System76这次发布的Thelio Mira AI,官网挂着的价格是$3,299。但如果你真按它主打的卖点——本地训练、微调大模型——去配置,顶配双卡机型的到手价大约是$40,538,是首页数字的十几倍。这不是算错了,是这类"AI工作站"的惯常报价戏法:用一个亲民入口价占位,真正对应"192GB显存"的那台机器,价签在配置页最底下,不在首屏。
价格是怎么滚上去的
起售价对应的是入门配置:8核CPU、4GB显存的NVIDIA A400、64GB内存,基本跑不动像样的本地训练。真正能装下大模型的双GPU方案,升级费单项就是+$37,239。加上内存、存储、电源这些配套升级,顶配到手价落在$40,538左右。
192GB显存和1750W供电,两道容易被忽略的门槛
配置页写的是"192GB GPU memory",听起来像一整块超大显存。实际是两张RTX PRO 6000、每张独立96GB,能不能被当成一块192GB来用,取决于训练框架是否支持多卡分片和分布式训练——这是软件层的事,配置表上不会写。
供电门槛更实在:双卡满血配置需要1000W+750W两颗SFX电源同时工作,合计约1750W额定容量。放在家庭或小办公室,意味着单独电路、更大的散热预算,以及一台机器全速运行时不会安静。
- 风险.官方标价与真实到手价相差十余倍,且顶配GPU选项一旦下单不可退货,配置决策的容错空间很小
本地训练为什么突然值钱了
云端GPU按小时计费,长期训练的账单会滚雪球;数据敏感的团队也不放心把模型权重丢到别人的机房。这两条,是本地AI硬件这两年被重新看重的直接原因。NVIDIA的Blackwell架构把工作站卡的显存密度推到新高度,96GB ECC显存单卡在这之前很难想象。System76长期做Linux硬件、自研Pop!_OS,这次把Thelio系列往AI训练场景细分,对手是Puget Systems、Lambda Labs这类专业工作站厂商,也包括NVIDIA自家的DGX系列。这是一场关于"谁来装机、谁来定价"的生意,不是单纯的显卡竞赛。
性能优势,厂商自己说了不算
System76宣称满血版RTX PRO 6000比阉割的Max-Q版本快15%-30%,但这是自家营销对比,没有任何独立跑分——没有MLPerf,没有第三方PyTorch吞吐测试,连Blender渲染成绩都没公布。花4万美元买的东西,性能承诺目前只能算一个待验证的说法。
显存是真的,天价也是真的,性能优势暂时只是自说自话
打印机的生意经是"机器便宜、耗材才是刀",这台工作站的报价逻辑有点像它的AI版本:入口价拉低认知门槛,真正对应产品卖点的那台机器价格藏在配置页深处。对预算充裕、且已经确认软件生态能吃满双卡显存的团队,这台机器省下的是长期云端账单;对大多数只是被"192GB"吸引来的个人开发者,更现实的问题是——先算清楚自己真的用得上多少显存,再看这张4万美元的账单值不值。接下来最该等的,是独立评测机构给出的真实跑分和功耗噪音数据,那才是判断"值不值"的硬证据。