这是什么

一名开发者在自家 Linux 主机上测试英特尔 Arc Pro B70 32GB，运行量化版 Qwen3.8-27B（把模型压缩后加载到本地设备运行），并通过升级内核、Resizable BAR、Mesa 等设置，把处理速度提升到约每秒 52 个 token。所谓提示处理，是模型先阅读输入；生成速度，则影响它逐字输出回答的速度。

测试结果称，B70 的生成速度约为 RTX 5090 的一半、提示处理约为三分之一，但售价为 1299 美元，而 5090 当时在 Newegg 要卖 6500 美元以上。这个比较的价值，不在于证明英特尔全面追平英伟达，而在于显示：在特定模型、量化方式和硬件条件下，显存容量与总成本可能比峰值性能更重要。

行业怎么看

本地运行大模型正在从极客实验变成企业和小团队可评估的部署选项。32GB 显存可以让 27B 级模型完整驻留，避免频繁使用更慢的系统内存；这对数据不出内网、固定成本敏感的企业有吸引力。更重要的是，英伟达高价显卡的可得性，给了非英伟达硬件进入市场的时间窗口。

但这项判断有明显边界。RTX 5090 的数据来自其他开发者的公开帖子，并非同一台机器、同一套软件环境下的严格对照；B70 还依赖新版内核、Mesa 和特定配置，说明“买卡即可用”并不成立。二手 5090 若能以接近原价买到，差距会迅速缩小。另一边，驱动兼容性、生态支持和软件适配仍然是英特尔显卡的长期风险，速度上的价格优势不等于迁移成本上的优势。

对普通人的影响

对企业 IT：预算有限、又需要本地部署模型的团队，可以把 B70 当作测试方案，先验证业务收益，再决定是否承担兼容和运维成本。企业采购仍应比较完整生命周期，而不只看显卡售价。

对个人职场：具备 Linux 和命令行经验的技术人员，可以用较低预算搭建私有模型服务；但对多数职场用户，租用成熟云端模型仍更省事，个人购买高端本地算力的性价比不宜高估。

对消费市场：如果更多厂商采用英特尔等非英伟达方案，AI PC、专业创作设备和本地模型的整机价格可能下降。不过，短期最直接的变化仍是高端显卡价格与供给，而不是家用设备价格立刻跳水。