链。
高带宽内存与高端 DRAM 陷入了前所未有的全球大饥荒。

英伟达应对危机的策略,是朝消费者的钱包连续挥刀。

先是在今年 2 月,将 128GB 老款悄悄涨到 4699 美元;
到了 10 月,官方标价更是直接飞升到 6950 美元。

紧接着,就是这台号称“更易入手”的 64GB 青春版降临。

英伟达账号官宣 64GB 选项,配黑色主机产品图

▲ 英伟达官方账号宣布 DGX Spark 推出 64GB 版本,起售价 4999 美元

各大科技外媒的报道标题再也遮掩不住嘲讽。

知名科技媒体《The Register》直接戳破了幻象:“迎头撞上内存荒,英伟达推出 4999 美元的半血版,而 128GB 已经暴涨了 75%。”

The Register:4999 美元半内存版与 128GB 涨至约 6950 美元的报道

▲ 外媒 The Register 报道:这台所谓的入门机比一年前满血旗舰还要贵 25%

官方博客还在粉饰太平,宣称 64GB 是为了给开发者“更多起点”,并卖力推销一个名叫 ConnectX-7 的双机互联功能,买一台不够?
你可以买两台 64GB 用高速网线连起来,组装成 128GB 啊!

但社区早已算明白了这笔账:

两台 64GB 机器,总价直奔 1 万美元。

原本一年前花 3999 美元就能搞定的体验,现在英伟达让你掏出 1 万美元去曲线救国。

面对官方推特下热火朝天的宣传,早期购买了 4 台设备的忠实铁粉直接在评论区泼了盆冷水:

“没人想要 64GB,请给我们 256GB 和 512GB。”

早期四台机主回复:不要 64GB,要 256/512GB

▲ 忠实核心用户在官推下愤怒留言:没人想要倒退的 64GB 配置

为什么核心开发者对 64GB 如此深恶痛绝?

因为在真实的大模型世界里,缩减容量带来的影响远超纸面数字。

这是一场生产力从天堂跌入地狱的能力断层。

03硬核算账:64GB 为何沦为昂贵的“工业电子垃圾”?

在英伟达的宣传手册里,轻描淡写地写着“64GB 版本单机可跑约 1000 亿参数模型”。

凡是实际动手部署过本地模型的开发者,都明白这个宣传口径有多么脆弱。

大模型跑在电脑里,吞噬内存的开销其实由两大部分组成:静态模型权重,以及动态 KV Cache(键值缓存)。

我们可以把大模型想象成一个高智商员工:

  • 静态权重
    :相当于他的大脑容量和知识储备,一旦开机就固定死在内存里;
  • 动态 KV Cache
    :相当于他看书、做推理时的草稿纸。你看的文档越长、聊天的上下文越多,这堆草稿纸占用的地方就呈几何级数爆炸。

我们拿今天开源界最通用的中流砥柱,Llama 3 70B 算一笔硬账。

700 亿参数的模型,即便经过了 4-bit 极限压缩量化,其静态身体也需要霸占 40GB 到 43GB 的内存。

PCMag:内存短缺背景下 64GB 版仍要 4999 美元的报道

▲ PCMag 刊文指出:面对内存危机,降配的新款依然要价 4999 美元

再看整台电脑的可用空间:

  • 64GB 统一内存,开机扣除底层的 DGX OS 系统、驱动和 CUDA 运行时底噪(约 4GB~6GB);
  • 实际留给 AI 进程的空间,只剩下约 58GB。

当那具 42GB 的 70B 模型肉身躺进去后,留给草稿纸(KV Cache)的内存,只剩下微薄的 16GB!

16GB 的草稿纸够干什么?

  • 对话 4000 字(4k 上下文),草稿纸只占 1.6GB,运转顺畅;
  • 当对话来到 3.2 万字(32k 上下文),草稿纸直接膨胀到 13.1GB,此时系统已经亮起红灯;
  • 一旦开发者想给它喂一份几万字的代码库、读一本长财报,或者让自主 Agent 进行多轮工具调试,上下文稍稍推到 64k,草稿纸需要 26.2GB 内存。

砰!

内存瞬间打爆,OOM 崩溃闪退,或者系统直接掉进性能暴跌万倍的虚拟内存死循环。

在 64GB 机器上,70B 级别的模型被牢牢锁死在“短文本玩具”的枷锁里。

如今开发者最核心的诉求是什么?

是像 OpenCode、Claude Code 那样常驻在后端的自主编程 Agent。
这种智能体需要不断读取项目代码、查询依赖树、反复自检报错,上下文动辄逼近 64k 乃至 128k。

面对这类高负载任务,64GB 机器根本难以支撑,只能退守去跑 27B 左右的次级模型。

更残酷的断崖发生在本地微调(QLoRA)和混合专家模型(MoE)上:

  • 想要在本地用自己的业务数据微调一个 70B 模型,需要给训练梯度和优化器留出额外空间,最低显存硬性门槛是 56GB~65GB。64GB 机器直接原地瘫痪,而 128GB 老款却能从容搞定;
  • 想要跑效果极为强悍的开源 MoE 模型(比如 Mixtral 8x22B),光是 4-bit 压缩后都需要 75GB~80GB 空间。64GB 连大门都摸不到。

花 5000 美元买回去,你以为自己拥有了一台本地生产力神机。

开机才发现,你花巨资买回来的,是一个跑复杂长文本就宕机、无法微调、与前沿 MoE 模型绝缘的高价半成品。

04终极真相:92.5% 的冷酷现实

面对全球黑客的声讨,英伟达真的不知道 64GB 不够用吗?

他们当然知道

但去中心化 AI 开发者 Mau Ledford 在社交平台上直言不讳:

“别把英伟达当成你的朋友”

他在帖文中列出关键财务数据,直指英伟达的商业重心早已转移:

社区开发者发帖:直言英伟达商业重心已转向数据中心

▲ 开发者指出:数据中心占 92.5% 营收,普通用户的诉求难以影响商业决策

在这份刚向 SEC 提交的最新季度财报中,英伟达交出了极其恐怖的成绩单:

  • 单季度总营收:962 亿美元
    ;
  • 数据中心业务营收:890 亿美元
    。

890 亿除以 962 亿,数据中心占比高达整整 92.5%。

SEC 披露的英伟达季度财报新闻稿:总营收与数据中心营收

▲ 英伟达向 SEC 披露的财报数据,数据中心业务同比增长 117%

剩下包括游戏显卡、自动驾驶、桌面 AI 小超算在内的全部业务,被挤在那个孤零零的 7.5% 窄条里。

黄仁勋在财报电话会上对华尔街骄傲地宣布:“算力即收入(Compute is revenue)。”

但这句口号的潜台词,普通人听懂了吗?

英伟达的核心利润来源,是微软、亚马逊、谷歌、Meta 以及各大主权算力中心。
那里的 H100、Blackwell 服务器成千上万台地被采购,每产生一个 Token,云巨头就在向全球终端用户收税。

从商业闭环的角度来看,英伟达没有任何动力让普通个体实现“算力独立”。

如果每个独立开发者、每家初创公司花几千美元,就能在自家书桌上舒舒服服地跑满血的前沿大模型,那谁去买云厂商的算力?
谁去给数据中心贡献那 92.5% 的万亿营收?

正如资深自托管玩家 Jason McNab 的犀利评述:

在英伟达的战略蓝图里,DGX Spark 的定位始终是一台服务于生态迁徙的“过渡设备(ramp device)”,与平民革命毫无瓜葛。

它的唯一使命,是放在企业办公室的桌边,让你熟悉英伟达的 CUDA 和 DGX 软件栈,当你发现本地内存不够用、性能受限时,顺理成章地迁徙到云端,去租用他们按秒计费的庞大算力集群。

05算术陷阱:被挤压的极客,逃向苹果

今天的个人开发者,正被夹在两堵正在合拢的高墙之间。

一堵墙在硬件端:内存荒叠加厂商的利润收割,本地买断的门槛被高高筑起;
另一堵墙在云端:各大 API 租用平台同样在疯狂变相涨价。

开发者 Jimmy Cheng 算过一笔极其毒辣的算术账:

主流的代码辅助与 AI 订阅服务纷纷开始缩水,原本 200 美元的专业档在削减额度,上方悄然出现了 500 美元的新阶梯;
更先进的模型输入输出计费昂贵

“硬件是你拥有的资产成本;
而一个常驻后台、按 Token 计费的智能体,是你睡觉时都在疯狂膨胀的跳表账单。”

回复:API 租用涨价与本地买断的算术

▲ 开发者指出:选择本地部署完全源于现实而冰冷的成本算术

原本,花 3999 美元买下一台 128GB 的 DGX Spark,对照每月大几百美元的云端调用费,20 个月就能彻底回本。

而现在,随着老款涨到 6950 美元、新款 64GB 沦为半残,回本周期被生生拉长到了 35 个月以上。

在这场算力困局中,失望的开发者们开始用脚投票。

在中文推特圈,博主“米柒说”发出了灵魂拷问:

“4 个 64GB 的 Spark 组起来要 2 万美元,而一台 256GB 统一内存的顶级 Mac Studio 才只要 10999 美元。
英伟达这款产品的意义到底在哪里?”

中文对比帖:多台 Spark 总价与高内存 Mac Studio

▲ 开发者拿出苹果 Mac Studio 进行横向对比,嘲讽英伟达的离谱定价

即便苹果的统一内存生态在跑大模型时依然面临框架兼容、算子优化的诸多繁琐门槛,但在“每 GB 显存的拥有成本”面前,全世界极客甚至开始把目光投向了曾经被戏称为“金子做内存”的库克。

这无疑是 2026 年科技界最魔幻的黑色幽默。

06算力残酷法则:商业没有慈善

有人在短评里写下了一句精辟的总结:

“所谓的降配便宜版,其实一点都不便宜。
它只不过是那个越来越贵的蛋糕上,被切下来的更小的一块。”

从 2025 年秋天“人人拥有一台 AI 超算”的激昂宣讲,到 2026 年秋天“4999 美元买半血残废机”的冷酷现实。
仅仅一年时间,英伟达用两份标价,击碎了极客们最后的玫瑰色滤镜。

本地 AI 爱好者们终于看清:

在这个算力被视作新时代石油的纪元,去中心化的“技术自由”,大厂绝无可能主动施舍。

只要数据中心的财报数字还在成倍翻滚,只要云端的 Token 还在源源不断地产生现金流,你书桌上的那台小电脑,就注定只能在被精准阉割的刀法里苟延残喘。

本地 AI 褪去情怀与理想主义的光环,归根结底是一道残酷的算术题。

而这一次,黄仁勋把算盘打得震天响,唯独没打算让普通人算得过来这笔账。

未来跃迁 · 追踪技术新范式,关注商业新物种

【声明】内容源于网络
0
0
未来跃迁
1234
内容 602
粉丝 0
未来跃迁 1234
总阅读2
粉丝0
内容602