我得知这个消息时已经晚了。别犯同样的错误。
关注并收藏这个账号 - 我是
@starmexxx ，我追踪 AI 工具如何创造大多数人尚未听说的新收入来源。这个消息连我自己都感到惊讶。
在 2026 年拉斯维加斯 CES 上，AMD 首席执行官苏姿丰站在主题演讲台上，身后平台上放着一个黑色小盒子。不是服务器机架，也不是数据中心渲染图。而是一台像精装书那么大的迷你 PC。
几个月后，在上海举行的 AMD AI 开发者日上，她走到同一台设备前，亲自在上面签了名。这台设备就是 GMKtec EVO-X2。根据配置不同，价格在 1,700-2,000 美元之间。它能运行的 AI 模型规模之大，大多数云订阅服务都无法企及。
1/
改变计算规则的那颗芯片
一切始于 AMD 的 Ryzen AI Max+ 395，代号 Strix Halo。这是有史以来第一颗能够在一块芯片上运行 2000 亿（200 billion）参数模型的 x86 芯片，采用与 Apple Silicon 类似的统一内存架构。
简单说就是：不再需要独立的显卡和其有限的内存，CPU 和 GPU 共享一个巨大的内存池，最高可达 128GB。模型只需加载一次，处理器和图形芯片从同一处读取数据。
1┌────────────────────────┬──────────────────────────┐2│ 规格 │ GMKtec EVO-X2 │3├────────────────────────┼──────────────────────────┤4│ 芯片 │ AMD Ryzen AI Max+ 395 │5│ 核心 / 线程 │ 16 / 32 │6│ 最高频率 │ 5.1 GHz │7│ GPU │ 40 RDNA 3.5 CU │8│ NPU │ 50 TOPS │9│ 综合 AI 性能 │ 126 TOPS │10│ 统一内存 │ 最高 128GB │11│ 可用显存（Linux） │ 最高 110GB │12│ 价格 │ $1,700 - $2,000 │13└────────────────────────┴──────────────────────────┘
2/
EVO-X2 实际能做什么
在真实测试中，AMD 称该芯片在 DeepSeek R1 推理上的性能是 NVIDIA RTX 5080 的 3 倍以上。这是一颗集成在午餐盒大小的迷你 PC 中的芯片，在真实的 AI 工作负载上击败了价值 1,000 美元以上的独立显卡。
在 128GB 配置下，Linux 上最多可分配 110GB 作为可用显存。这足以完整流畅地运行 Qwen3-235B，以及无需任何量化技巧就能运行 DeepSeek-V3 和 Llama 3.3 70B 等模型。
1┌──────────────────┬────────────┬───────────────────────────┐2│ 模型 │ 所需显存 │ EVO-X2 上的结果 │3├──────────────────┼────────────┼───────────────────────────┤4│ Qwen3-235B │ ~110GB │ 完整流畅运行 │5│ DeepSeek-V3 │ ~100GB │ 运行舒适 │6│ Llama 3.3 70B │ ~42GB │ 快速，余量充足 │7│ Qwen3.6 27B │ ~16GB │ 非常快，日常使用首选 │8└──────────────────┴────────────┴───────────────────────────┘
作为对比，通过 API 运行同样规模的模型，每月花费轻松超过 200 美元，而且那些套餐在高峰时段还会经常限制你的速率。
3/
这东西能替代哪些订阅
1┌──────────────────────────┬───────────────┬──────────────┐2│ 订阅服务 │ 月费 │ 年费 │3├──────────────────────────┼───────────────┼──────────────┤4│ Claude Code Max（20 倍） │ $200/月 │ $2,400/年 │5│ ChatGPT Pro │ $200/月 │ $2,400/年 │6│ Gemini Advanced │ $20/月 │ $240/年 │7│ Cursor Pro │ $20/月 │ $240/年 │8├──────────────────────────┼───────────────┼──────────────┤9│ 重度用户总计 │ $440/月 │ $5,280/年 │10└──────────────────────────┴───────────────┴──────────────┘
EVO-X2 一次购买价格为 1,700-2,000 美元。以典型推理负载全天候运行，每月电费大约 9 美元。相比每月 200 美元的订阅习惯，回本周期大约在 9-10 个月。之后每个月都是纯节省——三年下来大约能省回 13,000 美元。
4/
设置它只需大约十分钟
EVO-X2 预装 Windows 11，但大多数运行严肃本地 AI 工作负载的人会把它装成 Linux，以解锁全部 110GB 可用显存，而不是 Windows 的 96GB 上限。
操作系统装好后，在终端中运行一条命令即可安装 Ollama。之后，再一条命令就能拉取模型，十五到二十分钟内，你就拥有了一个完全私密的本地 AI，通过 Open WebUI 可以获得与 ChatGPT 完全相同的外观和感觉。
对于开发者来说，只需更改一个环境变量，就能让 Claude Code 指向本地模型。相同的界面、相同的命令、相同的工作流，只不过所有内容都不会离开你的机器，而且每次请求都不花钱。
5/
诚实的权衡
这不是 Mac Mini。它更大、负载下发热更高、耗电量也更大——每月电费约 9 美元，而 Mac Mini 只需 2-3 美元。它也是以 Windows 为主的设备，不过 Linux 对 AI 工作负载的支持已经非常完善，并且被广泛使用。
价格大约是基础版 Mac Mini 的 3 倍，但能力上的差异是实实在在的——这台设备能运行比 Mac Mini 内存中舒适运行规模大 3-4 倍的模型。如果你确实需要在本地运行 70B+ 参数级别的模型，那么这个价位就是实现可能性的门槛，而无需花费 4,000 美元以上购买 Mac Studio。
云模型仍然占优的地方在于最复杂的大规模代码库上的智能体编程，以及在绝对的顶级推理能力上，每一个百分点的基准性能都很重要。除此之外，差距基本已经消失了。
时机窗口
AMD 专门打造了一颗芯片，让在消费级硬件上本地运行 2000 亿参数模型不再听起来像科幻小说。GMKtec 把这颗芯片装进了一个售价 1,700 美元的盒子里，而 AMD 自己的 CEO 把它带上了舞台，并亲笔签了名。
当桌子上的任何东西都无法企及云端所提供的能力时，订阅是有意义的。对于 70B-235B 范围内的模型，只要愿意进行一次性的硬件投入而不是持续订阅，这个差距现在基本上已经不存在了。
一次 1,700 美元的购买，每月大约 9 美元的电费，一个 2350 亿参数模型安静地运行在你的桌子上。
// 窗口已经打开。关注 - @starmexxx 我会在它们关闭之前继续寻找 //
