Strix Halo 对比 DGX Spark：128 核心机器的对决 GB

#两台配备 128 GB 内存的机器，两种设计理念

Ryzen AI Max+ 395 是一款 x86 APU：CPU 采用 Zen 5（16 核），iGPU 为 Radeon 8060S（RDNA 3.5，40 个 CU），NPU 为 XDNA 2，全部通过 256 位总线共享高达 128 GB 的 LPDDR5X 内存。该芯片应用于部分迷你 PC（Framework Desktop、GMKtec EVO-X2、Beelink GTR9）以及少数笔记本电脑。这是一款面向大众的平台，支持 Windows 或 Linux 系统，可像普通电脑一样运行 Ollama 和 LM Studio。

DGX Spark 是一款截然不同的设备：搭载 GB10 芯片（Grace Blackwell 架构），配备 20 核 ARM CPU 和带有 Tensor Cores 的 Blackwell GPU，同样搭配 128 GB LPDDR5X 统一内存。这款设备以 NVIDIA 生态为核心，出厂预装 DGX OS（定制版 Ubuntu）及完整的 CUDA 软件栈。官方公布的价格为 4,699 美元。

#1. 规格对比

乍看之下，最令人意外的是：内存带宽几乎相同。而决定 token 生成速度的正是内存带宽。这也解释了为什么在聊天场景中，两台设备的表现非常接近。

内存

两款设备均配备 128 GB LPDDR5X 统一内存。足以容纳一个 Q4 量化的 70B 模型（约 40 GB）及其上下文，或像 Qwen3-235B 这样采用激进量化的 MoE 模型。

带宽

Strix Halo：理论带宽约256 GB/s（256位，LPDDR5X-8000）。DGX Spark：约273 GB/s。实际生成中的差异可忽略不计。

GPU 计算

Radeon 8060S RDNA 3.5，40 个计算单元，无专用张量核心。Spark 侧：Blackwell 架构 GPU，配备张量核心及原生 FP4 支持——在原始算力上高出一个数量级。

CPU

AMD：Zen 5，16 个 x86 核心。NVIDIA：ARM Grace，20 个核心。使用大众软件时，x86 仍然更省事。

OS

Strix Halo：Windows 11 或 Linux 任选。DGX Spark：DGX OS（Ubuntu），预装驱动和 CUDA

功耗

Strix Halo：功耗预算为 55–120 W，取决于机箱。DGX Spark：负载下墙插端测得的功耗约为 240 W，配备专用电源。

#2. 每秒 token 数：势均力敌的较量

在纯生成（解码）阶段，两台设备的性能受限于内存带宽，而非计算能力。结果：数值相近，Spark 由于其略高的内存带宽以及高度优化的 CUDA 内核，表现出微弱优势。以下是社区于2026年发布的代表性数据，量化级别为Q4等效，使用短提示语。

Qwen3-30B-A3B (MoE) — Strix Halo

生成速度约为 100 token/秒。MoE 仅激活 3B 参数，因此尽管模型体量较大，速度仍然很高。

Qwen3-30B-A3B (MoE) — DGX Spark

约 100–115 tok/s。差距很小：运行这个轻量 MoE 模型时，两者都受内存瓶颈限制。

70B 稠密模型 Q4 — Strix Halo

~4-5个标记/秒。一个70B的密集模型会饱和带宽；体验仍可用但速度很慢

70B 稠密模型 Q4 — DGX Spark

~5-6 tok/s。内存受限情况下相同，差异体现在每秒token数量的分数级变化。

8B 模型 Q4 —— 两者皆可

50-70 tok/s，完全满足交互式聊天需求。

本节的结论有些出乎直觉：如果只看聊天时每秒生成的 token 数，两台机器几乎相当，而便宜得多的 Strix Halo 似乎更胜一筹。但这个数值只反映了一半的情况。

#3. 提示词处理：真正的差异

提示处理（或prefill）阶段是模型读取并编码输入提示、生成首个token之前的阶段。与生成阶段不同，该阶段受限于计算资源，而非内存。正是在此阶段，DGX Spark的Tensor Cores发挥关键作用。

Strix Halo — prefill

~340个token/秒的提示处理速度，基于典型30B模型。iGPU RDNA 3.5没有专用矩阵单元，性能很快达到上限。

DGX Spark — prefill

得益于 Blackwell Tensor Cores 和 FP4 支持，在相同模型上的速度约为对方的 5 倍。上下文较长时，差距还可能进一步扩大。

为什么这很重要？因为只要不再局限于短对话，预填充（prefill）就会成为您感知到的响应时间的主要部分。无论是注入 8,000 个上下文 token 的 RAG 系统、每轮重新读取全部历史记录的智能体、长文档分析，还是批量处理，在这些情况下，您都得等预填充完成后才能看到任何输出。

举个具体例子：一个包含 4,000 个 token 的提示词。在 340 tok/s 的速度下，Strix Halo 开始回答前，仅预填充阶段就需要约 12 秒。DGX Spark 的速度约为其 5 倍，完成同一阶段只需 2–3 秒。在包含数十次请求的密集 RAG 会话中，这种差距会成为影响使用体验的主要因素。

#4. 价格与供货情况

在这个领域，Strix Halo 重新占据优势，而且优势相当明显。内存性价比是它最有力的卖点。

DGX Spark

NVIDIA 官方定价为 4,699 美元。可通过 NVIDIA 及其合作伙伴（Dell、Asus、HP、Lenovo）购买。面向专业用户和开发者。

Strix Halo — 迷你电脑

Framework Desktop、GMKtec EVO-X2、Beelink GTR9：视具体的 128 GB 配置而定，价格通常在约 1,700 至 2,500 美元/欧元之间。内存容量相同的情况下，价格约为 Spark 的一半。

Strix Halo — 笔记本

一些笔记本电脑（例如 HP ZBook Ultra、Asus ROG Flow Z13）搭载了这款 APU，为在移动场景下使用 128 GB 内存运行 LLM 提供了难得的优势。

可用性

自 2026 年中起，多家整机厂商已公开销售 Strix Halo。DGX Spark 则遵循 NVIDIA 的供货时间安排，各地区受到的限制更多。

#5. 软件生态

除了硬件，软件栈也对日常使用的便捷程度有很大影响——而 NVIDIA 正是在这方面发挥了 CUDA 多年来积累的领先优势。

DGX Spark — CUDA

整个 NVIDIA 生态系统都能原生运行：vLLM、TensorRT-LLM、PyTorch 和 NGC 容器。对于微调、批量推理服务或研究，这是实践经验和指导最充分的环境。

Strix Halo — ROCm / Vulkan

通过 Ollama 和 llama.cpp（Vulkan 或 ROCm 后端）进行推理效果很好。与 CUDA 相比，在 RDNA 3.5 上进行微调和使用高级框架仍需要更多手动配置和调整。

大众用户的易用性

对普通用户而言，Strix Halo 的优势在于：使用 Windows，Ollama 只需一条命令，LM Studio 通过点击操作即可。使用 Spark 则需要熟悉 Linux/Ubuntu。

多客户端服务

DGX Spark 的优势：vLLM 和 TensorRT-LLM 提供的批处理能力和聚合吞吐量都远高于对比平台，适合为团队或应用提供服务。

#6. 哪种配置适用于哪台设备

1. 01
   您主要进行本地聊天并使用 MoE 模型

   Strix Halo。生成速度与Spark相当，价格仅为其一半，搭配Windows和Ollama，使用变得极为简单。一个约100 tokens/s的Qwen3-30B-A3B模型是出色的日常使用选择。
2. 02
   您正在搭建 RAG 或长上下文智能体

   DGX Spark。提示词处理速度快 5 倍，当您反复输入大量上下文时，使用体验会明显改变。这正是值得支付额外费用的场景。
3. 03
   您想进行微调或开展研究

   DGX Spark。在训练方面，CUDA 技术栈（PyTorch、TensorRT-LLM、NGC 容器）的工具支持远胜于 APU 上的 ROCm。
4. 04
   您希望每欧元能买到尽可能多的内存

   毫不犹豫，选 Strix Halo。128 GB 统一内存（价格差异很大，需核实），通常比 Spark 更便宜，还具备真正的 x86 台式电脑的多用途优势。
5. 05
   您希望在移动使用时也拥有 128 GB 内存

   选择配备 Strix Halo APU 的笔记本电脑——DGX Spark 是台式设备，不属于这一类别。

#结论

明确的结论：平局。这场对决没有唯一的胜者，这也不是回避结论，而是测量结果所表明的事实。两款芯片均提供 128 GB 统一内存，生成速度相当；双方各赢下一半的比拼。Strix Halo 在价格与内存容量之比、多用途能力（它也是一台出色的 PC）以及交互式聊天方面胜出；GB10 则在提示词处理、微调、集群组建以及 CUDA 生态方面胜出。两种理念，两个赢家，唯一的输家是显存容量受限的传统 GPU。

具有误导性的数字

双方运行 Qwen3-30B 时的生成速度都约为 100 tok/s → 看起来打成平手，Strix Halo 在价格上占优。

决定性的数值

提示处理速度：Strix Halo 约为 340 token/s，DGX Spark 则约为其 5 倍。一旦不再局限于简短对话，提示处理速度就成为决定性因素。

简单规则

短上下文 + 资金紧张 → Strix Halo；长上下文、智能体、RAG、微调 → DGX Spark

#常见问题

#深入了解

如需深入了解这两台机器，以及这次对比涉及的硬件背景：

Ryzen AI Max+ 395 (Strix Halo)

AMD APU 专题指南：市面上可选的迷你电脑和笔记本电脑、可运行的70B及以上模型，以及相对于独立 GPU 和 Mac 的实际性能。

NVIDIA DGX Spark

128GB的AI迷你PC与传统GPU的对比：性能基准、应用场景及局限性分析。

选择量化方案（Q4、Q5、Q8、FP16）

了解为何70B模型在Q4量化下仅需40GB，以及在统一内存设备上每个量化层级对质量造成的损失。