[已过期]折扣升级：XPS 8960 台式机 (i7-13700, 4090, 16GB, 512GB)

:人民币的话估计抢不到，美刀的话这个价格可以上4070s了

:有什麽問題嗎用起來

回复 @匿名用户:放桌面上有那种耳鸣似的声音，有点吵，我在想是只有它这样还是都这样

回复 @小糊涂仔:你如果是个人用户，希望在ai 浪潮里有所收获。等等6月份的m4 Mac studio. 单纯的游戏用户，x86 +显卡还是唯一方案。 我个人不会再用x86 jl加显卡的方案作为主力了，未来一定是和ai 挂钩的，x86这边整体都是大力出奇迹应该是到头了。先进封装已经代替先进制程成为目前性能提升功耗不爆炸的主要手段了，这里苹果领先x86 一个身段。 搜索x86 need to die 之类的关键词，很多人都在谈x86

:我也是刚来的看着楼下有个测评链接啊，不知道要不要等这个

:你这果式比法味儿可太浓了，100g vram 都来了，你还可以再多塞点蛤……性能=显存新神论学习了，建议选择gt610 4TB疯牛病版…… 显存就大模型训练用的多，比性能不看int8 fp16量化看显存，那AMD在2017就有自带2TB显存的Radeon Pro SSG了，NV、AMD和微软现在也有DirectStorage API来GPU直连SSD…… 显存谁都会塞你要不和专业卡比比？你知道H100和4090差在哪么？你吹上天的m2ultra的fp32才27T（考虑双发射是54T），fp16了不起翻倍，int8够呛，你猜4090多少？FP32 83T，FP16 330T，INT8 1321T，还有啥比的意义？即便是显存不够大模型训练，4090做推理一样强，还有CUDA加速各类ISV专业软件和adobe达芬奇全家桶，可别忘了这是游戏卡，游戏上m2ultra直接差一个量级，车尾灯都看不到……

:显存大＝干翻......

回复 @匿名用户:PyTorch uses the new Metal Performance Shaders (MPS) backend for GPU training acceleration. This MPS backend extends the PyTorch framework, providing scripts and capabilities to set up and run operations on Mac. The MPS framework optimizes compute performance with kernels that are fine-tuned for the unique characteristics of each Metal GPU family.

回复 @大可不必:“兼容”跟“生产力”是两码事，“根本就不用”这口气可真大，ROCM都不敢这么说，生产力大神连这个都不知道还在这生产力呢

:机器学习用M2 Ultra，这就是皇帝的金锄头吗，笑死了。“英伟达的消费级显卡真的只能玩游戏，显存太小了”，原话哦，看来大神眼中的生产力=大模型推理，看来大神才是最爱买玩具的

回复 @justaname:你反驳的话也要拿出证据，讲圈话是不是有点太无聊了？

回复 @大可不必:你跑大模型干嘛，当玩具还是当生产力？哪个公司训练大模型用Apple的，速度比内存快不了多少的M3 Ultra是吧？在本地捣鼓人家训练好的大模型，性能比不上ChatGPT一根毛，这就是你所谓的生产力吗？深度学习那么多模型，除了大模型和大型diffusion model之外，公司拿4090跑训练的一大堆，拿4090跑3D渲染跑CAD加速的也一大堆，有哪家公司专门买M2U跑训练的？你到底是在说生产力还是在说“我这个玩具能跑本地大模型推理哦，你们的不行”。生产力=大模型推理，本年度最好笑笑话了

回复 @大可不必:现在想起来GitHub项目了？开源的Deep Learning项目95%以上都能用4090跑，除了大模型有哪个领域有人用M芯片跑的？自己说的4090不具备生产力，一开始说的大模型生产力？还是说你对生产力以及AI的了解就只认识大模型？你要是直接说4090跑不了大模型谁会来理你，4090做不了生产力这种说法确实搞笑到让人忍不住嘲讽罢了

:有哇，刚看的，折扣价格也有的

:真难伺候，一张4090就多少钱了？也不看看价格，嫌这嫌那，建议买张白猛禽自己组。

回复 @xxjhlyn:我也不买品牌机。但是这个价格1800刀的4090，其他全部一起打包才500刀。你说闷罐，换个100刀的先马海景带风扇不就完事了？

:水 125W

回复 @阿桶木:你能等就有必要，不能就没有，电子产品本质快销品

回复 @会喝水的鱼:不知道有必要等5090吗