本地 AI 笔记本选购：Mac、Windows、Linux 对比

笔记本显卡显存停在 24 GB，而统一内存还在往上爬。每个平台一个数字，决定你的笔记本这辈子能跑什么。

走进笔记本卖场，说“要一台能跑 AI 的”。店员会塞给你一台游戏本，带 RTX 贴纸、碟子大的风扇、8 GB 显存。它跑 8B 模型很漂亮，跑 32B 模型根本跑不动。一台同样价位、安安静静的 32 GB MacBook Air 却能跑那个 32B。两台机器都没错。它们站在不同的梯子上，而店员只认识其中一架。



这就是今年买便携机跑本地 AI 的全部麻烦。决定只有一个数字，但这个数字在每个平台上名字不同：Apple 芯片和 AMD Strix Halo 上叫统一内存，任何带独显的笔记本上叫显存。两者不能一比一换算。而 AI 热潮让内存成了整台机器里最稀缺的部件，你今年买的这个数字，就是这台机器这辈子的天花板。

短版本：约 16 GB 以下，独显每块钱更快；越过它，统一内存笔记本直接胜出——因为没有任何笔记本显卡越过 24 GB，而统一内存一路到 128。

内存是悬崖，笔记本的内存一辈子改不了

语言模型必须整个躺在 GPU 跑的时候能摸到的内存里。一个要 20 GB 的模型，在 16 GB 机器上不是慢一点，而是要么拒绝加载、要么溢到 SSD 上每隔几秒吐一个词。这就是为什么本篇每张表都按内存排，不按跑分排。背后的算术就一行：一个 4-bit 模型每十亿参数约需 0.6 GB，再加几个 GB 给对话本身。

在笔记本上，这道悬崖是永久的。苹果把内存焊在芯片封装上，明说之后不能升级。Strix Halo 笔记本一样：华硕把 Flow Z13 的 32、64、128 GB 档列为板载 LPDDR5X 8000。而显卡的显存顾名思义是固定的，哪怕在 Framework Laptop 16 那种整块 GPU 模块可换的机器上。你在结账时跳过的升级，就是永远跳过。

时机让它更糟。内存厂商把消费级产线转去做数据中心部件，笔记本厂商被警告来年指导价至少涨两成。苹果随后把涨价落到实处：13 寸 MacBook Air 从 1099 涨到 1299 美元，14 寸 M5 Max 从 3599 涨到 4099 美元。Framework 一块 8 GB 的 RTX 5070 模块收 699 美元，同芯片 12 GB 版收 1199 美元。4 GB 内存现在值 500 美元。请 deliberate 地买内存。

两架内存梯子，彼此不能换算

这就是卖场从不解释的换算。在 Mac 上，CPU 和 GPU 在同一封装里共享一个内存池，macOS 默认让图形层用其中约 75%。对跑模型这件事，一台 32 GB MacBook 就是一张 24 GB 显卡；一台 64 GB MacBook Pro 是一张 48 GB 的；一台 128 GB M5 Max 是一张 96 GB 的——比任何消费级显卡（无论桌面还是笔记本）出货时带的都多。

AMD 的 Strix Halo 芯片（卖作 Ryzen AI Max）在 Windows 和 Linux 上同理。Ryzen AI Max+ 395 把 16 个 CPU 核和一颗 40 单元 Radeon GPU 放在一个封装上，由 256 位 LPDDR5X-8000 总线喂；在 128 GB 机器上你可以专门分给 GPU 最高 96 GB，和 Mac 一样的 75% 法则，只是从另一头到达。Framework 的桌面版这颗芯片引用的是同一个 96 GB 上限。

带独显的笔记本站在另一架梯子上。模型必须装在卡自己的显存里，NVIDIA 按档位配给：RTX 5050、5060 和基础版 5070 是 8 GB；5070 Ti 是 12 GB；5080 是 16 GB；5090 是 24 GB。这就是整架梯子。24 GB 以上没有下一级，不论什么价、不论哪台笔记本。游戏本里那 64 GB 系统内存帮不上忙，因为模型从显存溢到系统内存要过一条窄 PCIe 通道，慢到爬。AMD 自己的独显笔记本线最高停在 16 GB，带它的机器又少，所以实际上显存梯子就是 NVIDIA 的。

把两架梯子并排放，交叉点一目了然。8 GB 卡和 16 GB Mac 都装得下 8B；12 GB 卡和 24 GB Mac 都装得下 14B；24 GB RTX 5090 笔记本和 32 GB Mac 都装得下 32B。然后显存梯子到头了，统一梯子还有三级。如果你只打算跑 8B 到 14B，“买带 RTX 贴纸那台”的直觉完全正确；如果你心里有个 70B 模型，这个直觉完全错误。

带宽是第二根轴，独显赢在这

内存大小决定能跑什么，带宽决定它说多快。生成文本是个奇怪的负载：每生成一个 token，芯片都要把整个模型从内存读一遍，所以每秒 token 数几乎和管道宽度成正比。苹果自己的机器学习团队在 M5 发布时演示得很清楚：带宽从 M4 的 120 提到 153 GB/s，生成速度涨了 19% 到 27%，几乎正好是管道增长的 28%。

GPU 能读的内存带宽，GB/s（列依次为：平台｜机型｜带宽）：

Panther Lake 核显｜Intel 轻薄本｜154
Apple M5｜MacBook Air、基础 Pro｜153
Strix Halo｜Ryzen AI Max+ 笔记本｜256
Apple M5 Pro｜MacBook Pro｜307
RTX 5070 笔记本｜8 或 12 GB｜384
Apple M5 Max｜MacBook Pro｜614
RTX 5070 Ti 笔记本｜12 GB｜672
RTX 5080 / 5090 笔记本｜16 / 24 GB｜896

这就是独显挣回身价的地方。宽总线上的 GDDR7 就是比和 CPU 共享的 LPDDR5X 快：NVIDIA 给 RTX 5080 和 5090 笔记本芯片报 896 GB/s，而 M5 Max 是 614、M5 Pro 是 307、基础 M5 是 153。Strix Halo 的 256 位总线纸面上是 256 GB/s，而一份被广泛引用的社区实测在负载下约 212 GB/s。所以一台 24 GB RTX 5090 笔记本和一台 32 GB MacBook Pro 装着同一个 32B 模型，但 RTX 笔记本读它大约比 M5 Pro 快三倍。

公开数字和算术对得上。在 llama.cpp 项目 Apple 硅表的标准 7B 4-bit 测试里，M5 约每秒 32 token，M5 Pro 66，M5 Max 120。Strix Halo 机器在同一社区测试里约 53。StorageReview 测一台带 RTX 5090、跑在 135 W 的 Razer Blade 16，经 Ollama 跑 Llama 3 8B 约每秒 108 token，约为桌面 5090 同测的一半。框架不同，下面的数字只当量级，但排序是稳的。

7–8B 模型上的公开生成速度，token/秒（框架和模型略有差别，只当量级；每秒 20 以上就比多数人阅读快）：

MacBook Air / Pro M5｜llama.cpp 7B Q4_0｜32
Strix Halo 笔记本｜llama.cpp Vulkan 7B Q4_0｜53
MacBook Pro M5 Pro｜llama.cpp 7B Q4_0｜66
RTX 5090 笔记本 135 W｜Ollama Llama 3 8B｜108
MacBook Pro M5 Max｜llama.cpp 7B Q4_0｜120

这张图取两件事。第一，上面所有都比你读得快，所以对 8B 模型带宽是奢侈，不是必需。第二，差距在梯子顶端才要紧。带宽除以模型大小就是上限：一个 43 GB 的 70B 模型在 256 GB/s 的 Strix Halo 上顶到约每秒 6 token，在 614 GB/s 的 M5 Max 上约 14。两台都装得下模型，只有一台让它用着舒服。这就是统一内存买家做的取舍，而 M5 Max 是唯一一台把这个取舍做得很轻的笔记本。

每一档到底能跑什么

模型大小聚成几档，每一档解锁一类不同能力。下面的容量用和硬件计算器同一套 4-bit 估法，并留出上下文余量。苹果 MLX 团队给 24 GB 档一个有用的校准：一台 24 GB MacBook Pro 能跑全精度的 8B 模型，或 4-bit 的 30B 混合专家，整个负载压在 18 GB 以内。

模型大小对内存档（4-bit 每十亿参数约 0.6 GB，加上下文余量；列依次为：模型｜4-bit 需｜需要哪档｜跑在哪）：

8B｜4.9 GB｜8 GB 显存或 16 GB 统一｜私密聊天、起草、摘要。本篇所有笔记本。
12–14B｜约 8–9 GB｜12 GB 显存或 24 GB 统一｜写作和代码明显更好。RTX 5070 Ti、24 GB Air。
27–32B｜约 17–20 GB｜24 GB 显存或 32–48 GB 统一｜多数人的日常天花板。RTX 5090 笔记本、32 GB Mac。
70B｜43 GB｜64 GB 统一｜没有笔记本显卡能行。64 GB M5 Pro、64 GB Strix Halo。
120B MoE｜约 65 GB｜96–128 GB 统一｜gpt-oss-120b 那一档。128 GB M5 Max、128 GB Strix Halo。

该圈出来的一行是 70B。它是开放模型不再显得小的那个点，也是显存列第一次出现空格的一行。一台 64 GB MacBook Pro 或 64 GB Strix Halo 笔记本，是能跑它的最便宜便携机。120B 那行是同一个故事往上一级。一位 Strix Halo 机主在 Ollama issue 跟踪里报告，GPU 可用约 110 GB，30B 到 35B 模型 8-bit 生成约每秒 40 token；社区测试集跑 58 GB 的 Llama 4 Scout 约每秒 20。这些都是 24 GB 卡根本启动不了的负载。



按平台看阵容

Mac。在此概括，完整论证见 Mac 篇。MacBook Air 可选 16、24 或 32 GB、153 GB/s，涨价后 1299 美元起。M5 Pro 的 MacBook Pro 到 64 GB、307 GB/s、2499 美元起；M5 Max 到 128 GB、614 GB/s，14 寸 4099 美元起。每个本地运行时都内置 Metal 支持，包括 CSuite 内置的 Ollama，所以没有驱动故事要讲。

Windows 统一内存。三台 Strix Halo 笔记本值得看。华硕 ROG Flow Z13 是一台 1.2 kg 的 13 寸平板，32、64 或 128 GB；128 GB 版在华硕自家店里，美国零售商约 3300 美元。HP ZBook Ultra G1a 是 14 寸工作站版，最高 128 GB，首发价 32 GB 配 4296 美元、满配 8250 美元，街价此后已远低于指导价。华硕 TUF Gaming A14 把更新的 Ryzen AI Max+ 392 放进一台 2200 美元的游戏本，但美版停在 32 GB——这是统一梯子上不该多花钱的那一头。买 Strix Halo 就买 64 或 128 GB，否则别买。

还有一台在货架上、不如说在天际线上。AMD 展示了后继者 Ryzen AI Max 400（代号 Gorgon Halo）：同一颗 40 单元 GPU，最高 192 GB LPDDR5X-8533，机型下半年晚些时候上市。一台带它的 16 寸 HP ZBook Ultra 已在跑分库里露面，但尚未发布。如果你的目标是 128 GB 又能等一个季度，等是理性的。

Windows 独显。按显存排，其余忽略。戴尔目录是梯子定价的干净例子：Alienware 16 Aurora 1099.99 美元起、最高 RTX 5070；16X Aurora 配 12 GB RTX 5070 Ti 2199.99 美元起；16 和 18 寸 Area-51 配 24 GB RTX 5090 分别从 3449.99 和 3999.99 美元起。联想、华硕、微星、雷蛇在同样档位卖同样的芯片。RTX 5070 有 8 GB 和 12 GB 两版；listing 没写哪版就当 8 GB 问一句。在 Windows 上，CSuite 内置的 Ollama 在这些卡上走 CUDA，在 AMD 和 Intel 显卡上走 Vulkan。

“别买”档。普通轻薄本带 Intel 或 AMD 核显，和 Mac 一样共享系统内存，但过的是窄管道。Intel Panther Lake 最快的部件顶到 LPDDR5X-9600、约 150 GB/s——一条 M5 级别的管道喂一颗小得多的 GPU，背后既没有 Metal 也没有 CUDA。这些机器跑 8B 模型能到可读速度，对一台通用笔记本来说挺好。但它们不是为本地 AI 该买的东西。任何“AI PC”贴纸里的 NPU 同理：它伺候小的端侧模型，不是本篇说的 12B 到 70B 这一档。

持续推理才是轻薄本输的地方

笔记本 GPU 的名字不是规格。NVIDIA 卖给厂商的 RTX 5090 笔记本芯片，显卡功耗范围是 95 到 150 W，每个厂商在这个范围里挑一个自己机箱压得住的点。薄机器和厚机器带同一张贴纸，跑不同速度。有媒体测一台 ROG Zephyrus G16 的 120 W RTX 5090，比 Schenker Neo 16 里 175 W 版慢 25% 到 30%。同一颗芯片、同样 24 GB，为了薄把四分之一的速度留在了桌上。

推理是持续负载，不是爆发。一份长文档摘要或一批图像生成会把 GPU 钉住几分钟，散不了热的机箱就降频、风扇拉满。在两台同 GPU 的笔记本之间选，买更厚的那台，或评测里引用持续功耗数字更高的那台。向规格表要数字，不要名字。

然后插上电。NVIDIA 的 BatteryBoost 在笔记本拔电瞬间自动开启，把 GPU 压下来省电；华硕文档里 ROG 机器默认行为相同。独显笔记本用电池时是另一台更慢的电脑，而一颗抽 100 W 以上的 GPU 大约一小时就把航司允许随身带的任何电池抽空。统一内存机器——尤其是无风扇的 MacBook Air——才是真能在火车上跑模型的。这是一个和内存无关、却该进决策的真实优势。

Linux 跑同样的笔记本，要做驱动作业

没有 Linux 专用的笔记本硬件。每个厂商一套驱动栈，它决定你第一个周末要花多少 setup。NVIDIA 是低摩擦路：Ollama 支持驱动 550 或更新上任何计算能力 5.0 或更新的卡，覆盖如今在售的每一颗 RTX 笔记本芯片；Ubuntu 26.04 LTS 是第一个在自家仓库带 CUDA 和 ROCm 的版本，跑在 Linux 7.0 内核上。笔记本特有的麻烦是混合显卡：核显驱屏幕，NVIDIA 芯片睡着直到被调用。NVIDIA 驱动用 PRIME 渲染卸载处理这个，而 Ollama 这类计算运行时不靠它也能找到卡，所以实际上装好驱动就通了。

Strix Halo 在 Linux 上能干、还年轻。这颗芯片在 ROCm 命名里是 gfx1151，不在 ROCm 官方支持清单上，今天能用的配方靠 HSA_OVERRIDE_GFX_VERSION=11.5.1 这个覆盖变量和一个新内核。内核版本在这儿不是走形式：社区测试集在 otherwise 相同的系统上发现 Linux 6.14 和 6.15 之间有 15% 的性能差。哪个后端更快在各版本间翻过烧饼——早期测试里 Vulkan 领先，而新版 Ollama 指南推荐 ROCm——所以别想当然，按你的 Ollama 版本查当前指引。预算一个晚上，而且每个内核版本都会让它更短。

Vulkan 是万能兜底。Ollama 在 Windows 上默认启用它，在 Linux 上装好厂商 Vulkan 驱动后也支持它——AMD 和 Intel 核显就是靠这个才有点加速。CSuite 的 Linux 版同样分：文本模型在 NVIDIA 机器上经 Ollama 走 CUDA，而本地图像和视频运行时在 Linux 上只带 Vulkan，所以一台 NVIDIA 笔记本在那儿也走 Vulkan 出图。

三档预算的短名单

下面每档每平台一台。价格会漂，内存短缺期间多半往上漂；选品不会，它们由梯子推出，而梯子由硅片决定。

约 1500 美元 · 8B 到 14B 模型、私密聊天和起草：
Mac：MacBook Air M5、24 GB。安静，4-bit 跑 14B 或 30B MoE。这价位最佳选择。
Windows：RTX 5070 Ti 笔记本、12 GB。这价位最快的 8B 到 14B token；12 GB 卡预期加到约 2000 美元；1100 美元那档是 8 GB。
Linux：同一台 RTX 5070 Ti 笔记本。NVIDIA 是低摩擦驱动路。跳过 8 GB 卡。

约 2500 到 3000 美元 · 日常 32B、够得到 70B：
Mac：MacBook Pro 14 寸 M5 Pro、48–64 GB。64 GB 是能跑 70B 模型的最便宜笔记本。
Windows：ROG Flow Z13、64 GB Strix Halo。统一内存路。RTX 5090 笔记本更快但停在 24 GB。
Linux：64 GB Strix Halo、新内核。新内核上跑得好，setup 预算一个晚上。

4000 美元以上 · 120B 级模型、同时驻留多个模型：
Mac：MacBook Pro M5 Max、128 GB。614 GB/s 让 70B 舒服、120B 级可用。
Windows：HP ZBook Ultra G1a 或 Flow Z13、128 GB。96 GB 给 GPU。或者等等：192 GB Gorgon Halo 笔记本快来了。
Linux：128 GB Strix Halo。唯一装得下 gpt-oss-120b 的 Linux 笔记本，内核 6.15 或更新。

三行合起来就是本篇论点。1500 美元时，显存梯子和统一梯子并驾齐驱，只要 14B 独显赢在速度。2500 美元时，显存梯子已经没档可爬，每一个选品都是统一内存。4000 美元时，剩下的问题只是你要 macOS 上的 614 GB/s，还是 Windows/Linux 上的 96 GB 显存，两个都是好答案。

如果你说不出你会在 128 GB 上跑哪个模型，你就不需要 128 GB。说出模型，在上表里找到它那一行，再往上买一档。然后无论你选了哪架梯子，都现在把内存买够，因为这台机器这辈子都加不了。