首页 > 教程攻略 > 热点新闻 >联想百应AI主机300评测:锐龙AI Max+395芯片加持,本地可运行120B大模型

联想百应AI主机300评测:锐龙AI Max+395芯片加持,本地可运行120B大模型

来源:互联网 时间:2026-06-26 20:06:48

随着AI技术加速渗透各行各业,本地部署专属AI智能体正成为从开发者到企业用户的新需求。近期,一款搭载AMD锐龙AI Max+ 395处理器的桌面迷你工作站——联想百应AI主机300引发关注。这款主机凭借其强大的统一内存架构和AI算力,旨在打破超大模型无法在本地流畅部署的技术壁垒。

联想百应AI主机300评测:锐龙AI Max+395芯片加持,本地可运行120B大模型

作为一款定位专业领域的AI工作站,它不仅拥有旗舰级的硬件配置,更强调本地优先的数据安全策略,所有AI推理计算均可离线完成,满足政企、医疗等行业对数据合规性的严苛要求。那么,它在实际体验中表现如何?能否真正胜任企业级AI应用的本地化部署?

外观设计与接口配置

联想百应AI主机300采用沉稳的黑色金属机身,体积约4.5升,重量为2.9kg。其设计兼顾商务气质与极客元素,正面配备带竖条纹理的悬浮面板,两侧进气孔采用赛博风格的波点设计。内置350W电源模块,使得主机在保持紧凑体型的同时,也能提供充足电力。

接口方面,该主机提供了丰富的连接选项。正面配备一个3.5毫米音频接口、两个10Gbps USB 3.2 Gen2 Type-A接口、一个支持40Gbps数据传输与DP 1.4视频输出的USB4 Type-C全功能接口,以及一个SD 4.0读卡器。背面则包括2.5G RJ45网络接口、额外的USB接口,以及DP 1.4和HDMI 2.1视频输出接口,足以满足多屏扩展与高速外设连接需求。

核心性能与硬件架构

这款主机的核心亮点在于搭载了

AMD锐龙AI Max+ 395处理器

。该芯片采用Zen 5架构与4nm制程,拥有16核32线程,最高频率达5.1 GHz,配备80MB缓存。其集成的Radeon 8060S显卡拥有40个RDNA 3.5架构计算单元,AI算力达50 TOPS。官方数据显示,其在Windows 11 AI+PC中,GPU在LM Studio里的AI性能比台式机中的NVIDIA GeForce RTX 4090独显高出2.2倍,且功耗降低87%。

更为关键的是其内存系统。主机板载了

128GB容量的LPDDR5x超高频内存

,并通过统一内存架构实现CPU、NPU和集成显卡共享这128GB内存空间,最高可分配96GB给显存。这种设计不仅降低了30%以上的功耗,还大幅缩短了数据处理延迟,为本地运行超大参数模型奠定了基础。存储方面,标配2TB PCIe 4.0 NVMe固态硬盘,并提供两个M.2 2280插槽。

AI功能与本地模型运行实测

在实际AI应用体验中,联想百应AI主机300展现出强大潜力。用户可通过内置的联想百应AI平台一键部署私有知识库与OpenClaw企业级AI智能体。测试中,在本地通过Ollama部署Qwen3.6 35B大模型,并让OpenClaw调用该模型执行任务,例如整理全网科技热点新闻并生成Excel表格,全程耗时约8分钟,且数据均在本地处理。

为了进一步测试其极限性能,使用LM Studio装载不同参数量的模型进行吞吐测试。运行Qwen3.5 9B模型时,生成1271个tokens的速度为33.03 tok/s。切换到Qwen3.6 35B模型后,生成4752个tokens的速度提升至61.66 tok/s。更令人印象深刻的是,运行参数量高达

120B的GPT-OSS开源模型

时,主机依然能够稳定运行,生成4260个tokens的速度达到38.67 tok/s,延迟仅为0.47秒。

在创意内容生成方面,本地部署ComfyUI进行文生图测试。使用Zimage-Turbo模型生成1328×1328分辨率图片,耗时约1分10秒,且图片质量符合复杂提示词要求。文生视频测试中,使用Amuse软件生成一段6.7秒、768×512分辨率的视频,耗时约11分钟,过程中96GB内存占用最高超过75%。

应用场景与行业展望

联想百应AI主机300的本地化AI能力,使其在多个行业具备可观的应用前景。在医疗领域,可化身为本地的桌面影像智能诊断辅助工具,处理无法上云的病人数据;在制造业,能通过分析异常数据或故障照片实现预测性维护;在企业办公中,可部署私有智能体自动生成周报、提炼会议重点。对于开发者与极客用户而言,它也能成为专属的本地算力中心,降低对云端算力的依赖与成本。

目前,该主机128GB内存+2TB固态版本售价为26999元。它主要面向对本地AI有刚性需求、注重数据隐私、且能通过AI工具切实提升工作效率的企业用户、开发者与预算充足的科技爱好者。随着AI应用持续向终端侧下沉,此类高性能、高安全性的本地AI工作站,或将成为推动行业智能化落地的重要基础设施。