欧美午夜精品-免费在线观看高清影视网站-999免费视频-韩国久久久-在线中文av-1024欧美-在线啪-成人影片在线-秋霞在线观看秋-国产精品国产三级国产专区52-国产在线高清视频-国产999在线-国产白拍-毛片在哪里看-日韩视频h-欧美日韩一区精品-在线只有精品-插插插色综合-成年人看的毛片-毛片av免费

在年初的CES 2025上，AMD首次發(fā)布了銳龍AI Max 300系列處理器。彼時對于多數(shù)玩家而言，最引人注目的莫過于內(nèi)置Radeon 8060S顯卡，其圖形性能接近RTX 4060，已成為一大亮點。而這款處理器真正引以為傲的AI算力，卻在當時尚未被廣泛關(guān)注。隨著AI Max+系列處理器逐漸被各大OEM廠商采用，加之軟件生態(tài)持續(xù)完善，其強勁的AI性能也開始逐步顯現(xiàn)。

今天，熱點科技拿到了一臺搭載AMD銳龍 AI Max+ 395處理器的迷你主機——極摩客 EVO-X2桌面Mini AI工作站。接下來，就讓我們看看這款處理器在這臺小鋼炮上的實際表現(xiàn)如何。

外觀設(shè)計

極摩客EVO-X2的外觀十分符合極摩客的品牌調(diào)性，在簡約的整體設(shè)計中加入幾分極客要素。機身采用了鋁合金原色的金屬外殼以及黑色的塑料主體框架。極摩客EVO-X2頂部設(shè)置了一枚切換風(fēng)扇氛圍燈的三角形按鍵，十分微妙地融入“斜切”外觀語言之中。在切角處印有極摩客的品牌Logo“GMKtec”。

在頂蓋（豎直狀態(tài)下為右側(cè)）后方，還貼上了“RYZEN AI MAX+”字樣的貼紙，暗示整機擁有旗艦級的AI性能，同時也表明，極摩客設(shè)計之時默認用戶將該機豎直放置，而并非平躺于桌上。

極摩客EVO-X2底部（豎直狀態(tài)下為左側(cè)）采用了方格形進氣開窗設(shè)計，在其下方為兩枚渦輪風(fēng)扇，因此大家最好不要將極摩客EVO-X2平放，以免影響進氣效率。

機箱前部IO十分豐富，從左至右依次為1枚開關(guān)機按鍵、1枚性能模式切換按鍵（按下可在靜音、平衡以及性能模式之間切換）、1個SD讀卡器插槽（UHS-II）、1個USB-C 40Gbps（USB 4）接口、2個USB-A 10Gbps接口以及1個3.5mm接口。

后置IO從左至右依次為1個DC 5525供電接口、1個3.5mm音頻接口、1個RJ45 2.5G網(wǎng)口、1個USB-A 10Gbps接口、1個USB-C 40Gbps接口（USB 4）、1個DisplayPort 1.4接口、1個HDMI 2.1接口以及2個USB-A 480Mbps接口。

值得一提的是，后置IO下方采用了大面積的散熱開孔鏤空設(shè)計，黑化的散熱鰭片直接裸露在外，非常硬核。

在極摩客EVO-X2右側(cè)（豎直狀態(tài)下為底部），激光雕刻了極摩客EVO-X2的銘牌信息，配置參數(shù)和SN編碼則是簡單地打印在一張貼紙上。

簡單拆解

極摩客EVO-X2的拆解十分簡單，首先撕下右側(cè)（豎直狀態(tài)下為底部）的兩枚腳墊，然后用十字螺絲刀擰開腳墊下方的6枚螺絲即可。外殼與塑料主體的固定采用一側(cè)螺絲、一側(cè)卡扣的組合固定方式，在拆下螺絲之后，僅需輕輕抬起外殼就可以揭開頂蓋，底殼同理。

打開頂蓋，首先看到就是一枚很少會出現(xiàn)在迷你主機中的12025風(fēng)扇，右側(cè)的開窗則是硬盤位，出廠已經(jīng)預(yù)裝了1塊帶有散熱片的雷克沙固態(tài)硬盤，容量為2TB，空余1個2280的硬盤位，速率可支持到PCIe 4.0x4。

其實通過觀察頂蓋可以發(fā)現(xiàn)，極摩客EVO-X2為主板倒置設(shè)計，背面風(fēng)扇除了散熱還能提供燈光效果。插上電源，啟動極摩客EVO-X2，頂蓋中的RGB風(fēng)扇開始發(fā)光，邊框以及軸心都采用了“無限鏡”設(shè)計，比較炫酷。

看完了頂部，再來看看底部。極摩客EVO-X2底部擁有兩枚渦輪風(fēng)扇，直接通過底殼的散熱開孔從外吸入冷空氣，然后吹向尾部的鰭片，最后由尾部IO處的開孔排出廢熱。

每枚風(fēng)扇采用3顆螺絲與散熱器主體進行固定，拆下合計6顆螺絲后，拔出排線即可將風(fēng)扇與散熱器本體分離。

散熱器本體使用6顆螺絲固定在主板上，分別是CPU核心處的4枚彈簧螺絲以及兩側(cè)的2枚小號螺絲。

拆下散熱器可以發(fā)現(xiàn)，該散熱器為三熱管設(shè)計，但并非銅管直觸也不是均熱板，而是在熱管下方焊接了一塊銅片，從而平攤核心以及內(nèi)存顆粒的熱量，內(nèi)存顆粒與銅片直接采用導(dǎo)熱硅膠墊作為介質(zhì)。

由內(nèi)存顆粒表面的絲印代碼可知，核心周圍為8顆來自美光的LPDDR5x內(nèi)存，單顆16GB，合計128GB。核心為AMD銳龍AI Max+ 395，從圖片可以發(fā)現(xiàn)，該處理器為3個Die，其中右側(cè)兩個小Die為CPU單元的兩枚CCD，采用臺積電4nm工藝制造，每一個CCD擁有8個Zen5核心，兩個CCD合計16個核心。左側(cè)較大的Die則為IO Die，之所以如此巨大，是因為其中還加入了目前最強的集成顯卡——Radeon 8060S，畢竟擁有高達40個RDNA 3.5單元，合計多達2560個流處理器，這么強悍的集顯性能，在當前市場里絕無僅有。

性能測試

說完了外觀、拆解，現(xiàn)在是時候聊聊性能了，本次測試全程基于性能模式進行（性能釋放140W）。

CPU以及集顯的具體規(guī)格性能就不多做贅述了，大家可以直接查看下方的CPU-Z以及GPU-Z列出的信息。

雖然銳龍AI Max+ 395這個名字令很多老玩家一時搞不清楚，但實際上大家可以將其類比移動端上的銳龍9 9955HX，均采用了16個Zen5核心，僅在具體頻率和性能釋放上有所差別。此外，由于其采用了更高效的硅中介層作為封裝技術(shù)，因此IO互聯(lián)效率要更高。

在Cinebench R23測試中，銳龍AI MAX+ 395的單核得分為1993，多核得分為36342，整體較之移動端上的銳龍9 9955HX相近，畢竟是同根同源。

在CineBench 2024中，銳龍AI MAX+ 395的單核得分為112，多核得分為1861，在一眾移動端處理器中依然是遙遙領(lǐng)先的水平。

內(nèi)存方面，銳龍AI MAX+ 395采用了較為獨特的可變顯存架構(gòu)，系統(tǒng)內(nèi)存與顯存共用板載的128GB LPDDR5x內(nèi)存，速率為8000MT/s。用戶可在BIOS或驅(qū)動軟件中自定義內(nèi)存分配，顯卡最多可調(diào)用96GB作為顯存。

我們簡單測試了一下它在AIDA64內(nèi)存與緩存測試中的成績。從結(jié)果來看，其寫入帶寬可以達到211.54GB/s，不過受限于移動端設(shè)計，內(nèi)存延遲較高。

再來看看圖形性能。銳龍AI Max+ 395的圖形單元實際上與本世代的RDNA 4有所區(qū)別，就技術(shù)路線來看，依舊是移動端的AI 9系列處理器的續(xù)寫，與Radeon 890M一樣采用了RDNA 3.5架構(gòu)，臺積電4nm工藝。不過計算單元由16CU暴增至40CU，堪稱是力大磚飛。在命名上，倒是繼承了RDNA 4的策略，叫做“Radeon 8060S”，劍指英偉達的RTX 4060等60系顯卡。

在經(jīng)典的TimeSpy測試中，銳龍AI MAX+ 395的顯卡得分為11417，超越了移動端的RTX 4060（3DMark數(shù)據(jù)庫均分為10412），相當于桌面端的RTX 3060 Ti（3DMark數(shù)據(jù)庫均分為11707）。

在DX11的Fire Strike測試中，銳龍AI MAX+ 395的顯卡得分為30471，大幅超越了移動端的RTX 4060（3DMark數(shù)據(jù)庫均分為26498）。可見，銳龍AI Max+ 395雖然定位是AI特化型號，但是由于其強大的集顯性能，目前已有大部分輕薄游戲本、桌面Mini AI工作站和掌機產(chǎn)品選用其作為處理器。

AI體驗

銳龍AI MAX+ 395的強大集顯性能，最初的設(shè)計目的并非用于游戲。誠然，可變顯存結(jié)構(gòu)巧妙地將相對廉價的系統(tǒng)內(nèi)存劃作顯存，使得在較低成本下也能運行過去難以承載的大模型。但僅有大容量顯存遠遠不夠，如果集顯計算能力不足，即使模型能跑起來，等待一個答案可能也是遙遙無期。而Radeon 8060S出色的通用計算性能，正好解決了這一關(guān)鍵瓶頸。接下來，我們通過實際的AI應(yīng)用來看看這顆銳龍AI MAX+ 395的表現(xiàn)如何。

Amuse圖片生成

Amuse是AMD與TensorStack合作開發(fā)的完全本地運行的生成式AI工具，可進行文生圖、圖生圖、手繪生圖、圖片修復(fù)、以及短視頻生成等常見的AI圖片生成任務(wù)。

在上個月月底，AMD聯(lián)合Stable Diffusion（下稱SD）官方Stability AI，推出了首款基于NPU運算的Stable Diffusion 3.0 Medium模型，在最新版本的Amuse 3.1已經(jīng)實現(xiàn)對搭載XDNA 2 NPU的銳龍?zhí)幚砥鞯闹С郑覀円苍跇O摩客EVO-X2上進行了測試。

受限于網(wǎng)絡(luò)環(huán)境，我們建議大家在下載模型時采用設(shè)置代理，否則可能需要等待很久并且發(fā)生中斷。沒有條件設(shè)置代理的朋友可以去Hugging Face的鏡像網(wǎng)站魔搭社區(qū)下載模型手動部署。

Amuse默認打開為EZ模式，也就是簡單模式。整個界面非常簡單清爽，不過目前尚沒有中文支持，只能期待AMD早點適配了。

想要使用基于NPU運算的SD 3 Medium模型，只需要將“Performance”滑塊選擇為“Balanced”，然后勾選下方的“AMD XDNA2 Stable Diffusion”（不勾選則會使用集顯進行運算），之后輸入提示詞就可以開始生成圖片了。需要注意的是，首次使用需要下載模型，網(wǎng)絡(luò)不好的話速度可能有點慢。

我們輸入提示詞“Some men took group photos with their mobile phones”，圖片數(shù)量選擇為4張，開啟“AMD XDNA Super Resolution”超分技術(shù)。在等待了大約268.5s后，四張圖片全部生成完畢，但從細節(jié)來看，“6根手指”這樣的AI困境仍然存在，但整體質(zhì)量尚可。生圖速度為0.33 it/s，平均一張圖耗時67s左右。對于一個完全基于NPU生成的結(jié)果而言是比較出色的。

如果覺得圖片質(zhì)量還不夠好的話，點擊左下角的“Expert Mode”按鈕可以切換至專家模式，在右上角的“Model Manager”中可以選擇更強大的模型。

我們以FLUX.1-schnell模型為例，再進行一次生圖測試。設(shè)置提示詞為“a cheetah running on the grassland”，迭代步數(shù)為10步，圖片分辨率為1024x1024，開啟超分，在等待大約3分鐘后，便生成了一張2048x2048的圖片。就圖片來看，符合提示詞要求，但在動作方面略有瑕疵，如果大家追求更快的速度，可以適當調(diào)低迭代步數(shù)。

在測試過程中，我們也發(fā)現(xiàn)了，雖然FLUX.1-schnell已經(jīng)屬于FLUX.1模型中較小尺寸的版本，但是其實際運行中顯存占用依舊超過了消費級顯卡可以承受的范圍，實測在任務(wù)管理器中，顯存占用已達到35.3GB。在這種情況下，即便是RTX 5090來了也難以運行（指模型全部加載到顯存中）。

本地大語言模型部署及RAG知識庫配置

在AI生圖的體驗中，銳龍AI MAX+ 395的可變顯存設(shè)計已經(jīng)小試牛刀，展露出以往消費級PC所無法實現(xiàn)的能力，即部署大尺寸的AI模型。不過FLUX.1-schnell的顯存占用并不能充分顯示出AI MAX+ 395最多96GB顯存的實力，因此我們進一步部署更大尺寸的本地大語言模型來榨干這臺極摩客EVO-X2的性能。

正如上文所提及的SD 3 Medium適配NPU一樣，AMD在軟件適配上十分積極，例如與模優(yōu)優(yōu)MoYoYo科技合作，推出了Qwen3-235B-A22B（IQ_2S）以及DeepSeek-V2 236B（IQ_2M）的2bit量化模型。我們也測試了這兩款模型在極摩客EVO-X2上的表現(xiàn)。

為了確保Radeon 8060S能夠分到足夠大的顯存，我們首先需要在BIOS中將“UMA Frame Buffer Size”選項調(diào)整為96G，也就是將96GB的內(nèi)存劃分給顯卡充作顯存。

之后我們使用LM Studio作為框架來部署這兩款模型，或許是ROCm目前兼容性還存在問題，因此我們在Runtime運行環(huán)境選擇Vulkan API。

首先是DeepSeek-V2 236B（IQ_2M）模型（格式為GGUF，以下所有測試的模型均為該格式），上下文長度選擇默認的4096，GPU卸載拉滿至60，在等待一段時間過后，模型已經(jīng)完全被加載到顯存中。雖然是2bit量化，但是滿血版的DeepSeek-V2的體積仍然龐大，此時的顯存占用已經(jīng)來到了駭人的94GB左右，達到了極摩客EVO-X2的極限。

此時我們讓它幫我們寫一篇短篇小說，體感反應(yīng)很快，屬于非常可用的狀態(tài)。結(jié)果顯示，整篇文章吐詞速度為9.14 Token/s，首詞延遲僅為1.02s。很難想象這是在一臺迷你主機中實現(xiàn)的成績。

緊接著測試的是Qwen3-235b-a22b模型，我們同樣使用默認的4096上下文，GPU卸載拉滿。結(jié)果顯示，Qwen3-235b-a22b完全部署進顯存后占用為74.9GB左右，這么大的容量同樣并非省油的燈。不過這也正好說明了銳龍AI MAX+ 395的可變顯存技術(shù)的優(yōu)勢所在。

同樣讓Qwen3-235b-a22b寫一篇短篇小說，同樣十分迅速，實測吐詞速度達到了12.24 Token/s，首詞延遲為0.69s。這么快的反應(yīng)速度一定程度上要歸功于235b是一個MoE模型，激活參數(shù)較少，因此效率更高。

除了常規(guī)的大模型部署，RAG知識庫也是本地使用AI大語言模型所不可或缺的一環(huán)。通過建立專屬的文檔知識庫，大模型可根據(jù)知識庫中的數(shù)據(jù)給出更加精準的回答，從而一定程度上減少“幻覺”胡編亂造的現(xiàn)象，對于特定領(lǐng)域（如AI客服）而言十分重要。

我們依舊使用LM Studio作為框架，采用ROCm API，為了綜合效率，主要模型選擇小尺寸的MoE模型，Qwen3-30b-a3b-instruct-2507（Q4_K_M）4bit量化版，上下文參數(shù)提高到50000，GPU卸載拉滿。

嵌入模型選擇目前在中文領(lǐng)域較為強大的Qwen3-embedding-8b，由于我們的顯存還較為寬裕且該嵌入模型體積相對較小，因此我們選擇精度更高的8bit量化版，上下文參數(shù)默認，GPU卸載拉滿。此外，阿里巴巴雖然發(fā)布了Qwen3-reranker重排模型，不過目前缺乏穩(wěn)定的GGUF格式模型，因此本次測試并未采用。

在部署主模型以及嵌入模型之后，發(fā)現(xiàn)此時的顯存占用已經(jīng)來到了37.4GB左右，同樣嚴重超出了常規(guī)消費級PC的承受水平。因此如果大家硬件性能不夠?qū)捲５脑挘詈眠€是使用常規(guī)主流的BGE嵌入及重排模型，不過由于咱們擁有96GB的超大顯存，所以可以隨便搞。

在LM Studio部署完成模型之后，在Cherry Studio中簡單搭建知識庫，首先我們將一百余萬字的《紅樓夢》程高本全文投喂到知識庫中，向量化時間略久，接近1小時。需要注意的是，投喂的txt文件最好先轉(zhuǎn)為UTF-8編碼，如果采用GB2312編碼等其他編碼格式則大概率導(dǎo)致亂碼。

在嵌入模型處理完文檔后，我們在Cherry Studio中詢問“賈寶玉最后的結(jié)局是什么？”Qwen3-30b-a3b很快通過知識庫中的相關(guān)段落給出了推斷答案——賈寶玉出家為僧。總體而言還是可圈可點的。

MCP大模型上下文協(xié)議

平時我們使用AI模型，無論是云端的還是端側(cè)的，一般都只局限在一個聊天框中，很難讓大模型代替我們直接去撰寫Word、Excel表格等任務(wù)。而MCP協(xié)議的出現(xiàn)正是為了解決這一問題，它就相當于在大模型和各種應(yīng)用工具之間的一個拓展塢，各種工具可以通過MCP協(xié)議和大模型連接起來，從而讓大模型去直接執(zhí)行對應(yīng)任務(wù)，從而進一步解放我們的雙手。

MCP服務(wù)同樣可以分為云端與本地兩種，例如查詢對應(yīng)服務(wù)商提供的信息就必須依賴互聯(lián)網(wǎng)，如高德地圖提供的MCP服務(wù)，可以讓大模型直接通過高德地圖查詢并設(shè)計合適的出行計劃，而通過MCP服務(wù)命令大模型修改本地的Word文件等，這完全屬于本地服務(wù)。

本次測試中，我們通過Cherry Studio分別部署了1個本地MCP服務(wù)word-document-server以及一個云端MCP服務(wù)kuaidi100。前者可以實現(xiàn)大模型直接創(chuàng)建編輯Word文檔，后者則可以通過快遞100的API直接查詢快遞價格、時效等。

首先，咱們還是讓Qwen3-30b-a3b-2507模型出場，讓它幫我們寫一篇名為《海闊天空》短篇小說，寫好后直接保存到指定的目錄中。

在我們下達命令之后，大模型成功地運用了對應(yīng)的MCP工具創(chuàng)建了文檔并添加了內(nèi)容，打開文檔可以發(fā)現(xiàn)，確實是一篇名為《海闊天空》的短篇小說，字數(shù)為969字，完全符合我們之前提出的要求。

雖然我們是本地部署大模型，但是在信息時代，人本身就難以脫離互聯(lián)網(wǎng)，更何況為人服務(wù)的大模型呢，聯(lián)網(wǎng)的各種MCP服務(wù)同樣十分重要。我們也測試了快遞100提供的MCP服務(wù)，需要注意的是，聯(lián)網(wǎng)的MCP服務(wù)一般都需要使用私有收費API，因此并不是完全免費的。

我們詢問了一個簡單的問題，即“從上海普陀寄一個2kg的順豐快遞到北京大學(xué)需要多少錢？”大模型也很快調(diào)用了對應(yīng)的價格工具查詢了價格，并給出了回答，就結(jié)果來看，可用度還是非常高的。

寫在最后

整場測試下來，我們發(fā)現(xiàn)銳龍AI Max+ 395展現(xiàn)出的不只是性能，更是一種架構(gòu)層面的能力整合。16超大核32線程的Zen 5 CPU提供了強大的CPU算力，40CU的RDNA 3.5集顯則兼顧圖形與AI計算需求，而XDNA 2 NPU則是其區(qū)別于傳統(tǒng)處理器的關(guān)鍵所在，真正實現(xiàn)了AI應(yīng)用的高效能。

我們完整部署了SD 3.0 Medium、FLUX.1-schnell圖像生成模型，并加載運行了Qwen3-235B與DeepSeek-V2 236B等大語言模型，在96GB共享顯存的加持下，模型運行穩(wěn)定、響應(yīng)及時，結(jié)合RAG知識庫與MCP任務(wù)插件，還能輔助用戶進行搜索、摘要、文檔管理等多任務(wù)協(xié)同操作，已然可以滿足普通AI愛好者甚至是小型企業(yè)的本地AI需求。

此外，與以往依賴多卡高性能獨顯才能完成的大模型部署相比，銳龍AI Max+ 395的優(yōu)勢在于高度整合。在AMD可變顯存的設(shè)計下，無需再為中輕度的AI需求額外搭建復(fù)雜平臺，通過一枚芯片即可完成AI計算、圖像生成、日常辦公等多種類型的工作負載。并且由于該芯片的高能效比，即便放在僅有一升多的小主機中，仍然能保持良好的功耗表現(xiàn)與運行穩(wěn)定性。

當然，銳龍AI Max+ 395的潛力遠不止于此，隨著AMD持續(xù)推進XDNA 2生態(tài)建設(shè)，后續(xù)肯定還會有更多AI工具、模型與服務(wù)對其進行適配。而以極摩客 EVO-X2 桌面Mini AI工作站為代表的一眾迷你主機的涌現(xiàn)也進一步說明了市場對于高性能端側(cè)部署的需求。因此，隨著AI時代的進一步深入，端側(cè)AI部署將變得更加普遍，也更具性價比，而AMD銳龍AI Max+ 395處理器無疑是一名優(yōu)秀的先行者。

極摩客EVO-X2 Mini——京東商城