去年一个做AI应用开发的团队找到我，说他们买了一台配置不错的迷你主机跑模型，结果用了两个月就不够用了——不是CPU不够快，是内存满了。当初买的时候觉得“16GB应该够了吧”，结果模型一加载、上下文一长、多个任务一并发，内存直接爆了。最尴尬的是，这台机器的内存是板载的，换不了、加不了，只能整台换掉。
这个问题不是个例。开发者的工作负载和普通办公完全不同——你永远不知道下周要跑多大的模型、要加载多长的上下文、要同时开几个实验。内存容量和扩展性，在开发者场景里，优先级不亚于算力。
从开发者实际工作负载出发，把AI PC选购中的内存相关问题拆开讲清楚。
普通用户跑AI，一次只跑一个模型，上下文长度有限。开发者的工作负载完全不同。
日常开发中，你同时加载多个模型做对比测试，每个7B模型占4-6GB，三个同时跑就需要15-20GB。长上下文场景里，上下文达到32K时，KV Cache可能额外吃掉5-10GB。还有调试过程中捕获的中间张量数据、运行数据集、后台工具链——这些加起来，16GB在开发者手里经常处于“黄色警戒”状态。
普通用户遇到内存不足，可以关掉几个应用。开发者遇到内存不足，意味着当前实验跑不下去，需要删模型、清缓存、甚至重启机器。一次内存不足导致的中断，可能打断一整段工作流。
场景一：7B模型单任务推理 + 日常开发。 运行7B INT4模型约需4-6GB内存，上下文8K时KV Cache约2-3GB，加上开发工具、浏览器、代码编辑器。16GB勉强可用，但多开几个标签页就会接近满载。32GB是从容起步的配置，能满足日常开发和推理任务的需求，不会因为内存不足而频繁中断工作流。
场景二：7B/13B模型多任务并发或长上下文。 同时运行两个7B模型或上下文扩展到32K以上，加上代码调试和模型对比测试。16GB很容易爆，32GB能应付大多数情况，但多个实验并行时可能触及上限。64GB是更稳妥的选项，可以支撑多个模型实例或较大规模的调优任务。
场景三：13B/35B模型微调或大规模实验。 35B模型INT4约占用18-22GB内存，配合32K上下文（KV Cache约15-20GB），单模型就可能吃掉40GB以上。加上训练/微调框架的开销和多任务环境。64GB是底线，128GB能让工作流顺畅，256GB能满足未来需求。
1. 板载内存 vs SO-DIMM插槽。 这是选购时最容易忽视的区别。板载内存直接焊在主板上，出厂多大就是多大，后期无法升级。SO-DIMM插槽则允许用户自行更换或增加内存条。开发者优先选择带SO-DIMM插槽的机型，除非预算充足直接买顶配板载方案。华一精品PB13采用16GB LPDDR5x板载内存，定位中端AI部署，适合明确只需16GB且预算有限的用户。但如果你预期未来模型需求会增长，带插槽的型号能避免整机更换的成本。
2. 最大支持容量。 即使有插槽，主板的BIOS和芯片组也限制了最大支持内存。选型时确认参数——部分迷你主机最大只支持32GB，这在大模型开发生态里很快会不够用。64GB是2026年开发者AI PC的及格线，128GB是安心线。
3. 内存通道与带宽。 扩展性不只看容量，还看通道数和带宽。双通道（2×SO-DIMM）比单通道带宽翻倍，对内存密集型的AI推理影响显著。部分高端机型支持四通道，带宽更高。选型时优先考虑至少支持双通道且配备LPDDR5或DDR5内存的型号，低频DDR4会成为AI推理的瓶颈。
4. 与NPU/GPU的协同。 集成显卡和NPU共享系统内存作为显存。内存带宽不足时，NPU算力再高也发挥不出来。所以内存扩展性不只是“能装多少”，还包含“能以多快速度传输数据”。
避坑一：不要被“够用”迷惑。 今天够用的配置，一年后可能不够。模型参数量在增长，上下文窗口在扩大，应用场景在增多。选型时留出至少50%的余量。
避坑二：确认内存是否可更换。 部分轻薄型AI迷你主机为了追求体积，采用全板载内存设计。购买前务必确认内存类型和扩展方式，避免后期无法升级。
避坑三：内存频率和时序同样重要。 同样是DDR5，4800MHz和5600MHz的带宽差距明显。选型时优先考虑高频内存方案。
入门级开发者（7B模型测试、轻量推理）
推荐配置：32GB（16GB×2）可扩展内存，支持后续升级到64GB。华一PB1202（16GB LPDDR5）可满足轻量级7B推理和日常开发，适合预算有限但需要AI开发环境的入门场景，后期如需更大内存可考虑升级型号。
进阶开发者（7B/13B多任务、长上下文）
推荐配置：64GB（32GB×2）或更高，支持128GB扩展。如果机身足够放下四插槽方案，优先选择，方便后续升级。
专业AI研究员（35B以上模型、大规模实验）
推荐配置：128GB起步，256GB更优。优先选择支持四通道内存的工作站或大体积迷你主机。华一PB15支持128GB LPDDR5x板载内存，内存带宽充足，适合大模型推理和AI研究工作负载。
开发者的AI PC选购，内存扩展性比峰值算力更需要优先考虑。算力不够可以换模型、换量化方式，但内存不够意味着某些实验根本跑不了。优先选择带SO-DIMM插槽、支持64GB以上容量、配备高频内存的机型。板载内存方案只适合配置明确且未来两年需求不会增长的场景。确认当前需求、预判增长空间、选择可扩展的方案——这比追求“一步到位”更实际。
如果你有AI PC选型或定制需求，欢迎联系华一精品，我们提供从入门级到旗舰级的完整AI算力硬件方案，支持按需配置内存容量和扩展方案。
