AI 已成為 PC、手機行業(yè)這兩年最熱門的詞匯，雖然由于種種原因 Windows 系統(tǒng)自帶的 AI 功能目前尚無法使用，但鑒于 AI 行業(yè)處于一個高速發(fā)展期，幾乎每三到六個月就有諸多變化，使用獨立第三方工具可以提供最及時的體驗。

在 AI 使用上分為云端和本地兩種部署方式，二者各有優(yōu)劣：

• 云端部署：優(yōu)點包括算力更高、單位算力成本更低、部署更簡單(很多服務(wù)商提供了一鍵式部署)，模型更新速度也很快。缺點在于數(shù)據(jù)存儲在云端、響應(yīng)速度受限于網(wǎng)絡(luò)和服務(wù)提供商、內(nèi)容被審核(熟悉賽博畫圖的用戶應(yīng)該深有體會)、部分模型可能因服務(wù)商調(diào)整被下架無法提供穩(wěn)定的長時間服務(wù)。
• 本地部署：優(yōu)點包括數(shù)據(jù)安全性好、響應(yīng)速度快、以及自有部署可以提供穩(wěn)定的服務(wù)，內(nèi)容不受云端審核。缺點在于算力相對較低，單位算力成本相對較高。

▼Intel 官方推出的本地 AI 應(yīng)用 AI PLAYGROUND

本地和云端應(yīng)用并沒有絕對的優(yōu)劣之分，更多應(yīng)該根據(jù)實際需求來靈活地選擇云端還是本地。比如最近OpenAI開源的gpt-oss就提供了120b和20b兩個版本，120b適合部署在服務(wù)器或高性能設(shè)備上，而20b版本則很適合在個人筆記本和臺式機上運行。

本篇測試基于零刻 GTi15 Ultra，配置為：

• Intel Ultra9 285H
• 32GB 內(nèi)存
• Intel Arc140T 核顯/影馳 RTX4070Ti Super 大將(EX Pro 顯卡擴展塢)

▼零刻 GTi15 Ultra

▼零刻 GTi15 Ultra+EX PRO 顯卡擴展塢+影馳 RTX4070Ti Super 大將

AI 服務(wù)分別運行在 CPU、GPU、NPU 以及外置 EX Pro 顯卡擴展塢上，測試/玩法主要基于：

• 無需命令的 Intel AI Playground 應(yīng)用
• 秋葉大佬的 SD 繪世整合包
• 僅需敲幾行代碼的 Ollama

本次體驗的主要內(nèi)容是生圖和語言大模型，希望通過本篇簡單的測試，能夠讓大家了解只要有一臺性能足夠強勁的PC，本地部署和使用AI的門檻其實是非常低的。以本次測試的零刻GTi15 Ultra采用的Intel Ultra9 285H處理器為例，官方標稱總AI算力已經(jīng)達到99 TOPS（Int8），其中GPU 77TOPS、NPU 13TOPS、CPU 9TOPS，支持的AI框架包括OpenVINO?、WindowsML、DirectML、ONNX RT、WebGPU、WebNN。

AI算力方面相較于上一代Ultra9 185H的34.5 TOPS，本代大幅提升到99 TOPS，187%的提升幅度十分明顯。尤其是GPU部分77TOPS的INT8算力，理論上已經(jīng)超越了RTX 3050（70TOPS INT8），接近RTX 3060（102TOPS INT8），而且最高128GB內(nèi)存也遠超入門級顯卡8GB/12GB顯存的配置。

INTEL AI PLAYGROUND 都能做什么?

目前最常見的 AI 應(yīng)用可以簡單地分為如下幾類:

• 文本生成
• 圖像生成
• 語音生成
• 視頻生成

每一大類都會有很多具體的應(yīng)用，比如文本生成類就有搜索、代碼修改/生成、文本潤色/生成、旅游規(guī)劃、知識庫等各種具體的應(yīng)用。Intel AI Playground是Intel官方針對Ultra處理器和Arc顯卡專門適配的工具，目前主要提供了圖片生成（文生圖）、圖片增強（放大、重繪、擴圖）、問答等功能?？梢砸绘I下載包含運行環(huán)境、大模型在內(nèi)的全部文件，并且可以自動調(diào)用算力更高的GPU，實現(xiàn)傻瓜式AI部署。

▼圖片生成

▼圖片增強(擴圖)

▼問答

不過需要注意的是Intel AI Playground對網(wǎng)絡(luò)的要求比較高，需要良好的連通性，才能體驗這種傻瓜式的一鍵安裝服務(wù)。官方程序界面內(nèi)未提供的模型，也可以自行從網(wǎng)絡(luò)下載后，放置到對應(yīng)文件夾，然后在軟件內(nèi)進行調(diào)用。

AI 性能測試

配置方面，這臺零刻GTi15 Ultra采用Intel Ultra9 285H處理器，搭配32（16+16）GB DDR5-5600內(nèi)存，Win11專業(yè)版系統(tǒng)。

賽博畫圖速度

由于某位Intel大神基于秋葉大佬的繪世整合包，修改的能夠調(diào)用Arc核顯的版本目前只支持Intel Ultra 1XX系列處理器，這次測試CPU和獨立顯卡部分基于秋葉大佬的繪世整合包，而GPU部分直接使用Intel AI Playground，使用相同的模型測試出圖速度。

測試統(tǒng)一使用20Steps，分別測試生成512x512和1024x1024兩種分辨率的圖片：

• 單純依靠CPU，強如Ultra9 285H也需要1分鐘多的時間才能生成一張512x512的圖片
• Arc140 T核顯生成512x512僅需8.3秒，可用性大大提高，可以滿足日常測試/修改各種提示詞和參數(shù)來學(xué)習(xí)生成流程/輕量級生產(chǎn)力使用
• 外置EX PRO顯卡塢+RTX4070 Ti Super，出圖速度和上限就很高了，可以輕松作為生產(chǎn)力工具使用

▼生圖速度外置 GPU>內(nèi)置 GPU>CPU

顯存占用方面，Intel AI Playground生成512x512圖片時僅占用2.6GB，系統(tǒng)默認提供了最高18GB的共享顯存，空間還是非常富裕的。

CPU生成512x512圖片時，任務(wù)管理器內(nèi)顯示python占用了6.4GB內(nèi)存，相比GPU模式明顯更多，不過總內(nèi)存32GB也依然有很大富余空間。

問答模型 Deepseek-R1:8B & gpt-oss:20B

問答模型測試中，我們測試了本地大模型生成速度，CPU部分使用官方版Ollama，GPU部分則使用魔塔社區(qū)可以下載到的Intel官方提供的優(yōu)化版Ollama（調(diào)用GPU）。使用三個問題測試生成速率（Tokens/s），三個問題分別是數(shù)學(xué)題、普通問答和編程題目，來測試大模型生成速率。

▼Ollama 運行 Deepseek-R1:8B 占用內(nèi)存約6.5GB，對于 32GB 的內(nèi)存壓力不大，對生成效果要求較高可以適當提高模型參量(14b 或 32b)

CPU模式下三個問題的生成速率分別為11.61、11.57、11.41tokens/s，屬于比較可用的水平（一般生成token/s >10生成答案才夠快），而GPU模式下則依次為13.96、13.51、13.4tokens/s，GPU生成速率大約是CPU的120%。

而gpt-oss:20b是OpenAI新開源的兩個模型之一（另外一個是參數(shù)量更大的120b），是一個中型開放模型，很適合用于低延遲的本地部署，能力方面也很接近于o3大模型。

由于 Intel 優(yōu)化版的 Ollama 暫時還未適配該模型(官方反饋適配中)，使用 Ollama 官方(CPU)部署 gpt-oss:20b 進行測試，實測內(nèi)存占用約13.6GB，對于 32GB 內(nèi)存的零刻 GTi15 Ultra 來說壓力不大。

生成速率方面雖然是 20B 大模型，實測三個問題生成速度分別為8.76、8.67、8.47 tokens/s。

不過gpt-oss:20b的思考深度計算并不像deep-seek那樣耗時，實際三個問題分別耗時24、26、65秒，對于本地應(yīng)用來說速度也是足夠快的。

本地 AI 應(yīng)用實例: VSCode + Cotinue 插件 + Ollama ，實現(xiàn)本地 AI 輔助編程

AI IDE在AI應(yīng)用中已經(jīng)逐漸從嘗鮮變?yōu)閯傂?，無論是職業(yè)碼農(nóng)、編程初學(xué)者，還是使用代碼進行自動化測試的工程技術(shù)人員，AI的應(yīng)用都在讓編寫/調(diào)試代碼變得更加高效（當然AI不能完全替代人工，它是提高效率的工具）。

我個人最近在使用 Continue，它是一款可以搭配 VSCode 和 JetBrians 使用的 AI 編程工具，支持聊天(Chat)、代碼補全(Autocomplete)、編輯(Edit)、智能體(Agent)。

Continue 本身不開發(fā) AI 大模型，但支持本地和云端接入各種大模型，我的使用方式是:

• VSCode 安裝 Continue 插件
• Ollama 本地部署大模型
• Continue 調(diào)用本地 Ollama 部署的大模型

具體部署教程的內(nèi)容，由于網(wǎng)絡(luò)上已經(jīng)有很多詳細文章/視頻介紹，這里就不再重復(fù)造輪子了。實測使用 ollama 部署 gpt-oss:20b 作為 chat 模型，生成一個 pyqt 的 UI hello world! 程序，大約用時1分30~40秒左右。如果替換成 codeqwen:7B、codellama:7b/13b、codegeex4:9b 等類參量更小的模型，生成速度應(yīng)該會更快一些。

不過對于速度要求更快的代碼補全，Continue內(nèi)可以選擇參數(shù)量更小、效率更高的Qwen2.5-Coder 1.5B，實際使用中大概在輸入停下幾秒后補全代碼就會彈出，速度還是比較快的。

使用AI為網(wǎng)上下載的代碼生成注釋，能夠更方便地理解代碼運行邏輯，實測使用零刻GTi15 Ultra + Ollama運行g(shù)pt-oss:20b生成注釋的速度同樣是分鐘級別（根據(jù)代碼長度和復(fù)雜度成比例），這已經(jīng)是非常可用的速度了。對于學(xué)生/編程初學(xué)者/非軟件開發(fā)人員而言，AI輔助編程可以讓用戶更快地學(xué)習(xí)代碼，參考AI生成/編輯/Debug的過程相比傳統(tǒng)搜索效率提升不少。如果您手頭也有足夠性能的PC/Mac，可以考慮嘗試使用本地/云端AI工具來提升工作效率。

▼Chat+Edit 生成并調(diào)試打開 txt 文件并 print

▼Chat 生成注釋

AI 與語音

除了自行部署 AI 應(yīng)用，實際上還有不少的綜合型 AI 助手，比如被廣泛使用的豆包。它的本地版本整合了 AI 瀏覽器與Agent 功能，提供了包括寫作、編程、圖像生成、視頻生成(測試)、本地文件回答等服務(wù)。

其中較為有趣的是新增的 AI 通話功能，用戶可以通過語音通話的方式，逐步讓 AI 助手協(xié)助完成各項任務(wù)。例如，我曾通過多輪對話，讓 AI 助手幫忙匯總了筆記本電腦市場的部分銷售數(shù)據(jù)，這種語音交互方式頗為便捷。

當然，語音交互的前提是需要配備麥克風和音箱，這就用到了 GTi15 Ultra 所集成的 AI 降噪麥克風陣列及內(nèi)置音箱。在實際體驗中，GTi15 Ultra 的 AI 降噪麥克風陣列能夠有效抑制環(huán)境噪音，這對于 AI 語音應(yīng)用的流暢運行和通話質(zhì)量的保障而言至關(guān)重要。

▼夏日空調(diào)房間+開啟風扇的時，AI 降噪有效濾除環(huán)境噪音，錄音底噪非常干凈

總結(jié)

通過本次測試可以看出，現(xiàn)代PC在本地AI應(yīng)用方面已經(jīng)具備了相當不錯的性能表現(xiàn)。無論是圖像生成還是語言模型，都能夠提供實用的體驗。特別是零刻GTi15 Ultra采用的Intel Ultra9 285H處理器，其AI算力提升顯著，為本地AI應(yīng)用提供了強有力的硬件支撐。

總的來說，隨著硬件性能的不斷提升和AI技術(shù)的日趨成熟，本地AI應(yīng)用的門檻正在快速降低。對于有一定技術(shù)基礎(chǔ)的用戶來說，搭建屬于自己的本地AI環(huán)境已經(jīng)變得觸手可及。

好了，我是KC，本篇測評到此結(jié)束。如果大家對于零刻GTi15 Ultra還有什么疑問，可以在評論區(qū)留言，我會盡可能回復(fù)或者在下篇文章中更新。感謝大家的觀看，希望大家一鍵三連支持一波~