本周 Reddit 的 LocalLLaMA（讨论本地跑大模型的开源社区）一条帖子成为热议焦点：英伟达旗舰显卡 RTX 5090 实际成交价冲到 5090 美元——型号即售价。这背后是本地 AI 硬件门槛一年内翻倍的现实。

这是什么

原帖作者原本计划再买一张 5090 组建本地推理（让模型跑在自己的机器上）集群,最后改主意转向搭载 256GB 统一内存（CPU 与 GPU 共享同一块大容量内存）的苹果 M5 Ultra Mac Studio。他的原话是"我们真的完了"。

5090 是当前少数能本地运行 70B 级（参数 700 亿）大模型的消费级硬件之一。它从官方建议零售价 1999 美元飙到 5090 美元,意味着本地部署大模型的硬件门槛一年内翻了一倍多。

行业怎么看

社区里两种声音并存。

挺英伟达的开发者认为：5090 的显存带宽和 CUDA 生态（英伟达长期积累的并行计算软件栈,仍是行业事实标准）短期依然领先苹果,跑训练和微调（用自有数据对模型二次训练）还得靠它;高价反映的是供需,不是定价傲慢。

另一派认为这是结构性问题。苹果的统一内存路线让 256GB 直接服务大模型推理,省去了昂贵的显存（显卡专用高速内存）成本;本地 AI 社区正在从"N 卡堆机"悄悄转向"M 芯片工作站"。更激进的看法是：当单卡价格逼近一部二手车,开源本地模型的玩家只剩三类——大厂、硬件商,以及愿意等云算力降价的散户。

值得警惕的是：5090 的高溢价让"本地跑模型省钱"这个前提正在失效。过去三年靠开源模型+消费显卡实现 AI 平权的开发者,正在被挤回云端。

对普通人的影响

对企业 IT:原本计划采购 5090 做私有化部署的中小公司需要重新算账——单卡近 4 万人民币,加上散热、电源、机柜,三十张卡的机房是一笔需要 CFO 签字的预算;Mac Studio 路线或云租赁的对比表必须重做。

对个人职场:工程师、研究员、AI 创业者需要正视一个现实——本地玩票时代接近尾声,技能重心会从"我会调本地模型"回到"我会用好云端 API"。

对消费市场:短期看不到直接影响,但长期当开源模型只能在云端跑、而云端 API 价格由少数公司决定,议价权就在供应商手里。这也是为什么苹果、英伟达、AMD 在 AI 硬件上的每一个动作,都值得普通用户关注。