На столах разработчиков и энтузиастов сходятся два разных взгляда на настольный ИИ. С одной стороны — компактный NVIDIA DGX Spark с кастомным чипом GB10 и всем привычным набором CUDA-инструментов, родственных дата-центрам. С другой — мини-ПК GMKtec EVO-X2 на базе AMD Strix Halo (Ryzen AI Max+ 395): единый пакет CPU+GPU+NPU, который обещает «большие» модели локально и без ценника уровня серверной стойки. Главный вопрос покупателя предельно приземлённый: где реальная отдача в ежедневной работе за свои деньги?
Две философии: пропускная способность против задержки
Подход NVIDIA строится вокруг высокой пропускной способности. DGX Spark нацелен на устойчиво высокие токены в секунду на крупных моделях и длинных контекстах, упираясь в экосистему CUDA и оптимизации TensorRT-LLM. Теоретическая производительность звучит впечатляюще — особенно в низкой точности и при параллельной обработке пакетов.
AMD играет в другую игру — минимальная задержка. В Strix Halo CPU, интегрированная графика и NPU XDNA 2 живут рядом и работают согласованно, сокращая время до первого токена и делая интерактивные сессии ощутимо отзывчивее. По данным GMKtec, в задачах на Llama 3.3 70B, Qwen3 Coder, GPT-OSS 20B и Qwen3 0.6B EVO-X2 часто быстрее стартует вывод, потому что меньше накладных переключений между блоками вычислений, а NPU снимает часть рутинных операций. Если ваша работа выглядит как диалог, а не как батч-обработка, архитектура AMD ощущается бодрее.
Практические эффекты для разных моделей
На крупных моделях EVO-X2 держится на уровне и порой обгоняет Spark по субъективной «живости» интерфейса, особенно в одиночных локальных сценариях. На небольших сетях разница сокращается — просто потому что они не упираются ни в память, ни в вычисления. Там, где Spark уходит вперёд, всё предсказуемо: длинные прогонки, тяжёлые батчи, несколько одновременных сессий и алгоритмы, заточенные на чистую производительность GPU.
Софт всё решает: инерция экосистем
Игнорировать «силу притяжения» софта нельзя. Если ваша команда живёт в CUDA, использует профилировщики и контейнеры NVIDIA и периодически переезжает с локальной машины на кластеры L40S/H100, DGX Spark становится логичным дев-нодом — меньше трения, та же среда. Если же вы хотите персональную офлайн-станцию для ассистентов, код-помощников и творчества на Windows или Linux, Strix Halo выглядит очень убедительно; ROCm, DirectML и родные рантаймы быстро взрослеют, а ценник — мягче.
Память, шина и почему бенчмарки спорят
Разброс результатов обычно упирается в топологию памяти и компромисс «ширина против задержки». Дизайны под throughput любят максимально широкие и быстрые каналы, чтобы кормить массив параллельных блоков. Дизайны под latency выигрывают за счёт плотной интеграции и низких накладных расходов на оркестрацию. Поэтому модели и токенайзеры, ориентированные на устойчивые t/s и параллельное декодирование, часто благоволят NVIDIA, а интерактивные короткие запросы — AMD.
Цена и что вы реально получаете
Здесь перевес ощутимый. Топовая конфигурация GMKtec EVO-X2 (128 ГБ памяти и 2 ТБ накопителя) стоит около 2199 долларов. NVIDIA DGX Spark — примерно 4000 долларов, а предзаказы порой поднимались ещё выше. Если вам важна отзывчивость ассистентов, заметок с распознаванием речи, генерации кода и локальной приватности — соотношение цены к опыту у EVO-X2 выглядит сильным. Если же требуется стабильный throughput, нативная совместимость с CUDA и «настольная копия» вашего продакшна — премия за Spark может быть оправдана как рабочий инструмент, который покупает компания.
Кому что подходит
- Интерактивный ИИ для одного пользователя: Strix Halo в EVO-X2 стартует быстрее и дешевле во владении.
- Тяжёлые батчи, длинные контексты, пайплайны CUDA: DGX Spark продолжает NVIDIA-линию от стола до дата-центра.
- Код-копилоты и локальные ассистенты: подойдут оба, но NPU у AMD даёт заметную отзывчивость.
- Исследования и паритет с сервером NVIDIA: Spark снижает сюрпризы при выкладке в прод.
Оговорки и здравый смысл
Цифры GMKtec — это тесты производителя на конкретных задачах; поменяйте модель, квантизацию, длину контекста — и турнирная таблица перетасуется. Важны и долгосрочные факторы: драйверы, термопрофиль, шум, стабильность ПО. Смотрите не на один график, а на свой реальный сценарий.
Вывод
Если нужна приватная, живая «настольная» ИИ-машина для вас лично или небольшой команды, EVO-X2 со Strix Halo даёт ощущение большого ИИ без большого бюджета. Если ваша реальность — CUDA, совместная работа и переносимость между рабочей станцией и серверным парком NVIDIA, DGX Spark — правильная дороговизна. Разные философии, разные победы — выбирайте по рабочему процессу, а не по логотипу.