联想Yoga Pro 9N：128GB统一内存+RTX Spark的本地AI工作站

联想推出的新一代Yoga旗舰笔记本把配置推向了一个新高度——最高128GB内存，并且这块内存可以与NVIDIA GPU共享使用。这台名为Yoga Pro 9N的机器搭载了RTX Spark平台，组合了最高20核心的CPU与Blackwell架构的RTX显卡，性能据称可以对标桌面级的RTX 5070。对AI本地运行场景而言，这种设计的意义远不止纸面参数那么简单。

统一内存：把Mac的思路搬到NVIDIA平台

真正值得关注的，是这套系统采用的统一内存架构。它的工作方式类似于苹果M系列芯片上RAM与GPU共享内存池的做法。对于游戏笔记本来说，显存通常是独立且容量有限的，这直接限制了能在本地加载的AI模型规模。

而最高128GB共享内存意味着，用户可以在本地跑起体量更大的AI模型，同时还能应对高负载的视频剪辑和3D创作。换句话说，这块超大内存池让笔记本从单纯的游戏设备，转变为可以胜任本地大模型推理的创作工作站。这也是联想这次主打的卖点——一台便携的AI与创意工作站，顺带还能打游戏。

统一内存架构（Unified Memory Architecture，UMA）的核心思想是让CPU与GPU共享同一块物理内存，消除两者之间的数据拷贝开销。在传统PC架构中，GPU拥有独立的显存（VRAM），当AI模型需要在CPU与GPU之间传递数据时，必须经历显存↔系统内存的搬运过程，这既耗时又占用带宽。苹果M系列芯片将这一架构发挥到极致，其"统一内存"允许神经网络推理框架（如MLX）直接让CPU和GPU操作同一份数据，不产生拷贝。NVIDIA在这台机器上实现的共享内存池，原理上类似，但底层实现方式不同：它依赖于现代操作系统的内存管理与PCIe/显存虚拟化技术，让GPU可以寻址更大范围的系统内存。需要注意的是，共享系统内存的带宽通常低于专用GDDR显存，因此在实际AI推理中，128GB的容量优势能否弥补带宽上的差距，是评估这套方案性能时的关键变量。

两款机型：Pro 与 2-in-1 的分工

这次联想一口气推出了两款机型，定位略有差异。

Yoga Pro 9N：常规旗舰形态

Pro版本是标准的笔记本形态，重量约1.65kg，配备15.3英寸165Hz OLED屏幕。存储方面提供两个SSD插槽，最高可配置到4TB。这台机器把重心放在性能堆料上，128GB内存+4TB存储的顶配版本是它的最高规格。

Yoga 9N 2-in-1：更灵活的变形本

另一款是Yoga 9N 2-in-1，从视频作者的评价来看，这款反而更受青睐。它的内存上限降到了64GB，但换来了更大的16英寸120Hz OLED屏幕，并且支持帐篷模式，甚至可以完全翻折成平板使用。此外，这款2-in-1还搭载了更大容量的电池。

两款机型的取舍很清晰：追求极致本地AI性能和存储扩展的选Pro，更看重屏幕尺寸、形态灵活性和续航的选2-in-1。

悬而未决的价格与真实表现

联想目前尚未公布具体售价。考虑到128GB内存加4TB存储的顶配组合，这台机器的最终价格注定不会便宜，顶配版本的定价很可能相当惊人。

除了价格，真实使用中的表现同样是未知数。桌面级RTX 5070的性能能否在笔记本的散热和功耗约束下稳定释放，大内存与高性能组件对续航的影响有多大，这些都需要实际上手后才能验证。统一内存架构虽然在理论上很有吸引力，但NVIDIA平台上的软件生态与苹果M系列并不完全相同，本地AI模型的实际运行效率仍待观察。

这类产品释放了什么信号

抛开具体机型，联想这次的配置方向本身传递出一个明确趋势：本地AI能力正在成为高端笔记本的核心竞争力之一。随着越来越多用户希望在本地运行大模型而非依赖云端，显存/内存容量这个过去主要被游戏和专业创作关心的指标，开始承载AI推理的新需求。

统一内存架构的引入，正是厂商为了打破传统显存容量天花板所做的尝试。联想把游戏性能、创意生产力和形态灵活性整合进同一产品线，意图很明显——面向那些既要生产力、又要娱乐、还要本地AI能力的复合型用户。至于这套方案是否值得为之买单，还得等价格落地和真实评测揭晓。

本地大模型推理对内存容量的需求，可以用一个简单框架来理解：一个参数量为N的模型，以FP16精度加载大约需要2N字节的显存。以目前主流的开源模型Llama 3 70B为例，FP16精度下需要约140GB，量化到4-bit后仍需约35GB。这意味着传统游戏本8-16GB的独立显存完全无法胜任，即便是专业卡也面临瓶颈。128GB的共享内存池从容量角度确实能覆盖大多数当前主流开源模型（包括量化版的千亿参数模型），这是它对本地AI用户最直接的价值所在。随着模型参数量持续增长，内存容量这一指标在消费级硬件的产品竞争中将愈发重要。