花四到五万买一台本地跑大模型的工作站，现在成了真实选择。Reddit LocalLLaMA 版块一个开发者认真纠结的问题，把这个曾经极客圈的话题摆到了桌面采购会上：现有 RTX 5090 之外，预算应投给苹果 M5 Ultra 256GB，还是两台英伟达 DGX Spark？

这是什么

发帖人已经有一张 RTX 5090，现在想添置设备专门用于 agentic coding（让 AI 自主拆解需求、写代码、调用工具的场景）。候选两个：苹果尚未发布的 M5 Ultra 顶配版（统一内存 256GB，即 CPU 与 GPU 共用一块内存池），或两台英伟达 2025 年底推出的 DGX Spark（紧凑型 AI 工作站，搭载 GB300 芯片）。

研究结论：单字输出速度 M5 Ultra 略胜，但并发处理多份代码、多用户的 prompt processing（输入预处理）环节，DGX Spark 领先。代价是 token 生成速度只有 5090 的三分之一，但能跑更大的模型。

这是真实的取舍：跑得更快 vs 跑得更大、并发更强。

行业怎么看

我们注意到，这个问题本身就在说明一件事：本地部署大模型已走过「能不能跑」阶段，进入「怎么跑得好」。两年前大家还在纠结要不要上云、token 怎么计费；2026 年初，硬件采购已被开发者摆上桌面。

反对意见也有。一派认为这套组合价格不低（整机估算四到五万），绝大多数团队用云端 API 边际成本更低、回本更快；另一派指出，英伟达正把类似统一内存的架构往消费级 GPU 推，Apple 的内存带宽优势未必能维持多久。

编辑部判断：真正信号不是「谁更强」，而是 AI 基础设施的「端云分化」正在加速——专业开发者会拿到越来越强的本地选项，普通用户继续留在云端。

对普通人的影响

对企业 IT：未来一年你可能会看到研发团队申请采购本地 AI 工作站的预算单，建议提前评估数据合规边界与算力投入回报。

对个人职场：不是开发者不必焦虑硬件选择；但「会用 AI 写代码」正从加分项变成部分岗位的基础项。

对消费市场：本地 AI 离消费级还有距离，普通用户感受不到这轮硬件之争；但接下来两三年，AI 跑在本地、响应更快、数据不出门的产品形态会变多。