今天华硕 ProArt P16 和 P14 上市，首发到手 18999 元起，官方说本地能跑到 200B 参数的大模型。我翻了几组实测，这台机器的强弱，跟「能装下多大模型」关系不大。
第一环：三样东西塞进一颗芯片
RTX Spark 是英伟达和联发科一起做的，台积电 3nm。CPU 是 20 核 Grace，GPU 是 Blackwell、6144 个 CUDA 核心；最要紧的是内存，最高 128GB LPDDR5X，CPU 和显卡共用一块。
以前笔记本跑大模型难在哪？难在显存。独显本 24GB 到顶，模型装不进去，卡再快也只能干看着。统一内存把这道理拆了，128GB 那档实测能给显卡分到 96GB。
这是「装得下」的门槛，不是「跑得快」的保证，两件事很多人混一块了。
第二环：同样 30B，一个 63.9，一个 15.9
美国 Micro Center 拿同平台的 Surface Laptop Ultra 跑了一轮 llama.cpp，数字挺说明问题。
Nemotron 3 Nano Omni 30B，短提示每秒 63.9 个 token；Muse Glimmer 30B，每秒 15.9 个。都是 30B，差四倍。
更反常识的是 Qwen3.5 122B 每秒 35.2 个，Qwen3.8 27B 每秒 14.5 个。122B 的大家伙，反倒比 27B 快一倍多。
原因在架构：MoE 每次只叫醒一部分参数干活，决定速度的是每次动多少，不是总共多大。参数表上那个数字，是仓库面积，不是出货速度。
第三环：还有两个要等的地方
一个是读提示词。短提示首字 0.19 秒就出来；提示词拉到 9000 个 token，首字要等 6.79 秒。做长文档、整仓代码的，等待都在前面这一段。
另一个是单线程。多核成绩很硬，Cinebench 2026 多核 6963，比同场两台 x64 机器快三成到四成。可内存延迟 251 纳秒是那组最差的，吃单核的活会吃点亏。
第四环：价格和续航这笔账
华硕这两台，P16 是 16 寸 1.77 公斤，P14 是 14 寸 1.48 公斤，都配 140W 的 USB-C 电源。首批是 32GB 和 128GB 两档。
18999 那档是 32GB，跑 30B 以内够用；想上 100B 以上得往 128GB 走，那个价位四万往上。同样 128GB 统一内存的 M5 Max 本子，也是这价。
续航要分开看：同平台另一台 92Wh 的机器，轻载跑了 520 分钟，正常办公够一天；边跑模型边用电池，续航会明显缩短，这活更适合插着电干。
兼容性也得提：Windows on Arm，4K 随机读写不到同价位 x64 的一半。办公、剪辑软件都跟上了，行业软件和加密狗这类，买前最好拿自己的活试一遍。
留一分余地
不是所有叫 AI 笔记本的都这样，也不是参数越大越强。真正决定体验的是五样：模型的激活参数、量化精度、推理引擎、内存带宽、散热策略。
反例就在同一份评测里：一台 24GB 显存的 RTX 5090 笔记本，在装得下的模型上比它快 2.3 倍。装不下的时候它赢，装得下的时候别人更快，这就是统一内存的边界。
我柜台上最近问「老本子能不能升级跑 AI」的人不少。加内存、换固态，解决的是多开卡顿和存储紧张；跑大模型是另一码事，先想清楚跑哪个模型、上下文多长，再决定花多少钱。
你手上这台笔记本，最吃性能的是哪件事？浦口的朋友路过可以带来聊聊，我帮你看看瓶颈在内存、硬盘还是散热。