把 128GB 统一内存塞进一个书本大小的小盒子

这种极小体积下的超大内存方案，本质上是在抢占一个非常微妙的市场：那些不想维护庞大服务器集群，但又需要跑本地大模型实战的开发者。如果把这两款机器放在一起对比，其实逻辑很清晰，一个在卷生态闭环，一个在卷性价比和通用性。

• 内存架构： NVIDIA 走的是极其激进的统一内存路线，这意味着显存和系统内存不分家，跑大型 LLM 时不需要在 PCIe 总线上反复搬运数据，速度快得惊人。AMD 则是把 NPU 性能顶到了极限，试图在端侧推理上实现某种程度的“平替”。
• 功耗与散热： 这也是最让我担心的地方。在这么小的体积里塞入这种级别的芯片，散热压力极大。DGX Spark 的风扇噪音在满载时可能会让你怀疑家里进了一架无人机，而 Ryzen AI Halo 虽然功耗控制好一点，但高负载下的掉频问题依然存在。
• 实际开发体验： 习惯了 CUDA 生态的人几乎没理由不选 NVIDIA，毕竟绝大多数开源项目的部署指南都是优先适配 CUDA 的。但如果你是做跨平台开发，或者对能效比有执念，AMD 的方案其实更像一台真正的“PC”，而不是一个缩小版的服务器节点。

对于大多数人来说，除非你真的需要那种“随身携带的 128GB 显存”来做本地微调，否则这种极致紧凑的 AI PC 可能会在散热和噪音之间让你陷入纠结。

如果非要选一个，我会建议看你的工作流：如果你依赖极其复杂的 Python 库和深度学习框架，闭眼选 NVIDIA；如果你只是想在本地流畅跑几个量化后的模型且不希望房间变成桑拿房，AMD 更有性价比。