Surface Laptop Ultra 发布：128GB 统一内存把 120B 模型搬进笔记本（2026年10月）
微软 10 月 8 日凌晨发布 Surface Laptop Ultra 与 RTX Spark 平台，统一内存最高 128GB，官方称可本地运行 1200 亿参数级模型。本文拆解统一内存与显存的差别、本地跑 120B 要装哪些工具，并对比 AI PC、独显与云 API 三条路线。
北京时间 10 月 8 日凌晨，微软发布 Surface Laptop Ultra（2599 美元起）与英伟达 RTX Spark 平台：统一内存最高 128GB，官方称可本地运行 1200 亿参数级模型。
微软这次发布了什么？
Surface Laptop Ultra 厚度 18 毫米以内、重量不到 4.5 磅，散热是现款的 2.5 倍，电池模式下保留约 99% 的插电性能。
核心是 RTX Spark 超级芯片，把 Grace CPU 与 Blackwell RTX GPU 封在一起：18 核版本配 5120 个 GPU 核心、内存 24GB 或 32GB，20 核版本配 6144 个 GPU 核心、内存可选 32GB 到 128GB，FP4 算力最高 1 PFLOP。Windows 新增统一内存控制，可调整分配给 GPU 的内存。
定价 2599 美元（约 17,444 元），开发机 Dev Box 5999 美元（约 40,265 元），均已开启预订；联想、华硕、戴尔、惠普等首批机型 10 月 16 日发货。
为什么「统一内存」比「显存」更关键？
过去本地部署大模型的第一道门槛是显存：消费级独显单卡通常只有 24GB 到 32GB，模型稍大就得把权重卸载到 CPU，速度掉一个量级。
统一内存改的是这条曲线：CPU 与 GPU 共享同一内存池，128GB 可整体存放模型权重。按 4-bit 量化每参数约 0.5 字节估算，120B 权重约 60GB，加 KV Cache 与上下文大致 70GB 到 80GB，128GB 留有余量。
两点要留意：统一内存带宽低于同价位独显显存，装得下不等于跑得快；4-bit 量化有精度损失。
本地跑 120B，要装哪几件工具？
运行时用 Ollama：一条命令拉取并运行模型，自带 OpenAI 兼容的本地 API（默认 localhost:11434），开源免费，云端 Pro 每月 20 美元。
图形界面用 LM Studio：桌面应用，图形化下载与多会话聊天，提供 OpenAI 兼容 REST API 与 SDK，推理完全离线，本地免费。
上层应用用 AnythingLLM：把文档向量化成本地知识库，内置 LanceDB，可调用 Ollama 或云端模型。
要把本机变成小型推理服务，换 vLLM：PagedAttention 分页管理 KV Cache，连续批处理拉高吞吐，Apache-2.0 免费。内存吃紧又想跑大稀疏模型，可关注 colibri：纯 C 的 MoE 引擎，专家权重按需从 SSD 流式读取。
AI PC、独显工作站、云 API：怎么选？
AI PC 赢容量与隐私：128GB 统一内存一次性投入 2599 美元起，模型与数据不出本机，代价是吞吐不占优；独显工作站赢速度，显存带宽高、微调更快，但单卡 24GB 到 32GB 装不下未量化的 120B 模型；云 API 赢弹性，按 token 计费、模型最新，代价是数据出域。低频与隐私优先选 AI PC，高频批处理选独显或云。
观察点：真实 token/s、Windows ML 对 llama.cpp 的接入、120B 模型在 4-bit 量化下的可用性。
Windows 侧：agent 开始常驻本机
Copilot 获得混合智能：能读取本地上下文、在许可下执行动作、自行判断用本地还是云模型，并且可整体关闭。演示里 Copilot 在本机找到报税文件、打包发给会计师，文件全程不离设备。
管理与安全同步到位：Execution Containers 转正式版，Defender 可标记恶意提示词，企业可在 Microsoft 365 统一纳管。
这些能力把 Microsoft Copilot 推向系统级执行层，也说明本地 agent 的瓶颈不是模型够不够聪明，而是内存够不够装下模型。
❓ 常见问题
Surface Laptop Ultra 定价 2599 美元（约 17,444 元），面向开发者的 Surface RTX Spark Dev Box 售价 5999 美元（约 40,265 元），两者均已开启预订。联想、华硕、戴尔、惠普等首批 RTX Spark 机型同步预售，10 月 16 日发货。
微软官方称该平台支持本地运行 1200 亿参数以上的前沿级模型。按 4-bit 量化每参数约 0.5 字节估算，120B 权重约 60GB，加上 KV Cache 与上下文开销大致 70GB 到 80GB，128GB 档位留有余量。
统一内存是 CPU 与 GPU 共享同一内存池，容量上限高，RTX Spark 机型最高 128GB，适合装下大模型；独显专用显存带宽更高、吞吐更强，但消费级单卡容量通常只有 24GB 到 32GB。前者赢容量，后者赢速度。
命令行与本地 API 用 Ollama，图形界面用 LM Studio，文档知识库用 AnythingLLM，需要高吞吐推理服务用 vLLM；内存吃紧又想跑大稀疏模型，可以关注 colibri 的 MoE 流式加载方案。
取决于调用频率。低频、偶发使用云 API 更省，没有硬件折旧；高频调用、隐私敏感或需要离线可用时，2599 美元起的一次性投入更划算，而且模型与数据都留在本机。