一机三吃：AI工作站+创作机+游戏本 ，联想 YOGA Pro 15 RTX Spark 深度评测

一、先把"输"这件事说清楚

不回避，直接上数据。

3DMark 三项：

Blender Cycles（Arm64 原生）：

看到了吗？小场景打得有来有回，一到 Monster 这种高面数、高纹理吞吐的复杂场景，就掉队了。

原因只有一个字：带宽。

这台机器的 LPDDR5X 统一内存，16 通道 256-bit，峰值 300GB/s，稳定 273.2GB/s。而一张桌面 RTX 5070 的 GDDR7 显存带宽是它的两倍以上。

带宽不够，就意味着高分辨率纹理、复杂几何体、大体量 BVH 结构都得排队。

所以它注定不是一台"渲染农场"。

如果评测到此为止，结论就是"溢价严重，不值"。但真正的故事从下一页开始。

二、它赢的那条赛道，叫"能不能装下"

来算一笔账，这是整篇文章最关键的推算。

一个 27B～32B 的模型，用 FP16 精度加载，光权重就占约 50GB。

你还要加上长上下文的 KV Cache——这是模型记住前文的关键数据结构，随对话长度线性膨胀。跑长文档、多轮任务时，它很快会把总占用推到 60～80GB。

于是出现了这样一条分水岭：

这就是 128GB 存在的全部理由。

而且它还做了一件更聪明的事：在 NVIDIA App 里用一个滑块，把统一内存分配给 GPU 当显存用，最高可分配 96GB。不够时还能动态再要。

换句话说——你买的不是一台笔记本，是一张 96GB 显存的显卡，外加一台能带走的电脑。

市面上哪张消费级显卡有 96GB 显存？没有。专业卡有，但那是一块砖头，需要插在服务器里，还要配一套供电和散热。

而它被塞进了 16.7mm、1.75kg 的机身。这就是那 42999 元真正买的东西。

三、AI 实测：34.39 tokens/秒，是什么水平

AgentPerf Local 实测（Llama.CPP + DFlash + Qwen3-27B 稠密模型）：

• 负载：8 个任务、168 轮真实对话，总输入超 200 万 token，输出约 3.1 万 token
• 结果：约 20 分钟跑完，解码速度 34.39 tokens/秒

34.39 tok/s 是什么概念？比你阅读理解的速度快，比你打字的速度快得多。一个 27B 的稠密模型——注意是稠密，不是 MoE，每生成一个 token 都要读完整份权重——能跑到这个数，日常办公、代码、写作完全够用。

其他几组更直观的：

0.27 秒的首字延迟，这个数字比跑分重要得多。它意味着你敲完问题，字就开始往外蹦，没有那种"转圈等一下"的停顿感。

这是本地 AI 和云端 AI 体验上最大的分水岭——不是快慢，是"有没有延迟"。

四、LoRA 微调 3 分 40 秒：这才是"入场券"的意思

我认为整篇评测里最有分量的一组数据，是这一条。

测试对象：Qwen3.5-9B 挂 LoRA 适配器
数据集：从 NVIDIA FrameView 用户手册派生的问答数据集
参数：3 轮训练、学习率 0.0005、batch size 4、梯度累积 1
目标：让模型学会 ASD-STE100 简化技术英语风格

耗时：3 分 40 秒。

效果呢？基础模型回答冗长、格式细节还经常出错；微调之后，明显收敛到目标风格，回答简洁、快速、准确。

你得明白这意味着什么。以前做一次像样的微调，流程是：申请 GPU 服务器 → 排队 → 配环境 → 跑 → 等 → 出结果不满意 → 再来一轮。一次迭代周期按天算。

成本不在于算力，在于那套流程带来的心理摩擦——你不会为了改一个标点而重新排一次队。

而当微调只要 3 分 40 秒、就在你腿上放着的时候，迭代的方式彻底变了。你会愿意试 20 个版本，因为试错的成本几乎为零。

这才是"入场券"三个字真正的含义。不是"我也能跑大模型了"，而是"我终于可以像写代码一样，快速试错地调模型了"。

五、创作实测：那个"必崩"的组合，它跑完了

ComfyUI + Flux2：

注意第一个。Flux2.DEV 是 32B 模型，此前在很多高端独显上跑这个组合会直接崩——不是慢，是崩，显存不够。它在这里跑完了，41.97 秒一张。

视频生成：LTX 2.5 蒸馏版 NVFP4 量化，8 步生成 1280×720 / 120fps短片，约 80 秒。

专业渲染：V-Ray 6 得 RTX 模式 2909 分 / CUDA 模式 2438 分；Blender 可无损加载超大场景，不再显存溢出降速；替换 DLL 后可开启 DLSS 4.5 光线重建——相比 OptiX 降噪，反馈几乎无延迟，细节更丰富、光照更准确。

Adobe 全家桶原生跑：PS 28.0 生成式擦除几乎瞬时；Premiere 音频增强跑 TensorRT for RTX，数十秒的会议录音 57 秒完成对白/音乐/环境声分离；物体遮罩用 TensorRT 跟踪，回放帧率没明显掉。

这里有个容易被忽略的关键：这些软件都是原生 Arm64 版本——Blender、DaVinci Resolve、Affinity、Photoshop 全都有，GPU 代码根本不需要转译。

损失只发生在 CPU 指令层，不发生在你最在乎的 GPU 算力上。这是 ARM PC 这次能站住的底层原因。

六、游戏：8 款 3A，1080p 全部破百

8 款主流 3A（最高画质 + 最高光追，支持的都开路径追踪，含《黑神话：悟空》《赛博朋克 2077》）：

• 1440p：几乎所有游戏实现或接近 100+ fps
• 黑神话、2077 在 1440p 约 100fps，稍微降一档画质或光追就能轻松破百
• 1080p：8 款全部 100+ fps

其中《漫威争锋》用的是 Arm64 Beta 体验版——这又是个信号：厂商开始主动适配了。

DLSS 5体验用《NBA 2K27》：皮肤次表面散射、面部毛发受光、球衣与篮球的接触阴影都有明显增强，而且是用已渲染帧 + 运动矢量去补，不破坏场景结构和角色身份。

注意一个细节：它是 8 款里 6 款走 x86 兼容层跑出来的成绩。能到这个帧数，说明 Prism 兼容层的效率比想象中好。

七、代价：续航、温度，和那颗雷

代价一：电池。92.5Wh，游戏一小时出头就没了；但视频能撑 9 小时 38 分。这个取舍其实很清醒——它不是游戏本，是能打游戏的工作站。

代价二：温度。双烤（FurMark + CPU-Z）：GPU 45W + CPU 15W ≈ 稳定 60W，峰值超 80W，整机约 106W。室温 25℃ 持续一小时后热成像：高温点集中在机身中部和铰链出风口，键盘中部最高 45.3℃，摸着有热感；但两侧主要操作区控制在 35℃ 左右。

热的地方你本来也不碰——这个散热设计是懂行的。

代价三：ARM 兼容性。测下来大部分常用程序状态优秀，但 GPU-Z 这类部分 x64 程序直接跑不起来。原因不难理解：Prism 兼容层只转译 CPU 指令，那些深度挂钩底层驱动的工具类软件最容易翻车。

对普通用户影响不大。

但如果你工作流里有一堆小众行业软件——先列个清单，逐个确认。

八、所以，42999 到底值不值？

我的答案很明确：看你是谁。

✅ 该买的人：

• AI 开发者 / 科研人员：27B 稠密模型 + 长上下文 + 3 分钟微调，这套组合以前需要一台服务器
• 需要本地 AI 的内容创作者：ComfyUI 跑 Flux2.DEV 32B、Blender 出图、PR 音频增强，一条链路全闭环
• 数据不能出内网的行业（医疗/法务/金融/政企）：这是核心刚需，不是加分项
• 要"零 Token 成本"的重度用户：一次买断，长期跑，不算 API 账

❌ 别买的人：

• 没有强 AI 需求的普通玩家：同样预算买游戏本，帧数翻倍还不用忍受兼容性问题
• 重度依赖冷门 x86 行业软件的人：兼容清单先过一遍，别赌
• 要长时间离电高性能输出的人：1 小时出头的游戏续航，注定了它是"插电用"的机器

一句话：它是一张入场券，不是终点机器。它让"想法 → 原型 → 训练 → 验证"这条链路，第一次能在便携设备上闭环。

九、最后

回到开头那个问题：一台四万三、跑分打不过桌面显卡的笔记本，凭什么？

因为过去我们衡量电脑，只有"快"这一个维度。而 YOGA Pro 15 RTX Spark 提出了第二个维度：装得下。

装得下一个 32B 的模型，装得下 80GB 的长上下文，装得下你那批永远不能上传的合同和病历，还装得进一个 1.75kg 的包里。

它不是最快的。但它是第一台让你在飞机上、在没信号的会议室里、在涉密办公区里，依然拥有完整 AI 工作流的个人电脑。

性能输给桌面 5070 是真的。但它能干的事，桌面 5070 一件都干不了。

这大概就是"One PC"这个说法，最诚实的一次落地。