过去三年，「AI PC」这个词被发布会用烂了：台上说能本地跑大模型，台下买回家发现显存只有八吉字节，模型刚加载就爆。英伟达这次直接把工作站架构压进十五英寸机身，十月十六日晚八点全球开卖，华硕、戴尔、惠普、联想、微软、微星六家同步上货，起售价两千三百九十九美元。
一句话概括它解决了什么：CPU 和 GPU 不再各守一摊内存，模型权重不用在两个池子之间来回搬。这是本地推理最大的那个瓶颈，现在被硬件抹掉了。
但两千三百九十九美元买到的是哪一档，这件事没人替你说清楚。
十月开卖的到底是个什么东西
平台代号 N1X。把 Blackwell 架构的 RTX GPU 和二十核 Grace Arm CPU 封在同一块基板上，中间用 NVLink-C2C 互联，两边共享同一个内存池——最高一百二十八吉字节 LPDDR5X。旗舰配置是六千一百四十四个 CUDA 核心，官方标称 FP4 精度下一千万亿次每秒的算力。
低配版本是十八核 CPU 加五千一百二十个 CUDA 核心，内存二十四或六十四吉字节。
官方说它能本地跑一千二百五十亿参数的智能体。这句话的技术前提是统一内存：过去一张移动显卡十六吉字节显存，七百亿参数这种量级根本进不去；现在一百二十八吉字节是一个池子，七十亿、七百亿、一千二百亿参数模型的区别，只剩下「装不装得下」。
形态上首发覆盖四种：十四英寸轻薄、十五英寸主流、十六英寸创作者机、迷你主机。华硕 ProArt P14 和 P16、戴尔 XPS 16、惠普 OmniBook Ultra 与 X 14、联想 Yoga Pro 9n、微软 Surface Laptop Ultra、微星 Prestige N16，同一天全上。
三个内存档位，三种完全不同的机器
这是全文最该记住的一段。同一颗芯片，内存档位不同，能干的事完全不同。
二十四吉字节：能跑小模型，能加速剪辑和绘图，跑不动任何像样的七百亿参数模型。这一档是给创作者和普通用户准备的，AI 只是个附带能力。
六十四吉字节：七百亿参数模型在八位量化下大约需要七十吉字节权重，六十四吉字节靠激进量化加缩减上下文，勉强能塞进去；如果愿意牺牲质量，一千二百亿参数的量化版本也能试。这一档是本地智能体的最低门槛。
一百二十八吉字节：单机能够容纳的最大开源权重模型就在这一档。七十亿到七百亿随便挑，一千二百亿也能正经跑，不用卸载、不用分片、不用偷偷把层丢到 CPU 上。
价格上，两千三百九十九美元对应的是入门配置。实测机型里，华硕 ProArt P14 二十四吉字节版两千五百九十九点九九美元，微软 Surface Laptop Ultra 测试配置两千五百九十九点九九美元，惠普 OmniBook Ultra 三千一百九十九点九九美元。跳到一百二十八吉字节，Surface Laptop Ultra 报五千八百九十九点九九美元，华硕 ProArt P16 顶配六千九百九十九点九九美元。
也就是说，真正能干活的那一档，价格是起步价的两倍到三倍。两千三百九十九美元是个入场券，不是成交价。
实测：能跑模型，但不是一台好游戏本
The Verge 派了三个人、五台机器、测了一周。游戏部分是这代平台最尴尬的地方。
一千四百四十像素分辨率中等画质加 DLSS 性能模式，《黑神话：悟空》平均七十帧，《赛博朋克 2077》六十六帧，《极限竞速：地平线 6》五十七帧。看着还行。但《地狱潜者 2》最高难度下升频到一千零八十像素都守不住六十帧，《星球大战：零号连队》战斗中任意画质只有三十七到三十九帧。
原因不在显卡。Arm CPU 在模拟、绘制调用密集、物理运算重的场景里是短板，GPU 剩多少余量都补不上。这是一台功耗三百五十到四百五十瓦级别的移动系统，它把预算押在了 AI 上，游戏是顺带的。
AI 负载的表现符合预期：七百亿参数模型完全跑在统一内存里，速度是「对话级」；一千零二十四像素图像生成每张不到两秒。
问题出在持续时间。连续推理二十分钟后开始明显热降频，转轴附近烫到大腿受不了，风扇成为房间里最响的东西。不插电跑七百亿参数，续航按小时算，不按工作日算。评测者的结论很直接：这东西该被当成一台能折叠的台式机，而不是一台能带走的笔记本。
两个容易被忽略的账单
存储。 一个七百亿参数八位量化模型就是七十吉字节。一太字节的机型装几个模型、加上系统和素材，很快就满了。真要本地跑模型，二太字节或者外接 NVMe 是必选项，这条在配置单上很容易被跳过。
软件生态。 Windows on Arm 现在大概九成五成熟，剩下那五个百分点会在最不该出错的时候出错。Prism 模拟层跑多数 x86 软件没问题，但会出现启动极慢、笔记应用内容短暂消失、忽略系统深色模式这类怪毛病。整条链路是五层叠起来的：Arm 版 Windows、英伟达驱动、Prism 模拟、CUDA 栈、模型作者自己的框架。任何一层出问题，你都得有能力判断是谁的锅。
好消息是主流工具都跟上了。Adobe 出了原生 Arm 版 Photoshop 和 Premiere，降噪和导出能吃到 GPU；Ollama、LM Studio、vLLM、Docling 都是首发支持；OpenHands、Hermes Agent 这类开源智能体框架能整机跑。英伟达还给了验证过的部署指南，实测两小时内能跑通推理——过去这件事要花两天。
老达点评
第一，这不是一台笔记本，是一台可折叠的台式机。判断标准很简单：如果你不会抱着它去咖啡馆连着跑六个小时模型，那它对你的价值就取决于桌面上那根电源线。认清这一点，很多纠结就没了。
第二，买内存，别买核心数。全系 CUDA 核心差百分之二十，CPU 核心只差两个，但内存从二十四到一百二十八是四倍。六十四吉字节配一个散热吃紧的机身，持续负载下反而不如四十八吉字节配均热板设计的机器。这条经验在手机、在服务器上都成立，在这里尤其成立。
第三，两千三百九十九美元这个价，是给「想试试」的人准备的。真要日常跑七百亿参数，落到手是五千到七千美元，再加上二太字节固态和外接存储。这笔钱换来的东西是：数据不出门、调用不计费、延迟接近零。这三条如果有两条对你不重要，那云 API 更划算——同样的钱能买几亿个 token，还不用管散热。
第四，别指望第一代完美。评测给四分（满分五分），评价是「开创性的产品，不是完善的产品」。CPU 性能、轻薄机身里的持续散热、入门价格，这三件事下一代必然会改。如果你不是非现在不可，等一年是理性选择。
三类人该买，两类人再等等
该买的：第一类，本地跑智能体的开发者和小团队，需要反复试量化、试提示词、试微调，回环时间从「等 API」变成「等风扇」；第二类，有硬性数据不出门要求的机构，律所、医疗机构、金融研究团队，模型权重和客户数据都不许上云；第三类，重度剪辑和三维创作者，Adobe 原生 Arm 支持和 GPU 加速是实装的，不是远期承诺。
再等等的：主要打竞技类游戏的玩家，同价位传统游戏本的帧数更好看；只想要 Copilot 功能和长续航的普通用户，这台机器的溢价你吃不到。
如果预算卡在中间，还有两条替代路线：要桌面形态就看 DGX Spark，同样统一内存、更稳定的散热，但带宽只有苹果方案的三分之一；要极致内存带宽就看 Mac Studio，模型加载和长上下文更顺，代价是生态和游戏能力。我站内那篇 DGX Spark 的账算过一遍，思路可以直接搬过来用。
相关阅读：AI 工具评测专题、老达 AI 实践专题、DGX Spark 64GB 降到四千九百九十九美元：带宽却只有 Mac 的三分之一、五亿六千万参数出 4K 图：FLUX 3 Klein 把开源画图塞进 8GB 显存、手机跑三百五十亿参数模型只要 3GB 内存？面壁 MiniCPM-V 4.7 的账得拆开算
