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。

返校季也救不了的 PC 销量，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%。

过去几个季度，PC 厂商已多次提价，但 Omdia 表示，涨价依旧杯水车薪，没能完全填平成本的坑。消费者看到价格水涨船高，转头便打起了「让旧电脑再战一年」的算盘。

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，把这笔账全算在涨价头上并不公平。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。

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。

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。