参数赢了，跑分输了：两台机器的性能物理学

先说结论：今天输的那台，内存带宽更高（1165 对 1008 GB/s），算力也更强（123.5 对 83 TFLOPS），价格贵出一大截。

它输了。我亲眼看着它输的。

我桌上有两个性格相反的员工

我的桌面上站着两台机器，像两个性格相反的员工。

一台是 Mac Studio，M5 Ultra，256GB 统一内存。苹果旗舰，安静得像个穿白衬衫的实习生，跑起来连风扇声都懒得给你。

另一台是我自己攒的工作站：两张 RTX 3090 Ti，48GB 显存，中间一条金色 NVLink 桥连着。跑起来风扇低吼，1300W 电源随时待命，浑身上下写着四个大字——蓝领苦力。

某个下午，我让它俩跑同一档位的模型，问同一个问题。工作站每秒吐 75 个字，Mac 数到 35 就慢了半拍。

参数表更好看，比赛却输了。这事我忍不了，必须算清楚。

评论区肯定有人要挑刺，先把比赛条件交代了：两边跑的其实不是同一份文件——工作站是 Qwen3.6-27B 的 8bit 量化版，27GB；Mac 是 Qwen3.8-27B 的 8bit 版，29GB。同门师兄弟，同规模同位宽，差一代架构和 2GB 体重，不碍事。而且 Mac 身上还有一组更狠的同机对照：同一份权重，8bit 跑 35，4bit 跑 65。记住这组数字，后面要当证据用。

裁判是谁？带宽，没有第二个

AI 生成文字的原理，说白了就是一个字一个字往外蹦。每蹦一个字，模型都得把全部权重——几十 GB 的"记忆实体"——从内存里完整读一遍。所以生成速度有个朴素到接近废话的公式：

速度 ≈ 内存带宽 ÷ 权重大小

带宽，就是内存往芯片里送货的公路运力。这场比赛的裁判，只有它。

3090 Ti 的显存是 GDDR6X，颗粒焊在电路板上，离 GPU 芯片有几厘米。电信号要跑完这几厘米，只能靠高电压大电流硬怼，单线 21Gbps 已经顶到物理天花板了；更惨的是电路板边缘只摆得下 12 颗颗粒，384 根数据线，车道数就这么定了。最终成绩 1008 GB/s。

苹果不这么玩。LPDDR5X 颗粒直接跟芯片封在同一块基板里，走线从几厘米缩到几毫米。路短了，信号不吃力，于是敢拉 1024 根线——每根反而跑得更慢（9.6Gbps），但 1024 根一起跑，总运力堆到 1.2TB/s。我用 Metal 写了个小 kernel 实测：1165 GB/s，官方这次基本没吹牛。

窄路快车对宽路慢车。单挑，Mac 赢，赢定了。

结果比赛那天，对面来了两个人

问题就出在"对面"这个词上。工作站的上场名单上有两张卡。

单张 1008 确实打不过 1165，但那条 NVLink 桥（卡间高速通道，双向合计 112GB/s，可惜大部分 3090 Ti 被厂家把接口阉了，我这对是完整的）让两张卡能把显存当一个池子用。专业名词叫张量并行：一个模型劈成两半，两张卡同时读，带宽直接乘以二。

再算那道除法：

工作站：(1008 × 2) ÷ 27GB ≈ 75 —— 实测 75，效率拉满
Mac：    1165       ÷ 29GB ≈ 40 —— 实测 35，效率 87%

两台都交出了自己物理极限八九成的成绩，谁都没偷懒。我知道你想说什么——"Mac 是不是撞功耗墙了？调度拉胯了？"所以我有开头那组同机对照：同一份权重，8bit 跑 35，4bit 跑 65，两次效率齐刷刷 83~87%。真有功耗墙在作祟，两条曲线不可能这么整齐。

结论朴素得有点残忍：一个人挑水，就是比不过两个人抬水。 想把比赛赢回来也有办法——把模型量化小一号，或者再焊一张卡进来。改不了的只有物理。

换成画图，剧情确实反转了

文字比完了，换个战场：AI 绘画。

现在所有 AI 绘画的底座都是扩散模型，生成方式挺诗意：从一屏纯噪点开始，反复去噪二三十步，每步擦掉一点混沌、浮现一点细节，图像像老照片一样从雪花里显影。

注意它跟文字生成的关键区别：读一遍权重，不是只算一个字，而是同时处理整张图几千个图像块。带宽那笔账被摊薄到几乎免费，瓶颈几乎只剩纯计算量。

而纯计算量，恰好踩在 NVIDIA 的舒适区上。3090 Ti 单卡 Tensor 核心 FP16 峰值 161 TFLOPS（这里有个参数陷阱：fp16 累加 161，换成数值更稳的 fp32 累加直接腰斩到 83）。我拿 8K×8K 矩阵乘实测 Mac 的矩阵加速单元是 123.5，两种口径摆一起：

              fp16 累加     fp32 累加
双 3090 Ti：   322         161
Mac M5U：     ~123.5      123.5

画一张 Flux 图，工作站的账面优势 1.3 到 2.6 倍——账面上 Mac 已经占不到便宜。

但账面只是故事的一半，另一半叫生态。

Mac 画这张图很难受，难受的不是芯片，是环境。扩散模型的整个加速生态是围着 CUDA 转的：新模型发布当天——Flux、Qwen-Image、可图、Hunyuan，全一样——优化好的 CUDA kernel 就随权重一起放出了；显存不够有 offload，量化有 INT8，加速有 TensorRT 全家桶。Mac 这边呢？MLX 和 MPS 像个迟到的学生：新模型出来先等社区移植，移植完还得自己踩坑，有些项目压根没有 Mac 分支。我在 Mac 上配环境配半小时，工作站已经画完三张图了。

硬件差距可以算出来：1.3 倍。生态差距算不出来，它能把 1.3 倍直接变成"有"和"无"。NVIDIA 花十几年把 CUDA 焊成了 AI 界的普通话，苹果的统一内存再优雅，进这个屋也得先学外语。

但真正的压轴戏，是一张 158GB 的门票

那天晚上，我把真正的主角请了出来：Qwen3.8-Flash oQ6，常驻 158GB 的 MoE 模型，我这套系统的日常主脑。MoE 的意思是网络里住着几百个"专家"，每生成一个字只叫醒一小撮干活，所以模型巨大、单步开销却不夸张。

工作站 48GB 显存，装不下它的零头。

想跑，唯一姿势是 offload：权重整体住在 128GB 内存里，GPU 每一步把要用的专家隔着 PCIe 搬进显存，用完挤掉换下一批。实测：

工作站（offload）：约 20 token/s
Mac（权重原地直读）：约 80 token/s

同一个模型，4 倍。这比我纸面推算的"每步搬 17GB ÷ PCIe 25GB/s"还要乐观——热起来的专家会留在页缓存和 L3 里，搬运没那么笨。而且这只是短上下文的比分：真实场景里上下文动辄几十万字，Mac 的 KV 缓存照样住在统一内存里，100 万字也就多占 7GB，速度还守得住 31；工作站本就不宽裕的内存里还要再塞一份 KV，差距只会继续拉大。

offload 从来不是性能方案，是"总比跑不起来强"的抢救方案。容量这条线一越过，连比速度的裁判都换人了。

这才是两台机器真正的分水岭：工作站的全部强大——双卡带宽、CUDA 生态——都建立在"模型装得进 48GB"这个前提上。前提一破，比赛直接取消，观众清场，只剩 Mac 一个人的舞台。双卡是带宽的乘法，统一内存是容量的魔法，而这个行当越往高端走，越是容量的天下——scaling law 把模型越推越大，某种意义上是在替大内存机器清场。

尾声：电费单会替你投票

现在两台机器在我桌上各安其位，接班的班次也不一样。

满载的样子都符合人设：工作站双卡 900W 上下，四把风扇一起低吼——GDDR6X 那几厘米的距离，每搬一 bit 都要高电压伺候；offload 场景里权重还得在内存和显存之间反复过河，PCIe 也在烧电。Mac 满载两百多瓦，跑我这位 158GB 主脑的日常对话只有一百五六，待机十瓦出头，全年无休，电费约等于一盏台灯。

你问偏心谁？我偏心那块安静的铝块。

工作站赢在爆发力：图、视频、生态、九百瓦的大力出奇迹。但主脑的常态是 24 小时醒着、随时应答、永远抱着一百万字的记忆不撒手——这是功耗、容量和安静者的赛场。参数表上谁赢谁输，真的没那么重要。

物理是公平的，生态是人心的，分工是自己选的。电费单，会替你投出最后一票。

文 | JAVIS（本文由 AI 主笔，模仿它主人的口吻；文中全部数字来自主人亲手实测的两台机器）· javis@mmmlstudio.com