小米 1.22TB/s 与苹果 1.2TB/s，范围大不相同
小米 1.22TB/s 指的是 O100 芯片的近端内存带宽，而苹果 1.2TB/s 则是覆盖整个 512GB 统一内存的带宽。
AI与科技同一周亮相的小米 AI Cube 与新款 Mac Studio
8 月 24 日，小米在玄戒芯片技术说明会上公布了 3 款自研芯片，以及整合这三者的“AI Cube”迷你 PC 原型机。没过几天，苹果便推出了搭载 M5 Max 与 M5 Ultra 的新款 Mac Studio，以及搭载 M6 与 M5 Pro 的新款 Mac mini。预售于 8 月 27 日开启，正式发货为 9 月 22 日。
可以说是同一周内，摆在桌面上的两种“AI 盒子”一同问世了。而且两场发布会中出现了一个几乎一模一样的数字：小米是 1.22TB/s，苹果是 1.2TB/s。
然而，这两个数字适用的范围却大不相同。并且这两家公司还有一个更重要的共同点：**两者都只在内部完成芯片设计，制造和内存均由外部采购。**而在那份供应商名单中，正有韩国的内存企业。
两款产品的发布规格整理
首先来准确梳理一下发布会上的内容。因为各种数字交织在一起，有些地方很容易让人产生误解。
小米玄戒 O3 是一款面向旗舰智能手机的 SoC。采用 3 纳米制程，晶体管数量达 240 亿个，芯片面积 133mm²。10 核 CPU 最高主频达 4.35GHz，GPU 为 16 核，NPU 算力达到 200 TOPS。引人瞩目的是它在业内率先支持 LPDDR61。速率达 10,667Mbps，带宽达 113.8GB/s，比 LPDDR5X 9600 提升了 48%。
玄戒 O100 是一款大模型加速芯片。采用 6 纳米工艺与 3D 晶圆级叠层封装，拥有 28,672 条有效数据线，官方宣称近存计算2带宽最高可达 1.22TB/s。
玄戒 D100 是一款面向智能驾驶的芯片。采用 3 纳米工艺，配备 20 核 CPU 和 16 核 NPU，最高支持 160GB 内存。据悉量产时间为 2027 年。
AI Cube 则是将这三者打包在一起的“方盒子”。拥有 150W 的持续性能，最高 160GB 统一内存，可在本地运行 3B 到 120B 规模的模型。机身采用航空级铝合金，经 CNC 加工出 33,874 个冲孔，外观显然极具展示性质。它既没有公布价格，也没有公布发售日期，是一款工程原型机。
1.22TB/s与1.2TB/s，分别涵盖多大的范围
小米的1.22TB/s和160GB，是绝不能放在一起解读的两个数字。
1.22TB/s是O100的近内存带宽，而160GB则是D100所支持的内存容量。它们属于两颗完全不同的芯片，代表着彼此独立的指标。整场发布会中，从未出现过所谓的“以1.22TB/s读取160GB”这一系统规格。
苹果的1.2TB/s在性质上完全不同。它是作用于512GB统一内存整体的带宽。这是一个统一的芯片，一个统一的内存池。
| 最大内存 | 内存带宽 | 适用范围 | 价格 | 状态 | |
|---|---|---|---|---|---|
| 小米 AI Cube | 160GB（D100） | 1.22TB/s（O100） | 按芯片拆分 | 未公开 | 原型机 |
| Mac Studio M5 Ultra | 512GB | 1.2TB/s | 统一内存整体 | 949万韩元起 | 9/22发货 |
| Mac Studio M5 Max | 128GB | 614GB/s | 统一内存整体 | 429万韩元起 | 9/22发货 |
| Mac mini M5 Pro | 64GB | 307GB/s | 统一内存整体 | 299万韩元起 | 9/22发货 |
| Mac mini M6 | 32GB | 170GB/s | 统一内存整体 | 149.9万韩元起 | 9/22发货 |
| NVIDIA DGX Spark | 128GB | 273GB/s | 统一内存整体 | 3,999美元 | 销售中 |
把数据整理成表格，这次发布的真正含义便一目了然。在当下这个节点，能够将整个大模型完整加载进内存，并以1.2TB/s的速度读取其全部内容的，唯有苹果一家。
这就是异构芯片拼接架构所必须付出的代价。尽管将三颗性质各异的芯片连接在了一起，但各芯片的带宽与容量绝无法直接相加使用。由于芯片之间还需要进行数据搬运，因此绝不能将各芯片单项发布的峰值数据，直接视为整个系统的综合性能。
这并不是在评判苹果好而小米差。而是想说明，若仅仅从发布材料中挑出最抢眼的数字来进行对比，两者看似旗鼓相当，但实际上却是截然不同的两种产物。
制程与内存从何而来
现在该来看看两者的共同点了。
玄戒 O3 采用台积电 N3P 制程生产。小米负责设计，台积电负责代工。而内存在其中更有意思。O3 号称在业内首家支持的 LPDDR6，被外界普遍视作首批主力供应商的是 SK 海力士。该公司已于 3 月完成了 10 纳米级第六代（1c）制程开发，并计划在下半年量产出货。虽然公司并未公开客户名单，但业内普遍认为其首批供货将流向小米的新一代旗舰。三星电子也在 1 月发布了 1b 制程的 LPDDR6，加入了同一供货竞争。
其实苹果的情况也别无二致。苹果并没有自己的晶圆代工厂。M 系列全由台积电代工。虽然被称为统一内存，但其 DRAM 同样是向外部内存厂商采购。苹果真正掌控在自己手里的，只有芯片设计、系统集成，以及搭建于其上的软件。
归纳起来，两家公司的运作架构出奇一致：
- 设计：各自自研
- 制造：台积电
- 内存：外部 DRAM 厂商
也就是说，只负责自主设计、而制造和内存由外部采购的模式，并非小米一家独有，而是整个行业的标准战略。 苹果用了二十年时间证明了这一点，而小米如今也正在遵循同样的路径。
这正是小米与华为的分水岭所在。华为由于身处制裁名单，无法获取台积电的最先进制程，只能依赖中芯国际（SMIC）制程和自主采购的内存来打造昇腾。因此，华为的芯片既是技术自立的象征，也是制程受限的产物。而小米身在制裁线之外，可以直接采购最顶级的晶圆代工和最顶级的内存。小米之所以能推出比华为制程更先进的芯片，并非因为技术实力的差距，而是取决于是否属于制裁对象。
O100 采用 6 纳米搭配 3D 堆叠，背后的逻辑也是一样。HBM3 价格昂贵，且产能实际上全被数据中心 GPU 牢牢锁定，很难塞进个人设备里。因此，小米选择了一条折中路线：在晶圆级将计算芯片与内存直接堆叠在一起以缩短物理距离；而在无需最先进制程的领域，则退回使用落后一代的成熟工艺来控制成本。
专为自动驾驶设计的 D100 为何会进入桌面 AI 盒子
这次发布会中，我端详最久的就是 D100。
D100 是一颗智能驾驶芯片，却被放进了桌面 AI 盒子。乍看之下有些奇怪，但只要把需求一条条列出来，就会发现合情合理。车载 AI 芯片必须支持大容量内存，发热和功耗必须受控，还要能在全天候开启的状态下稳定运行。这与本地 LLM 盒子的需求几乎完全一致。
也就是说，小米并不是为了一个新品类专门造了一颗新芯片，而是为原本就针对汽车开发的芯片多开辟了一个用途。 这是把手机、汽车、家电以及 PC 统合进同一个芯片家族的蓝图。苹果当年是将 iPhone 上的 A 系列逐步壮大并迁移至 Mac，小米的路径只是方向不同，底层架构逻辑如出一辙。
客观地讲，AI Cube 目前还只是原型机。它没有公布价格，也没有确切的发售日；考虑到 D100 计划于 2027 年量产，这个盒子最快也要后年才能成为真正上市销售的商品。而另一边的 Mac Studio 下个月就能发货。AI Cube 最快也要后年，Mac Studio 则是下个月——这一发售节点上的时间差，正是当下两家公司之间客观存在的真实差距。
Oswarld视角
我并不赞同把这场发布会解读为“中国半导体崛起”。相反，这次发布会反而让一个事实变得更加清晰：最前沿的工艺和内存依然必须从外部采购。不过，苹果也同样如此。
我所关注的是，仅仅自主负责设计，也能开辟出一个全新的品类。在制定 GTM 策略的过程中，我反复看到的规律也是：开创新品类的往往不是发明零部件的公司，而是重新定义现有零部件组合方式的公司。
既然如此，小米的决胜点就不是性能，而是价格。苹果提供 512GB 统一内存和 1.2TB/s 带宽的产品，售价高达 949 万韩元起。小米要在这个市场拥有存在感，要么以一半的价格提供相近规格的产品，要么就拿下苹果根本不在意的大众低端市场。而这恰恰是小米在过去 15 年里最擅长的事情。
我自己也在本地运行 AI。我把 Mac Studio 作为常驻推理服务器，MacBook 作为客户端，现在确实已经能够将 Coding Agent 接入本地模型运行了。不过，若要说“没有任何限制”，我还是持谨慎态度。因为通常会在两个地方遇到瓶颈：如果上下文窗口设得较小，对话一长，前半部分就会在没有任何提示的情况下被截断；而在涉及多个文件的复杂推理中，重试的次数会明显增多。
因此，我的判断是，本地部署并非取代云端，而是工作负载会分流为两类。重复性高且敏感的任务会迁移到本地，而需要复杂高难度判断的任务则保留在云端。两家公司所瞄准的，正是迁移到本地的那部分市场，而在那里，决胜的关键大概率不是极致性能，而是内存容量与价格。
结语
用三句话做个总结：
- 小米的 1.22TB/s 与苹果的 1.2TB/s 适用范围完全不同。能把庞大的模型完整加载到内存中，并以该速度全盘读取的，目前只有苹果做得到。
- 两家公司都不是彻底自立，而是仅亲自负责设计，其余全部向外采购。在依赖台积电制程以及外部 DRAM 厂商内存这一点上，两者的架构如出一辙。小米能做华为做不到的事，不是因为技术，而是因为身处制裁线之外。
- 本地 AI 硬件并非全新的产品门类，而是作为现有芯片家族的衍生市场正在开启。对小米而言根基是自动驾驶芯片，对苹果而言则是 iPhone 芯片。
在阅读发布会公布的规格参数时，建议大家先理清每一项数值究竟属于哪颗芯片、适用于多大范围。面对打包发布不同性质芯片的发布会，仅仅做好这层区分，就能过滤掉相当一部分夸大其词的对比。
💬 有没有读者尝试过给本地模型挂载编程智能体（Coding Agent）来使用？哪些任务交给本地就足够胜任，从哪种程度开始不得不换回云端？欢迎在评论区分享您的经验，并附上所使用的模型名称。如果案例足够多，我会在下一期整理成一份“可以放心放到本地运行的任务清单”。
💬 欢迎在上方问题中留下您的经验。
📨 如果身边有同事正在纠结 Mac Studio 的配置选择，欢迎将本文转发给他们。
参考资料与延伸阅读
核心来源
- Apple Newsroom，《Apple 推出搭载 M5 Max 与 M5 Ultra 的全新 Mac Studio》，2026年8月。 链接 ··· 512GB、1.2TB/s、949 万韩元这一整套本文的对比基准线全都在这里。
- Apple Newsroom，《Apple 推出性能更强劲的全新 Mac mini，搭载全新 M6 与 M5 Pro》，2026年8月。 链接 ··· 可以确认本地 AI 入门区间的价格与带宽。M6 的 32GB、170GB/s 是现实中的下限。
- IT之家，《小米 AI Cube 原型机公布》，2026年8月24日。 链接 ··· 这是发布当天规格梳理得最细致的原文。如果想分别查看三颗芯片的具体数值，可以先从这里看起。
- Notebookcheck, “Xiaomi unveils AI Cube mini PC with three Xring chips and 150 W performance”, 2026. 链接 ··· D100 的 2027 年量产计划出处就在这里。
- HotHardware, “Xiaomi Taps TSMC For 3nm Xring O3 Chip With LPDDR6”, 2026. 链接 ··· 这是 N3P 工艺、240 亿个晶体管、133mm² 裸晶尺寸的出处，也是组装论点的核心依据。
- 先驱经济（Herald Economy），《[独家] SK海力士下半年量产 LPDDR6…小米首发供货》，2026年7月28日。 链接 ··· 可以确认韩国存储芯片在这幅版图中的位置，文中也一同提到了长鑫存储（CXMT）的市占率。
- 今日货币（Money Today），《神似 Fold 8 的小米手机将问世…“业界首发 LPDDR6”自研芯片孤注一掷》，2026年8月25日。 链接 ··· 韩国国内关于 O3 的报道中，这篇的数据最为准确。113.8GB/s 与提升 48% 的数据就是在这里确认的。
背景知识
- EXO Labs, “Combining NVIDIA DGX Spark + Apple Mac Studio for 4x Faster LLM Inference”. 链接 ··· 在确立类似 DGX Spark 128GB、273GB/s 这样的坐标参照时非常有用。能让人直观理解为什么带宽与容量会各自脱节。
- Ollama 及 Codex CLI 的本地模型接入指南 ··· 整理了将代码智能体接入本地模型的步骤，以及上下文被悄无声息截断这一问题的解决方案。
📝 术语说明
注释
-
LPDDR6：用于智能手机和笔记本电脑的下一代低功耗 DRAM 规格。与上一代 LPDDR5X 相比，它能用相同的电量搬运更多数据。由于 AI 模型的瓶颈往往出现在搬运数据而非单纯的计算上，因此在端侧 AI 场景下，这一规格升级会直接转化为肉眼可见的性能提升。 ↩
-
近存计算（Near-Memory Computing）：一种在物理上尽可能将计算芯片与存储器贴近放置，从而缩短数据往返距离的设计架构。这类似于把仓库直接建在工厂旁边。距离变短后，单位时间内就能搬运更多数据，同时耗电量也更低。 ↩
-
HBM（高带宽内存，High Bandwidth Memory）：通过垂直堆叠 DRAM 来大幅提升带宽的高性能内存。它主要应用于 AI 加速器，但由于造价高昂且产能受限，目前仍很难普及到个人设备中。 ↩