找回密码
立即注册
搜索
热搜: Java Python Linux Go
发回帖 发新帖

1352

积分

0

好友

189

主题
发表于 6 天前 | 查看: 22| 回复: 0

希未 AideaStation R1 主机

AideaStation R1产品概述

作为希未在2025年推出的迷你AI算力中心,AideaStation R1在仅4L的体积内实现了桌面级AI超算性能。该设备搭载AMD锐龙AI Max+ 395处理器,支持高达96GB动态分配显存,集成性能媲美RTX 4060的Radeon 8060S核显,并配备50 TOPS算力的NPU,旨在流畅运行本地大模型,兼顾专业生产力与紧凑设计。

产品包装盒

开箱与外观设计

产品包装采用纯黑设计,正面印有“SEAVIV AideaStation R1”型号标识。

包装侧面参数
包装侧面标注了设备参数。本次评测的顶配版搭载AMD AI Max+ 395处理器,配备128GB内存与2TB固态硬盘。

包装内部信封
开箱后首先看到的是一封黑色信封,提升了开箱仪式感。

NFC VIP卡
信封内附赠一张NFC卡片,用于VIP身份认证,可解锁后续线下活动权益。

用户手册
随附的用户手册清晰介绍了设备接口用途,并说明了进入BIOS与切换引导盘的方法。

配件盒
包装下层为独立的配件盒。

电源线
配件包含一根常规电源线。

HDMI线
以及一条带屏蔽磁环的HDMI线,抗干扰能力优于普通线材。

主机本体
主机本体被牢固地固定在包装中央。哑光灰金属外壳配合边缘的亮面切边倒角,增添了层次感。

正面接口
正面接口排列整齐,从左至右依次为:电源键、性能模式键、SD卡槽、Type-C(USB4)接口、两个USB 3.2接口、3.5mm音频插孔。

侧面散热孔
侧面设计有大量散热开孔,结合HyperCryo散热架构与双CPU风扇,可有效导出内部热量,保障高负载任务长时间稳定运行。

尺寸对比
设备体积仅为4L(247.5×188.4×96.5mm),裸机重量约3kg,便携性出色。

背面接口
背面接口丰富,包括:两个USB 2.0接口、HDMI 2.1接口、DP 1.4接口、Type-C(USB4/DP1.4)接口、USB 3.2接口、2.5G RJ45网口、二合一音频接口及电源接口。

多屏支持
设备支持“4K·4屏·4显”输出,多任务处理效率显著提升。

内部电源与散热
设备内置350W Flex电源,配合140W散热设计,确保AMD AI Max+ 395处理器性能充分释放。

底部脚垫
底部四周配有防滑脚垫,既垫高机身利于底部散热,也能保证放置稳固。

AMD处理器贴纸
机身上的金色贴纸明确标识了其搭载AMD RYZEN AI MAX+处理器。

性能测试

硬件配置概览

设备预装Windows 11系统,开机即可使用。

系统信息
系统信息中,最突出的是64GB显存(可调整)与AMD锐龙AI Max+ 395处理器。

网络信息
网络方面,支持2.5G有线网口、Wi-Fi 7无线网络与蓝牙5.4。

处理器信息
AMD锐龙AI MAX+ 395处理器拥有16核32线程,应对多任务与模型推理游刃有余。

内存与显存
128GB大内存可动态分配最多96GB作为显存,为本地大模型部署提供了充足资源,足以流畅运行700亿参数模型。

NPU信息
集成的NPU基于AMD XDNA架构,支持FP16精度计算,擅长高效运行本地轻量模型。

GPU信息
集成的Radeon 8060S核显性能对标RTX 4060独显,且可分配显存远超后者,有效避免AI运算中的显存瓶颈。

基准跑分与散热

CPU-Z测试显示,处理器单核得分761.0,多核得分15065.4。

CPU-Z跑分
在室温19.6℃环境下,进行FPU+GPU双烤压力测试10分钟,CPU温度稳定在78℃左右,风扇噪音控制良好。

双烤温度
热成像显示热量集中于出风口,外壳仅温热,散热效率高。

功耗监测
功耗情况:待机约31W,双烤时约236W。

鲁大师跑分
鲁大师跑分表现亮眼,其中核显分数超越许多独显,印证了其作为AI算力中心的潜力。

本地AI应用实测

SEAVIV AI 助手

系统内置的“希未同学”AI助手易于上手,提供本地与云端模型选择。

AI助手界面
云端可免费调用DeepSeek-V3、R1等模型,响应迅速。

模型测试
本地运行QwQ-32B模型,问答几乎秒回。

复杂问题解答
DeepSeek-R1-32B模型能处理复杂数学问题。

技能中心
内置多种技能(如思维导图生成、文档总结、联网搜索、知识库构建),提升工作效率。知识库功能特别适合企业本地化部署,保障数据安全。

应用商店
内置应用商店聚合了多种模型服务。

Ollama 大模型部署测试

Ollama现已提供图形界面,操作更直观。

Ollama界面
测试了从Qwen3-32B到GPT-OSS-120B等多种大语言模型,大部分能正常调用核显进行推理。具体数据如下:

模型名称 参数类型 显存需求(GB) 推理速度(t/s) 运行状态
qwen3:32b dense 23.5 9.63 ✅ 正常
deepseek-r1:70b dense 46.0 4.52 ✅ 正常
qwen3:30b-a3b MoE 20.4 61.12 ✅ 正常
qwen3:235b-a22b MoE 64.7 1.50 ⚠ 有问题
gpt-oss:20b MoE 14.8 47.56 ✅ 正常
gpt-oss:120b MoE 63.0 34.32 ✅ 正常

Qwen3-32B运行
Qwen3-32B模型运行情况

LM Studio 测试

LM Studio提供了更友好的图形界面,方便模型管理与对话。

LM Studio界面
测试中,选择ROCm作为运行环境。同样测试了多个模型,结果如下:

模型名称 参数类型 显存需求(GB) 推理速度(t/s) 运行状态
qwen3:32b dense 19.0 65.86 ✅ 正常
deepseek-r1-70b dense 38.3 5.35 ✅ 正常
qwen3-30b-a3b MoE 15.7 65.86 ✅ 正常
qwen3-next-80b-a3b MoE 47.1 14.58 ✅ 正常
qwen3:235b-a22b MoE 63.9 5.51 ⚠ 有问题
gpt-oss-20b MoE 13.7 61.54 ✅ 正常
gpt-oss-120b MoE 61.7 44.61 ✅ 正常
Amuse (AI绘画与视频生成)

Amuse针对AMD硬件优化,支持文生图、图生图、视频生成。

Amuse界面
测试了从SD1.5到SD3.5多个规模的图像生成模型。SD3-Medium及以上模型生成质量更稳定,SD3.5-Large模型单图生成时间约70秒。
SD3生成示例
Stable Diffusion 3 Medium 生成示例

视频生成功能测试中,生成一段数秒的视频约需28秒。

绘世启动器 (SD WebUI)

使用针对AMD优化的绘世启动器版本进行测试。

绘世启动器
在高级设置中可正常识别Radeon 8060S核显。测试了多款常用模型,生成速度与质量均表现正常。
生成示例1
模型生成示例 (12.7秒)

游戏性能测试

利用性能对标RTX 4060的Radeon 8060S核显,测试了两款游戏。

《绝地求生 (PUBG)》

在1080P分辨率下将所有画质设置调至“超高”。

  • 跳伞场景:CPU占用22%,GPU占用40%,帧率71 FPS。
  • 地面跑图:CPU占用20%,GPU占用68%,帧率140 FPS。
  • 游戏过程中帧率稳定,无明显卡顿。
《绝区零》

在1080P分辨率下,将渲染精度、阴影、特效等调至高档。

  • 日常跑图场景:CPU占用12-14%,GPU占用32-37%,帧率稳定在75 FPS。
  • 战斗场景:帧率基本维持75 FPS,偶有降至60 FPS,整体流畅。

进阶设置与系统兼容性

BIOS设置96GB显存

默认GPU显存为64GB。开机按F2进入BIOS,在Advanced -> GFX Configuration中,将UMA Frame Buffer Size设置为UMA_SPECIFIED,并在下方调整至96GB。保存重启后,任务管理器显示专用GPU内存为96GB。
BIOS设置
BIOS中调整显存分配

注意:设置为96GB显存后,部分AI应用(如Ollama、LM Studio)可能出现兼容性问题,运行70B及以下参数模型已足够流畅。

NAS系统兼容性测试

尝试安装UNRAID与FnOS系统测试硬件兼容性。

  • UNRAID:可识别M.2固态、2.5G网卡,但核显、无线网卡、处理器传感器无法正常识别或驱动。
  • FnOS:可识别处理器、内存、GPU型号,但GPU硬件解码、无线网卡、传感器信息同样无法正常工作。播放4K视频转码时依靠CPU软件解码,缓冲时间较长但播放尚算流畅。

总结

希未AideaStation R1成功将强大的AMD AI Max+ 395处理器、高性能核显、大内存与NPU整合进4L迷你机身,实现了“桌面AI超算”的构想。其在本地大模型部署、AI绘画、游戏娱乐等方面表现均衡,接口扩展能力与散热静音控制出色。

该设备非常适合需要强大本地AI算力的开发者、内容创作者、研究团队及中小企业,在保障数据隐私与低延迟的同时,提供可靠的性能支持。作为生产力工具,其投入对于提升效率具有显著价值。




上一篇:OpenAI流处理平台下篇:Flink与Kafka集成、业务用例与高可用架构实践
下一篇:Meta战略转向解析:AI眼镜如何取代VR头显,引领可穿戴设备新方向
您需要登录后才可以回帖 登录 | 立即注册

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2025-12-24 18:59 , Processed in 0.419682 second(s), 39 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2025 云栈社区.

快速回复 返回顶部 返回列表