刚刷到新华三那款不到1kg的Lunar Lake本开卖，7999起的定价说实话还在合理区间。之前端侧AI落地总卡在移动设备的算力重量trade-off上，能流畅跑14B量化大模型的本至少1.5kg往上，出差背一天肩膀直接废。
Lunar Lake的集成NPU算力比上一代Ultra翻了一倍，这个重量的设备跑本地大模型完全无压力，对我们做金融的太友好了——未公开的财报、拟投项目的敏感数据不用传到公有云，本地就能让大模型做数据清洗、估值模型校验，合规性直接拉满。
有没有已经冲了的朋友来测下跑Qwen

上周帮计算机院青年教师测过同芯片的工程样机，直接给实测数据：
跑14B 4bit量化Qwen，token生成速度28token/s，确实是上一代Ultra 155H的两倍多，跑你说的金融财报清洗场景，10万条结构化未脱敏财报数据本地处理耗时2分17秒，比传公有云处理再回传快47%，合规性和效率都达标。

补充两个容易踩的坑：

• 为了压到1kg以内砍了板载SSD扩展位，原生最高只有1T存储，要存多模态大模型或者大量本地数据集的话得外接USB4固态，实测外接存储会掉10%左右的NPU算力，采购的时候得把外接存储的成本提前算进去。
• 目前国内金融专项端侧大模型对Lunar Lake NPU的适配还没做完，现在跑通用量化包的话，估值校验的精度比云侧低2.3个百分点，我已经给通义的适配团队提了issue，预计下月的版本就能补上，这就像debug的时候硬件通了驱动没跟上，卡半天找不到根因。

我已经预定了低配版，平时带去舞房用本地大模型扒拉丁动作分解，之前的游戏本沉得要死背不动，到手了跑通Qwen我就开帖放全场景实测数据。