这届AI PC，太烧心了

本文来自微信公众号： APPSO ，作者：发现明日产品的，原文标题：《这届 AI PC，太烧心了》 AI PC还没火，先被AI背刺了。 10月9日，技嘉宣布，旗下全部B760和H610主板将通过BIOS更新，支持预计2027年初推出的新款英特尔LGA1700处理器，其中赫然包括DDR4主板； 「新三年，旧三年，缝缝补补又三年」，DDR4的老树发新芽自然不是情怀作祟，而是成本与销量的双重夹击。 市场研究机构Omdia的估算显示，内存与SSD在PC物料成本中的占比，已从通常的约15%一路涨到接近40%。 与之伴随的，另一家市场研究机构IDC的初步数据则显示，2026年第三季度，全球PC出货量同比下降20.1%，寒意逼人。 就连号称「最佳AI PC」的Mac，也没能避开这股寒意，2026年第三季度出货量同样出现同比下滑。 当AI行业不断刷新性能天花板，PC厂商面前摆着一道越来越迫切的必答题：怎样让消费者还买得起一台普通电脑。 PC销量暴跌，都是内存惹的祸？ 内存涨价的冲击波，并不是什么新鲜话题。 APPSO之前也提到，伴随着AI服务器对HBM和服务器DRAM的需求持续增长，存储厂商也开始将更多资源投向利润更高的数据中心产品，留给消费级内存的产能增长空间受到挤压。 产能一倾斜，价格最先给出反应。过去一年多里，内存与SSD的报价节节攀升，一路从采购端的报价单传导到整机的成本表上，原本只占小头的存储部件，如今成了物料清单里最大的吞金兽。 TrendForce以一款建议零售价900美元的主流笔记本为例做了测算：2026年第三季度，CPU、DRAM和SSD已吃掉物料成本约68%。 为此，过去几个季度，PC厂商已多次提价，但依旧没能完全填平成本的坑。尤其当消费者看到水涨船高的价格，很难不诞生让旧电脑再战几年的想法。 今年第三季度的出货滑坡，正是处在这样的背景。IDC的统计显示，全球PC出货量从去年同期的7850万台缩水至6270万台。 Omdia的统计也指向同一趋势：全球台式机、笔记本和工作站出货量同比下降21.2%。 不过，把这笔账全算在内存头上并不公平。这是多重因素叠加的结果。 一方面，去年同期的基数本就偏高。Windows 10停止支持引发的换机需求在2025年集中释放，抬高了对比的基准线。 另一方面，上半年的抢跑式备货打乱了下半年的节奏。 为了赶在内存进一步涨价前囤货，部分品牌和销售渠道提前加仓，一些原本属于后续季度的订单也随之前移。等到第三季度，高售价劝退了终端买家，渠道又得消化已有库存，寅吃卯粮之后，继续向厂商订货的劲头自然弱了。 更糟糕的是，一向由返校季带量的第三季度，因此没能等来惯常的旺季。 IDC分析师Jitesh Ubrani认为，库存压力或倒逼渠道促销，但价格想回到一年前的水平，恐怕开弓没有回头箭。 摆在厂商面前的无非几条路：继续涨价、自己扛下部分成本，或者降低配置、延长成熟平台的服役期。DDR4的重出江湖，正是这场取舍的产物。 The Verge的记者在近期采购内存时发现，一套32GB的Corsair Vengeance DDR5套装售价620美元，对应的DDR4套装只要260美元。单品报价虽不能代表整个市场，但360美元的差价，足以左右一次装机决定，一分钱难倒英雄汉。 DDR5在带宽和能效上技高一筹，DDR4也没能躲过这波涨价潮。然而对于手里已有DDR4内存的用户，旧内存继续上岗，就能省下一笔升级费用。 技嘉此次公布的兼容计划，恰好递上了这样一个台阶。LGA1700于2021年随第12代酷睿登场，平台原本就连着DDR4、DDR5两类主板两条腿走路。按照公告，现有B760、H610用户更新BIOS后，即可坐等后续处理器升级。 不过，两类内存需要对应的主板，不能在同一插槽里互换。公告也没有披露新处理器的型号、架构或实际性能，目前能够确定的是，旧平台将继续获得新产品支持。 AMD一侧，技嘉已于今年8月宣布新一批AM4主板，配合Ryzen 7 5800X3D的重新推出，为坚持DDR4的装机方案再添选项。 过去，新平台总爱把处理器、主板和内存升级打包出售，逼着用户整套换新。如今，能替用户保住多少现有硬件，反倒成了产品竞争力的一部分。成熟平台可以省下整套换新的支出，但已经买到手的电脑，还能不能老树开新花、承担更多任务？开源开发者正在从软件层面尝试回答这个问题。 跑千亿大模型，个人游戏PC也能螺蛳壳里做道场 最近，一个名为Strata的开源项目在GitHub上走红，累计获得约1.95万颗Star。 图｜🔗https://github.com/Niko1221/Strata 它最大的亮点，就想让一台普通游戏电脑小马拉大车，驱动拥有1250亿参数的Qwen3.8-Flash-Next。 按照Strata项目公布的测试，一台配备RTX 5070显卡、12GB显存、Ryzen 5 7600处理器和64GB系统内存的电脑，在Q2_0量化配置下，回答生成速度可以达到每秒94 Token。 冷知识，94 Token/秒比普通人阅读速度快大约10倍。如果模型以这个速度实时输出文字，屏幕上的内容会像瀑布一样刷屏，你只能看到文字在滚动，根本来不及逐字读完。 如此大的模型能在消费级电脑上跑起来，秘诀在于让显存、系统内存和CPU各显神通，分担工作。 Qwen3.8-Flash-Next采用MoE混合专家架构，模型里住着一大群各司其职的专家模块，每次计算只点其中几位的将。总参数量虽大，生成每一个Token时却不必全员上阵，颇有杀鸡焉用牛刀的精打细算。 Strata正是吃透了这种稀疏性：高频使用的专家缓存在显存中，全部专家权重则保存在系统内存里。显卡负责核心计算，CPU并行处理没有缓存在显存中的专家，SSD则存放大型查找表。 对于用户而言，可以把它理解成给整台电脑重新排兵布阵：显卡干擅长的活，系统内存出大容量，CPU也参与推理，有限的显存不必再一个人扛下所有。 量化则进一步为模型瘦身。权重经过低比特压缩后占地更小，但压得越狠，回答质量越打折扣。 每秒94 Token对应的是项目中的Q2_0版本。同一套测试硬件上，压缩更温和的IQ3_S版本生成速度为每秒53 Token。鱼与熊掌之间，速度、内存占用和模型效果仍需取舍。 项目还采用了推测解码，让较小的辅助模块提前预测后续Token，再由主模型批量验证。按照开发者的说明，这项机制可以带来约1.6至1.8倍加速，其收益取决于预测被接受的情况。 需要注意，推测解码可以减少生成过程中的串行计算步骤，加快输出速度，却无法消除低比特量化造成的精度损失。 即便接受这些妥协，本地运行依然很「真香」。 按照项目说明，Strata支持聊天、编程和可选的图像输入，还能通过兼容API与应用、编程助手连接。推理全程在本机完成，给了用户云端调用之外的另一个选项。 不过，12GB显存只是入场券的一部分，系统内存同样决定体验成色。64GB内存装得下项目列出的多个2bit、3bit版本；32GB配置通常只能选精简的Coder版本，后者砍掉了部分专家，在中文等非编程任务上的能力也更弱。 首次启动时，项目需要把几十GB数据搬进内存，电脑可能卡上1到3分钟。长文本还需预先处理，默认请求也要排队完成。跑分之外，启动等待、多任务使用和回答质量，都决定它能否胜任日常。 启动等待、内存要求和回答质量上的取舍，意味着Strata距离日常好用仍有门槛。 但它展示了一种可能：同一套硬件，通过更合理地分配计算和存储任务，也能运行过去难以容纳的大模型。电脑能做多少事，除了取决于买了什么硬件，也取决于软件能把这些硬件用到什么程度。 换句话说，无论是本地软件挖潜，还是云端服务降价，获取智能的门槛都在变低。 也正是在这样的背景下，一个反差显得格外刺眼：知名风投机构a16z发布过一张引用高盛数据的图表，显示LLM价格指数用约三年，就走完了个人电脑价格指数约十五年的降价路。 智能服务越来越像一种廉价的数字快消品，承载智能的内存、芯片和计算设备，却仍然被产能与供需卡着脖子。于是，科技行业一边把更强的AI塞进普通人手里，一边又让普通人为一根内存条一分钱掰成两半花。 我们可能正迎来智能越来越便宜的时代，却也正在经历一场由智能需求亲手推高的硬件成本危机。把榨干每一分性能的规矩立住了，为这场AI繁荣买单的我们，才能不那么烧心。