当 AMD 走进「Spark」的赛道
2026 年 7 月 6 日，LTT Labs 发布了 AMD Ryzen AI Halo 开发套件的完整评测。这篇评测在 Hacker News 上迅速获得 342 分和 228 条评论——对于一个定价 $3,999、面向 AI 开发者的迷你工作站来说，这个讨论热度既反映了本地 AI 推理硬件正在升温的市场需求，也暴露了社区对 AMD 这套方案的分歧。
Ryzen AI Halo 是 AMD 的第一款 AI 开发者平台。它的外观和定位让人很难不与 Nvidia DGX Spark 做对比：同样的 1 升迷你机身，同样的 128GB 统一内存，同样瞄准「把大模型放在桌面上跑」的使用场景。但 $3,999 的标价——以及围绕这个价格的激烈争论——才是这次讨论的核心。
一台「完整 x86 电脑」的底气
Ryzen AI Halo 的硬件基础是 AMD Ryzen AI Max+ 395 处理器——一颗 16 核 32 线程的 Zen 5 芯片，基础频率 3GHz，最高加速 5.1GHz，配备 16MB L2 和 64MB L3 缓存。集成的 Radeon 8060S 图形处理器拥有 40 个 RDNA 3.5 计算单元、主频最高 2.9GHz，XDNA 2 架构的 NPU 独立提供 50 TOPS 的 AI 算力，整个平台的组合算力达到 126 TOPS。
存储方面，2TB 的 M.2 2280 NVMe SSD 是标准规格——这里有一个容易被忽略但重要的细节：DGX Spark 使用的是不太常见的 M.2 2242 规格，可替换的第三方选项更少。Ryzen AI Halo 采用标准的 2280 接口，这意味着用户可以方便地更换为市面上常见的 4TB 甚至 8TB 容量硬盘。
128GB LPDDR5x-8000 统一内存提供了 256 GB/s 的带宽，足以在本地加载参数规模高达 200B 的模型。整机功耗仅 120W，通过 USB-C 供电，这在同级别硬件中属于非常克制的设计。机身尺寸为 150×150×45.4mm，重量不到 1.2kg，比 Mac mini 略厚但占地相同。
网络方面提供 10GbE 有线网口、Wi-Fi 7 和蓝牙 5.4。外部接口包括三个 USB-C 数据口（其中一个支持 DisplayPort Alt Mode）、一个 HDMI 2.1b 输出和一个独立的 USB-C 电源输入口。ServeTheHome 在拆解报告中特别提到了一个工业设计细节：底部橡胶脚垫使用磁吸固定，拧下螺丝即可拆开机身——相比大多数迷你 PC 使用胶粘脚垫的做法，这是一个考虑到了维护便利性的设计。
三个差异化决策
如果只看纸面参数，Ryzen AI Halo 和 DGX Spark 似乎处于同一个赛道。但 AMD 在这个产品上做了三个关键决策，每一个都针对 Nvidia 方案中被开发者反复提及的不足。
第一是双操作系统支持。DGX Spark 只能运行 Nvidia 的 Linux 定制版 DGX OS；Ryzen AI Halo 则同时支持 Windows 11 和 AMD 官方的 Linux 开发者镜像。StorageReview 在评测中指出，「原生 Windows 支持是我们从考虑购买 Spark 的人群中听到最多的一项需求。」对于需要同时运行 x86 Windows 工具链和 AI 推理负载的开发者来说，这可能是决定性的差异。
第二是可变图形内存（Variable Graphics Memory）的预配置。AMD 在出厂时已将 VGM 设置为最大分配值，无论 Windows 还是 Linux 环境下，大模型都可以直接加载而无需手动调整 BIOS 或驱动参数。这降低了上手门槛——GN 社区中不少用户的反馈表明，手动配置内存分配是这类设备常见的初期摩擦点。
第三是存储可扩展性。如前所述，标准 M.2 2280 接口意味着用户可以自行升级到 8TB 容量的第三方 SSD。这一点的实用价值取决于具体使用场景——对于需要在本地存储多个大模型的开发者，2TB 可能很快不够用。
这些差异化决策的代价体现在网络能力上。Ryzen AI Halo 只有 10GbE 网络接口，没有 DGX Spark 上的 200G ConnectX-7 高速互联。这意味着多节点集群扩展基本不可行——如果开发者希望将多台设备组成一个推理集群，Ryzen AI Halo 不是合适的基座。从这个角度看，AMD 的设计取舍非常明确：它是一台单机推理工作站，而不是一个可扩展的节点单元。
性能：CPU 的长板与推理的短板
StorageReview 的基准测试揭示了一个清晰的性能画像：Ryzen AI Halo 在 CPU 密集型任务中表现出色，但在 AI 推理吞吐量上明显落后于 DGX Spark。
在 Cinebench R23 多核测试中，Ryzen AI Halo 得分 37,316，是 StorageReview 测试过的所有 Ryzen AI Max+ 395 平台中最高的成绩。7-Zip 压缩/解压缩测试达到 184.2 GIPS。与 DGX Spark 的直接对比中，Ryzen AI Halo 在 7-Zip 压缩上快 11%，解压缩快 38%，LLVM 编译时间缩短了 14%。在 Procyon AI 的文本生成（Phi）和图像生成（Stable Diffusion 1.5 FP16）测试中，它也在 Windows 平台上跑出了该处理器的最佳成绩。
但切换到 vLLM 推理负载后，局面反转。在面向大语言模型的服务场景中，Ryzen AI Halo 的吞吐量仅为 DGX Spark 的 1/4 到 1/2；在 prefill-heavy 的 GPT OSS 120B 测试中，差距扩大到 8.8 倍。这个差距的根源在于内存带宽——256 GB/s 对 DGX Spark 的更高带宽处于劣势，而大模型推理恰恰是内存带宽密集型任务。
Tom’s Hardware 给出了 3/5 的评分，总结道：「Ryzen AI Halo 兑现了它作为 AMD AI 生态内一键式本地 AI 平台的承诺，附带的文档和软件能帮你快速上手。但它的 AI 性能落后于 DGX Spark 和 GB10 设备，而且价格并没有比那些更快的系统便宜多少。」
软件生态：ROCm 的未完答卷
如果说硬件规格上的差距可以通过定价策略来弥补，那么软件生态的问题就没有这么容易解决。HN 讨论中，关于 AMD 软件栈的批评占据了相当比例。
用户 teravor 直指核心：「AMD 的软件普遍脆弱，不值得任何程度的依赖。不仅仅是 ROCm，每隔几个月他们就会向 amdgpu 合并一个严重回归，有时甚至反向移植到稳定版。」用户 icedchai 补充道：「Strix Halo 的 ROCm 支持曾经非常糟糕，直到去年底才稳定下来。你需要精确匹配 ROCm、Linux 内核和内核固件的版本组合才能可靠运行。」
这些批评并非没有背景。AMD 在 GPU 计算软件栈上的投入长期落后于 Nvidia 的 CUDA 生态，ROCm 的兼容性和稳定性一直是开发者社区反复抱怨的问题。对于一台以「开箱即用」为卖点的开发者套件来说，软件体验可能比硬件参数更能决定用户的最终评价。
不过 AMD 也在做出努力。随 Ryzen AI Halo 一同推出的 AMD Playbooks（developer.amd.com/playbooks，GitHub 开源）是 Nvidia DGX Spark Playbooks 的直接对应物——一套覆盖常见 AI 开发场景的配置指南和脚本集合。HN 用户 lhl 认为：「值得肯定的是他们确实在认真对待这件事。」LTT Labs 的评测也确认了附带软件和文档在降低上手难度方面的价值。
但在 $4,000 的价位上，用户期望的是好用的工具链，ROCm 距离这个标准还有可见的距离。
定价的逻辑与争议
$3,999 的定价是 HN 讨论中最具争议的话题。要理解这个数字，需要放在几个参照系下审视。
DGX Spark 首发时售价 $3,999，但受 LPDDR5X 和 NAND 闪存供应紧张的影响，Nvidia 已将搭载大容量 SSD 的版本上调至 $4,699。部分 OEM 厂商的 GB10 系统仍在 $4,000 左右销售。在这个参照系下，Ryzen AI Halo 的定价基本与竞品持平。但问题是——性能并不持平。
另一个参照系是搭载相同处理器的其他设备。Framework Desktop 和 GMKtec EVO-X2 使用了相同的 Ryzen AI Max+ 395 芯片和 128GB 内存，价格更低。HN 用户 pettijohn 分享了自己的经历：以 $2,160 的价格购买了一台翻新版 Corsair AI 工作站，配置几乎相同（仅存储减为 1TB）。HN 用户 lhl 指出：「这个硬件和去年卖 $2,000 的东西完全一样，中国 OEM 厂商的价格仍然便宜 $1,000。」
AMD 对此的定位是「开发者平台」而非单纯的硬件销售——附加价值来自预配置的软件环境、Playbooks、以及「直接获得 AMD 软件更新」的渠道。这个逻辑与 Nvidia 销售 DGX Spark 时的策略类似：购买价格中包含硬件和软件生态的入场费。但问题是，AMD 的软件生态是否提供了与 Nvidia 等值的「门票溢价」，从社区反馈来看，答案倾向于否定。
HN 用户 frugalmail 的评论简洁有力：「当它的价格是 DGX Spark 的一半时，它是有意义的。同样的价格却是为更差的性能买单，只为了能运行 Windows。」
谁应该考虑这台设备
综合以上分析，Ryzen AI Halo 的目标用户画像逐渐清晰。
适合的场景包括：需要在 x86 平台上进行 AI 开发的工程师，特别是那些依赖 Windows 工具链或需要使用 Linux/Windows 双系统的开发者；希望在一台安静、省电的迷你工作站上运行中等规模（70B 以下）开源模型的独立开发者或研究者；以及已经在 AMD 生态内投入、需要一台官方支持的验证平台来测试 ROCm 兼容性的团队。
不太适合的场景包括：追求最高推理吞吐量、对 token 生成速度敏感的 LLM 推理用户——在这些指标上 DGX Spark 或更高端的 Nvidia 方案明显领先；需要多节点集群扩展的用户——缺乏高速互联使这个方向基本不可行；以及预算敏感型的个人开发者，市场上存在价格更低、硬件几乎相同的替代品。
HN 用户 bigyabai 提供了一个简洁的定位：「这是给那些想要 x86 机器而非被困在 macOS 上的 ARM 机器的人准备的。」考虑到 128GB Mac Studio 已经停产、未来回归时价格可能更高，Ryzen AI Halo 确实在 x86 + Windows 这个细分市场中占据了一个独特位置。
但对于同样的预算，一台搭载 M4 Max 的 MacBook Pro 在 AI 推理性能上可能更优——HN 用户 azinman2 指出 Mac「在所有基准测试中胜出，更节能，可以加更多内存，而且你还得到一台完整的 Mac。」这个比较不完全公平（内存配置不同、平台不同），但它反映了 $4,000 价位上消费者面临的真实选择困境。
结语
AMD Ryzen AI Halo 是一份中规中矩的答卷：硬件设计考虑了实际使用中的细节（磁吸脚垫、标准 M.2、预配置内存分配），x86 双系统支持提供了竞品没有的灵活性，Playbooks 和预配置软件降低了上手门槛。但 AI 推理性能的落后和 ROCm 软件栈的成熟度缺口，在 $3,999 的价位上显得尤为突出——当同样的芯片在第三方设备上以更低价格出现时，AMD 为「开发者平台」收取的溢价变得更加难以解释。
或许最恰当的定位是：Ryzen AI Halo 是一台适合「在 AMD 生态内工作」的开发者的辅助工具，而不是一套能够说服 Nvidia/CUDA 开发者切换阵营的旗舰产品。在本地 AI 推理硬件这个快速变化的赛道上，AMD 还需要在软件生态上加倍投入，才能让下一份答卷更有说服力。
本文的素材来自公开信息和社区讨论。如果你对这个话题有更深入的一手经验，欢迎指出文中的不足。
参考链接
- LTT Labs 评测：AI Dev Kit, Batteries Included - AMD Ryzen AI Halo
- Hacker News 讨论
- StorageReview 评测：A Dual-OS, 200B-Parameter Desktop Takes On the DGX Spark
- Tom’s Hardware 评测：AMD Ryzen AI Halo review – AMD builds a DGX Spark of its own
- ServeTheHome 评测：AMD Ryzen AI Halo Developer System Review
- CNX Software：$4,000 AMD Ryzen AI Halo Developer Platform
- AMD 官方产品页
- AMD Playbooks（GitHub）
- HotHardware 评测