「万亿参数」这句话的三个前提
数字本身是真的：MI350P 有 128 个 CDNA 4 计算单元、台积电 N3 工艺，本质是 PCIe 形态的半块 MI350X，单卡 144GB HBM3e。四块凑出 576GB、16TB/s，把一个万亿参数模型按 4bit 量化后整个放进显存，账是算得平的。 但这句宣传语挂着三个前提。一是精度必须是 4bit，不是 FP16。二是必须插满四卡，而 IFA 上那台展机只有两个卡位——AMD 的措辞是「有一条路径」能装到四块，不是「我们卖四卡版本」。三是电力：四块 600W 的卡会顶到北美标准插座的上限，除非把卡降到 300W 或者要求 20 安培专线。展机只装两块，很可能不是巧合。 MI350P 也不走消费渠道，单卡外界估价约 2 万美元，整机的量级只能靠估。AMD 对标的是英伟达 DGX Station（252GB 的 B300、72 核 Grace、496GB LPDDR5x，约 10 万美元），口径是系统内存最多 3.4 倍、内存带宽两倍以上。
它没有新东西，这正是它的定位
拆开看，这台机器是把已有的部件重新组合：现成的 Threadripper PRO、现成的 MI350，加一套液冷。真正的变量不在硬件，而在两家把「机架上的东西搬到桌边」这件事推到了什么价位——十万美元级别的桌边机器正在成为一个真实的产品类目，而不是特例。 值得注意的是它和同一周另外两条本地 AI 消息的落点完全不同。本站昨天写过英伟达的 PAIR，把家里几台闲置机器连成推理池，成本为零但不提高单次请求的上限；前天写过 Anker 在同一个展会上发布的 26 TOPS 家庭中枢。Halo Station 处在这条线的另一端：它买的不是便宜，是把一个大到普通设备装不下的模型整个放进本地显存。
谁真的需要这一台
先说不需要的：想省 API 钱的团队。按 10 万到 15 万美元的价格，加上电和运维，绝大多数场景下这笔钱买的推理量远不如直接调云端。 真正对得上的是三类需求——数据完全不能出门（医疗、法务、涉密工程），要反复跑长任务且不想排队，或者需要在本地对大模型做微调和逐层调试。这三类的共同点是买的不是每美元算力，是确定性和可控性。 另外两件事得等：官方定价和发售日都没有，四卡配置能不能真的买到也没有明确说法。在这些落定之前，把它写进 2027 年的采购计划为时过早。