英特尔显卡上新 这波能否在消费级AI市场分到一杯羹？

先来看看本次发布的产品规格，锐炫Pro B系列首发共有两款产品，分别是B50和B60，规格上有着不少区别。其中B50拥有16个Xe核心和128个XMX引擎，峰值算力可达170 TOPS，配备16GB DDR6显存，显存带宽为224GB/s，TDP仅为70W，并且支持PCIe 5.0×8连接，售价仅299美元（人民币2156元）。

图源：英特尔

B60则拥有20个Xe核心和160个XMX引擎，峰值算力可达197TOPS，并且配备24GB DDR6显存，显存带宽为456GB/s，主板功耗支持在120~200W之间调整，同样支持PCIe 5.0 x8接口，售价则是500美元（人民币3605元）。

图源：英特尔

对比锐炫Pro A系列，B系列不管是AI性能还是通用性能都有了大幅度的增长，部分性能的涨幅达到130%，彻底弥补了前代性能不足的弊端。而且，与前代专注于AI运算不同，B50的图形工作性能直接提高了3.4倍，甚至可以满足更复杂的图形运算需求。

单从算力性能来看，B50和B60都不算突出，即使是B60也就勉强摸到了RTX 4060的水平，但是消费级显卡本就因为采用了新的张量核心而在AI算力上具有优势。比如最新的50系显卡，即使是最低端的RTX 5060也有614的AI算力，与英伟达的专业计算卡A100差不多，前者价格只要2499元，后者价格则直接跳到五位数。

如果把B50和B60拿去对比英伟达的专业卡，基本可以对标A5000和A4000两款显卡，价格分别在10000元和6000元左右，分别是B60的三倍和B50的两倍多。说实话，即使有英伟达的CUDA生态加持，对于普通用户和小型企业来说，英特尔依然提供了更具诱惑力和性价比的选择。

英特尔要掀翻个人AI市场？

自从AI大模型火了之后，本地部署端侧模型就成为不少PC爱好者的折腾方向，但是大家很快发现端侧部署AI大模型，面临的最大问题不是算力不足，而是“显存”不足。很多人觉得AI大模型的端侧体验取决于算力，其实这个看法并不完全正确，对于个人使用的本地AI模型来说，显存的重要性其实要更高一些。

因为显存直接决定了你可以运行多大规模的AI大模型，以小雷自己的RTX 4070Ti Super为例，显存是16GB，那么在确保使用体验的情况下，最大可以部署32B参数量的模型，与满血版的DeepSeek有着接近20倍的参数量差距，基本上体验是大打折扣的。

简单来说，即使显卡的AI算力爆表，如果显存不足以运行大参数量的AI大模型，那么最终的体验都不会好，因为AI算力只能决定生成token的速度，也就是回复你的用时更短，而模型参数量则直接决定回答的质量和准确性。

反之，如果你有足够的显存去部署大参数量的AI模型，那么即使算力性能一般，无非就是生成回答的速度慢一些，个人使用的话忍忍也就过去了。如今的个人AI市场基本上处于“算力诚可贵，显存价更高”的状态，毕竟单看算力的话RTX 5090几乎是A100 80G版的两倍，前者售价三万就已经被不少人吐槽了，后者价格却接近十八万。

图源：淘宝

所以，显存的重要性应该不用小雷再过多叙述了吧？对于普通用户来说，花十几万买一张专业卡显然是不划算的，但是消费级显卡在互联协议上的阉割，让用户无法通过多卡串联来拓展显存，也就让端侧部署AI的体验变得十分尴尬。

为了解决显存问题，甚至出现了改装显存的RTX 2080Ti 22G版（原版为11G），因为其支持完全版本的NVLink，可以实现显存共享，按单位显存成本和算力来看，算是个人AI服务器里性价比最高的选择之一。

但是，在英特尔的B50和B60面世后，这些经过改装的RTX 2080Ti 22G版估计就要失业了，毕竟2080Ti本身的算力也就130TOPS，而且改装的显存存在不稳定等隐患。作为对比，拥有24G显存和197TOPS算力的B60只要3600+，而且支持PCIe 5.0协议下的8卡互联，推理和训练速度都远超老方案。

图源：英特尔

对于普通用户来说，只需要不到一万的成本，就可以得到一台能够部署中等参数规模AI大模型的PC，在8卡互联的情况下，196GB的显存甚至可以勉强满足1.58-bit 量化版的满血DeepSeek本地部署，显卡成本也就不到三万（服务器主板等另算）。

可以说，B50和B60对于个人AI爱好者而言，无疑是真正的“性价比之选”，如果不考虑模型训练效率等问题，它可以轻松让你在家里搭建一个小型AI服务器。

生存压力下，英特尔另辟蹊径

前段时间，英特尔公布了第一季度财报，报告显示，英特尔第一财季营收为127亿美元（约合人民币916亿元），与上年同期的127亿美元相比持平；应占净亏损为8亿美元（约合人民币57亿元），与上年同期的应占净亏损4亿美元（约合人民币29亿元）相比扩大115%

可以说生成的压力迫使英特尔加速业务的推进，并且寻找更多的利润增长点。不过，虽然英特尔的B50和B60两款消费级AI显卡都有着不错的性价比，与英伟达的差距仍然没有缩小多少，巨头的订单仍然会像雪片一样涌向英伟达而不是英特尔。

无他，对于大型企业来说，价格并非关键，算力效率才是关键，因为这决定了他们能否更早完成AI训练，在下一轮AI竞赛中领先对手。

所以，英特尔显然不打算与英伟达争夺大型企业用户，而是瞄准了小型企业和个人市场。就像我前面说的那样，对于个人用户来说，锐炫Pro B系列显卡确实是不错的选择，对于小型工作室和企业而言也是如此。

图源：英特尔

试想一下，花上十来万你就可以部署一个拥有数百G显存，理论上支持部署主流大型AI模型的服务器，这将比以往所有同级别的AI服务器方案都便宜得多（目前的主流方案一般需要数百万的成本）。

换言之，英特尔直接把小型企业的AI转型门槛抹去了大半，仅留下了“技术问题”，毕竟熟悉AI领域的人才如今都是香馍馍，想招到人手并不容易。当高昂的硬件成本不复存在，那么还有什么理由不去尝试着拥抱一下AI呢？

虽然小型企业的单个采购份额远不能和大型企业相比，但是从市场角度来说，小型企业的数量也是非常可观。而且英特尔可以与各种服务器供应商如浪潮、联想等合作，为企业提供一步到位的AI解决方案，这些基于英特尔AI计算卡设计的方案将因为低廉的硬件成本而更容易被客户所接受。

可以说，在英伟达忽略的市场里，英特尔正在用自己的方式为显卡业务找寻新的出路，而且真的有可能成功，对于英特尔来说，这个新的业务已是难得的增长点，必须牢牢把握住。

不过，英特尔可能并非唯一这么想的企业，AMD也在台北国际电脑展上发布了Radeon AI PRO R9700，这款AI计算卡基于消费级核心打造，拥有32GB的显存并最高支持四卡串联，虽然上限与英特尔有所差距，但是也有着更强的算力。

此外，还有诸如Arm等半导体企业，也对消费级的AI市场“虎视眈眈”，Arm去年就已经宣布与众多合作伙伴一起推动Arm架构的AI芯片生态发展与研发，同时开发属于自己的AI芯片。这些产品不仅面向服务器市场，也将面向消费级市场，依赖Arm架构的出色能效比，或许有一天我们可以实现小型设备上的大规模AI模型部署也说不定。

AI的浪潮里，科技企业不进则退，对于已经深陷漩涡之中的半导体企业来说更是如此，谁能抓住机遇跨入下一阶段，谁就能够在未来领导这个行业。