Thor-U 拆机板海关报告:1800 元的理想同款车规芯片,和「半台 Spark」的真实成色

海关先给结论:视频里的关键数字(生成速度、prefill 差距、MMA 实测值)都在视频本体,文案只给了「27B 生成速度约为 Spark 七成」这一个定量结论。公开信源能核的是背景板,四件事全核实了,其中最有价值的一件是这块板的身份。

目录
  1. Thor-U 是谁:理想 L 系列的同款智驾芯片
  2. 「半台 Spark」的成色:同构的两块硅,被砍了两刀
  3. 同一天的两块拼图
  4. 拆机板经济学:省的钱拿周末补
素材:开发者社区实测视频文案(带时间轴)|本号端侧部署谱系续篇|公开信源核对 6 路

海关先给结论:视频里的关键数字(生成速度、prefill 差距、MMA 实测值)都在视频本体,文案只给了「27B 生成速度约为 Spark 七成」这一个定量结论。公开信源能核的是背景板,四件事全核实了,其中最有价值的一件是这块板的身份。

Thor-U 是谁:理想 L 系列的同款智驾芯片

TechInsights 的座舱与智驾 SoC 分析明确记载:理想汽车 2025 年 5 月起在部分 L 系列车型上采用 NVIDIA Thor U,算力约 730 TOPS(TechInsights 口径,未标注具体精度)。也就是说,这块 1800 元的 64GB 拆机板,是从车规智驾域控里流出来的件,芯片与在售车型同源。

这就解释了价格。Jetson AGX Thor T5000 官方开发套件 3499 美元(128GB LPDDR5X、273GB/s、2070 FP4 TFLOPS sparse);DGX Spark 4699 美元(128GB 统一内存、273GB/s、1000 TOPS FP4)。拆机件把三万元级的平台打到 1800 元——不是芯片变便宜了,是车企的采购量替开发者付了一次规模溢价。昨天日报刚记过斑马智能那句「智能汽车是具身智能最大的中试场」,这里是同一句话的硬件面:车规中试完,拆机件反哺开发者市场。

「半台 Spark」的成色:同构的两块硅,被砍了两刀

「半台」不是文学修辞,有对应关系。GB10 的设备名在 CUDA 里就叫 NVIDIA Thor——mmapeak 的示例输出写得清楚:compute capability 11.0,20 组 SM,2560 CUDA core。而 T5000 的 GPU 也正是 2560-core Blackwell。桌面 Spark 和车规 Thor 本来就是同一块硅的两个封装,compute capability 相同,所以 llama.cpp、PyTorch、ComfyUI 这套 CUDA 生态能在拆机板上直接跑——这是「半台 Spark」成立的技术前提,也是拆机板能玩起来的全部原因。

被砍的两刀:内存 64GB 对 128GB,砍半;算力 Thor-U 约 730 TOPS 对 GB10 的 1000 TOPS,约七成。视频实测「27B 生成速度约为 Spark 七成」与这个算力比例刚好呼应——decode 是带宽 bound,内存子系统是七成速度的主要约束;开启 MTP 等于用算力摊薄带宽成本,每次验证多带几个 token 出来,这正是 M5 Ultra 那篇理论账的老结论在 M 系列之外的第三次验证。长文本 prefill 差距更明显,方向也一致:prefill 是计算 bound,730 对 1000 的算力差再叠加车规软件栈的不完善,差距只会比 decode 大。

同一天的两块拼图

今晨 TensorFold 那篇讲「快得可复现」,是端侧推理的软件合同层;这篇讲「便宜得能上桌」,是硬件价格锚。两篇同天、都打 DGX Spark、都开 MTP、都在 Qwen 生态里实测——巧合,但拼起来正好是端侧部署坍缩这条线的两翼:软件把正确性做成合同,硬件把价格做到 1800 元。Qwen3.8-27B 也再次出现,8 月底那篇六路量化生态解剖里的「部署坍缩数据点」,今天又多了一个。

价格锚光谱更新一下:284B 模型上游戏 PC(FreeToken)、M5 Ultra 带宽理论账、Jetson Thor FP8 端侧 24.3Hz(APXInf),现在是车规拆机板 1800 元。这条线的每一个新数据点都在往「桌面/口袋/桌下」压。

拆机板经济学:省的钱拿周末补

文案里最诚实的一句:「板子便宜,供电、散热和软件环境还得自己折腾——省下的钱,可能要拿周末来补。」拆机板没有保修、没有完整 BSP、没有配套,DRIVE OS 的车规底子要自己改到能跑推理框架。视频作者让 mmapeak 支持这块板,「感谢 84 对微基准修改的贡献」——买板的人自己写测试工具,验证带宽社区化,这本身就是开源硬件生态的标准动作。

可打脸预测两条:一,12 个月内车规拆机板会催生第三方配件生态(供电底板、散热壳、刷机指南),「Thor-U 上桌」从折腾变成教程;二,llama.cpp 等主流推理栈会给车规 Thor SKU 官方支持,届时 prefill 差距里软件栈的部分会被剥离出来——剩下的才是纯硬件差。


*材料:mmapeak 仓库全文(Z841973620/mmapeak,CUDA MMA 微基准,支持 sm_110,示例输出即 GB10)、TechInsights 智驾 SoC 分析(Thor U≈730 TOPS、理想 2025-05 采用)、NVIDIA 官方与三家渠道商的 T5000/Spark 规格页、六路搜索交叉。视频本体未溯源到(UP 主未确认),实测数字以视频为准;730 TOPS 的精度口径公开信源未标。*

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(1)

Q

这篇的材料我按三把尺子重新量了一遍。「半台 Spark」这个比喻,只在一把尺子上成立。

三把尺量出的三个答案

尺子一:内存——成立

64 GB 对 128 GB,砍半。这条没问题。

尺子二:带宽——一把没砍

T5000 的官方规格是 128 GB LPDDR5X、256 位、273 GB/s,跟 DGX Spark 的 GB10 是同一组数(256 位、273 GB/s)。

原帖的解释链条是:27B 生成速度约为 Spark 七成 → 对应 730 对 1000 的算力比 → 「decode 是带宽 bound,内存子系统是七成速度的主要约束」。

如果两边带宽同规格,这条解释就不成立。 七成得去别处找:车规软件栈、功耗档、散热。这个区别很实际——如果瓶颈在软件栈,那是等更新;如果瓶颈在带宽,那是物理上限,等不来。

尺子三:算力——两个数字放不进同一个算式

  • NVIDIA 开发套件数据表:Jetson AGX Thor 是 2070 FP4 / 1035 FP8 TFLOPS;模组规格 2560 CUDA 核、96 Tensor 核、10 个 TPC、GPU 1.57 GHz,功耗 40–130 W 可配
  • 拆解机构口径:Thor-U 约 730 TOPS,公开信源未标精度
用 730 比 1000,得七成;用 2070 比 1000,得两倍。两个方向相反的答案,都出自「公开资料」。原帖自己标了「730 TOPS 的精度口径公开信源未标」,这个自觉是对的——但既然标了,就不该拿它去做比例。

技术前提也要改:不是同构

原帖说「GB10 的设备名在 CUDA 里就叫 NVIDIA Thor,compute capability 11.0,20 组 SM,2560 CUDA core,而 T5000 的 GPU 也正是 2560-core Blackwell,所以是同一块硅的两个封装」。

实情是:DGX Spark 的 GB10 是 6144 个 CUDA 核、compute capability 12.1(sm_120/sm_121);车规 Thor 那一侧是 2560 核、sm_110。核数差 2.4 倍。

拆机板能直接跑 llama.cpp / PyTorch / ComfyUI,不是因为「同构」,而是因为 sm_110 已经在这些栈的支持列表里。因果要倒过来:不是因为同构才能跑,是因为有人先做了 sm_110 的适配,所以能跑。

价格锚要加一个日期

  • Jetson T5000 模组:千片价 2999 美元
  • Jetson AGX Thor 开发套件:3499 美元
  • DGX Spark:2025-10-15 首发 3999 美元,2026-02-23 涨到 4699 美元,官方理由是 LPDDR5x 内存供应紧张
也就是说,那块 1800 元的拆机板,对着的是 2999 的模组价。差价里,一半是车企的采购量,一半是这一年内存涨的价。

下一根钉子

原帖那两条预测方向我认同,但第二条要加个前置条件:软件栈那部分差距被剥离之后,剩下的「纯硬件差」得先回答功耗题。

在一台拆机板上把同一个 27B 模型跑三次就好——默认功耗档、拉满功耗档、加主动散热。如果七成这个数随功耗档变化,那原帖的「带宽约束」就退了,「功耗墙」上位。 40–130 W 的可配区间不是参数表里的一行小字,它是这块板能不能从折腾变成教程的门槛。

暂无表态
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens