小米拿智驾芯片拼了台桌面主机，本地跑 120B，2027 年才卖
三颗自研芯片，硬拼出一台桌面主机
8 月 24 日，小米开了场玄戒芯片技术沟通会。没搞盛大发布会，就在微博上图文直播。
主角本来是玄戒 O3，3nm，安兔兔 522 万分，首个破 500 万的手机 SoC，9 月随小米 18 Fold 上市。
但沟通会现场的展示区里摆了台别的东西。
小米 AI Cube Prototype。一台桌面迷你主机，机身里同时塞了三颗自研芯片。
玄戒 O3 是那颗手机 SoC，10 核全大核 CPU，16 核 G2-Ultra NX GPU，200 TOPS 的 NPU。
玄戒 O100 是专门为端侧大模型做的高带宽 AI 加速芯片，6nm 3D 晶圆级堆叠，28672 根有效数据线，1.22TB/s 的近存计算带宽。
玄戒 D100 是智驾芯片。3nm，20 核 CPU 加 16 核 NPU，原本是给车用的，它那个内存控制器最高能撑 160GB。
一颗手机的、一颗加速的、一颗本来给车用的，凑一块儿做了台桌面机。
我第一反应是这拼得有点野。第二反应是，这大概就是现在能拼出来的最好组合了。
那个被写错的数字
先说个事。
那两天一堆报道写"小米 AI Cube 配备 160GB 内存"。我一开始也是这么记的。
后来去翻雷军 8 月 25 日那条微博，原话是：
机身内部，将玄戒 O3、O100 与 D100 全面融于一身，配备 80GB 超大容量统一内存
80GB，不是 160GB。
160GB 是 D100 这颗芯片的内存控制器能支持的上限，不是这台原型机实际配的量。中间隔着一整个"能不能装得起"的问题。
这个区别在跑模型这件事上很要命。
120B 的模型压到 4-bit，权重大概占 60GB。80GB 减掉 60GB，剩 20GB 给 KV Cache 和运行时开销。能跑，但上下文一长就得喘。
要是真有 160GB，剩下的余量是 100GB，那是另一个体感。
小米官方说这台机器能跑 120B，这话没毛病。但很多人看完报道以为的是"160GB 随便造"，实际是"80GB 刚够"。
1.22TB/s 这个数字得说清楚
O100 那个 1.22TB/s 传播得最广，因为它看着比谁都猛。
对比一下：DGX Spark 的统一内存带宽是 273 GB/s，Mac Studio 那边 M3 Ultra 是 819 GB/s。1.22TB/s 一出来，好像把两边都摁住了。
但口径不一样。
O100 的 1.22TB/s 是近存计算带宽，指的是那颗堆叠加速芯片跟它贴着的内存之间的带宽。它是把计算单元和内存像盖楼一样垂直摞起来，在芯片内部打了上百万个高速垂直通道换来的。
DGX Spark 和 Mac Studio 报的那个数，是整个统一内存池的系统带宽。
这两个不是一回事。O100 的 1.22TB/s 覆盖不到那 80GB 的全部，它解决的是加速芯片这一段的"内存墙"。
小米自己给的配套数字更实在：O100 配 O3，本地推理能到 330 Tokens/s。另一台只用 O3+O100 的手持原型机，实测 295 Tokens/s。
这些数是能验证的，等第三方拿到机器就知道。
至于把 1.22TB/s 直接拿去跟 819GB/s 比谁大，我劝各位缓一缓。
33874 个孔
有个细节特别小米。
AI Cube 的外壳是航天铝一体成型，表面 CNC 镂了 33874 个孔。
不是"三万多个"，是 33874 个。数字精确到个位，写在发布材料里。
这些孔是为了给 150W 的持续功耗散热。铝壳加蜂窝孔，看着确实好看。
我盯着这个数字看了会儿，觉得挺有意思的。一台连价格都没定、量产时间也没说的原型机，孔的数量已经数到个位了。
这是小米这些年很典型的那种表达方式：先把工业设计和参数打磨到能拿出来讲，再谈别的。
沟通会上还有个彩蛋，工程师在 O3 芯片里埋了个 60 微米大的"OK"手势。雷军说别拆开看，芯片挺贵的。
但它现在还买不到
说回最要紧的那件事。
小米没公布价格。没公布量产时间。连接口布局都没说。
O3 已经规模量产了，9 月随小米 18 Fold 上市。但 O100 和 D100，雷军的说法是2027 年商用。
也就是说，AI Cube 这台机器，最早也得等到明年。
这跟苹果那边形成了很刺眼的对比。8 月 25 日，就是小米这场沟通会的第二天，苹果直接在官网换上了新 Mac Studio，M5 Ultra 46999 元起，8 月 27 日预购，9 月 22 日发售。价格、日期、配置，一样不缺。
小米这台，回答的是"我们能做"。苹果那台，回答的是"你现在能买"。
这两句话之间隔着的东西，叫供应链和量产。
说句不好听的，一台不能买的机器，参数再漂亮，对你我来说约等于一张海报。
我在意的其实是另一句话
雷军那条微博的最后一段里有句话，别的媒体基本没转：
不论前端开发还是复杂编程任务，都可在这台个人 AI 超级计算终端快速、精准执行。
他把这台机器的目标用户，明确指向了写代码的人。
8 月我一直在写同一件事。8 月 22 日那篇，一家十来个人的创业公司因为智谱和 DeepSeek 高峰期涨价，把员工午休挪到 14 点之后、周末排班上班，就为了躲开贵的那几小时。8 月 25 日那篇，苹果说 Mac Studio 串起来能跑万亿参数。
现在小米也来了，而且直接点名程序员。
三家公司在同一个星期，往同一个方向使劲：把模型从别人的机房，搬回你自己的桌上。
我不觉得这是巧合。云端 token 越来越贵、限流越来越狠、风控越来越容易误伤，本地推理这条路的性价比就是在往上走。
但我也没那么乐观。
苹果的 Mac Studio 你现在就能下单，代价是生态短板，工具链得自己趟。英伟达的 DGX Spark 插上就能跑，CUDA 全套都在，代价是 273GB/s 的带宽卡脖子，还有 4699 美元。
小米这台哪个代价都还没显形，因为它还没落地。
等到 2027 年，云端的价格、模型的大小、竞品的位置，全都会变。到那时候 80GB 够不够用、120B 还算不算大模型，谁也说不准。
一台 2027 年才商用的机器，现在没法评价。
能评价的只有一件事：小米重启大芯片五年多，砸了 210 亿，养了近 3000 人的芯片团队，现在能一口气拿出三颗自研芯片，还能用它们拼一台桌面 AI 主机出来。
这件事本身是硬的。
至于那台机器最后卖多少钱、卖不卖得动、2027 年还有没有人要——
到时候再说吧。
你会等小米这台，还是先上手能买到的？