希望在本地部署推理生成式AI大模型的人，应该都知道，显卡算力不是最重要的，显存才是。显存容量决定了模型能否推理起来更大参数的模型，决定了本地推理模型的智力水平，也决定了本地部署方案的能力创新空间。
截止到2026年初，主流游戏显卡显存仅为8G，但凡想要16、24G或者32G显存，或者使用大显存的专业显卡，都需要花上几倍甚至十多倍的成本。为了控制成本，有些朋友不得不冒着风险选择几年前的二手旧旗舰显卡。
或许是看到了这一痛点，英特尔带着一张有24G显存，售价5000多人民币的锐炫Pro B60专业显卡杀入市场，今天将开始在蓝戟、铭瑄渠道上市，结结实实的成了显存价格屠夫，为那些想以更低成本在本地部署推理模型的人（企业）带来了极具诱惑力的选择。
英特尔锐炫Pro B60用4万块就能提供192G的显存容量
当你的数据不能交出去，要满足数据主权、合规以及隐私要求；当你模型调用量会持续增长，害怕账单失控；当你基于模型运行稳定的业务，无法接受模型本身的变化时，你就需要本地部署大模型了。
首先，需要在DeepSeek、Qwen（通义千问）、Llama或者Mistral这样的大模型中做出选择，同时，要根据需求选择模型的参数大小。接下来，就需要配置硬件，在单机单卡、单机多卡，或者集群方案中做出选择。
集群方案投入大，技术架构复杂，只适合大型企业，对于更多个人用户以及众多中小企业而言，单机多卡的配置更常见。英特尔的Arc Pro B60就瞄准了这一市场——单台工作站插入1到8张B60显卡，约4万多人民币即可获得192GB的宝贵显存。
要知道，4万都不够买一块RTX PRO 5000（72G）的。如果要用英伟达显卡堆出192G显存，需要8块RTX PRO 4000（24G），大概花费10万，如果用8块RTX 5090（32G），也需要16万多，对比之下，英特尔简直是价格屠夫。
细心的朋友肯定注意到了单台工作站8张卡的说法，常见的工作站很难凑够8个PCIe x16插槽，如何放得下8张x16的显卡呢？
确实，常规的显卡都是一张显卡上只有一块显卡芯片，会占用一个PCIe x16的插槽。然而，Arc Pro B60采用的是PCIe x8的配置，铭瑄利用这一特性推出的双芯片版本，在一块PCB板上放有两个B60芯片和48G显存。
这样一来，一台台式机工作站中，仅占用4个PCIe x16的插槽就能放8块B60核心和192G显存了。相较于常规的8卡方案，这种方案节省了插槽和机箱空间。当然，用户选择单张显卡单颗芯片时，则可以按照PCIe数量来灵活配置B60的数量。
这就是英特尔推出的代号为Project Battlematrix的AI推理工作站解决方案，搭配英特尔至强工作站处理器和英特尔Arc Pro B60显卡，同时还有配套的Linux软件栈，不用担心软件兼容性问题，能以极低的成本，让企业和个人在本地安全地跑大模型。
锐炫Pro B60的大显存，能带来什么神奇效果？
肯定会有人好奇这种堆显卡方案的性能表现。我看到一张英特尔官方公布的性能测试图，图中是1，2，4张Arc Pro B60在推理Llama-3.1-8B-Instruct FP16模型时的性能。横轴表示并发数，纵轴表示每秒Token数，也就是性能参数。
并发少，低负载时，2卡和4卡性能跟单卡没什么区别。而当并发数越来越高，达到100时，4卡方案的性能达到了1595，而单卡方案则是396，几乎刚好是4倍。这说明Arc Pro B60多卡并行效率非常高，说明堆显卡确实可以提高处理能力。
单机4卡方案提供每秒1595的Token数，对于一家有几十上百位员工的企业来说，已经完全够用了。这里没有看到单机8卡方案的性能跑分数据，如果有相关的测试数据，相信会有更强的性能表现。
本地推理，显存为王，有了大显存，就可以干一些以前做不到的事情，比如推理120B参数的gpt-oss-120B。尽管该模型采用了MXFP4格式，能显著减少显存的占用，但实际上也需要至少66GB的显存容量。
用户可以用单张80G显存的卡，也可以通过Tensor Parallel（张量并行）的方式把它分布到四张B60上，4块显卡同时计算同一个任务的不同部分，最后汇总四张卡的计算结果，完成输出。
测试结果显示，低负载时候，每秒Token随并发增长而快速增长，并发在60-70时，性能达到了1000 Token/s，此时性能达到巅峰。
这说明，仅需四张英特尔Arc Pro B60，显卡成本大约2万人民币，就完成了原本需要一张售价约为20多万的H100（80G），或者一张售价6万多的RTX PRO 6000（96G）才能做到的事情。
另外一张图也非常有意思，展示了2/4张B60和2/4张RTX Pro 2000（16G）在推理Llama-3.1-8B-Instruct FP8时的性能表现。我们可以清楚的看到，2块英特尔Arc Pro B60的性能也稳稳超越了4张英伟达RTX PRO 2000的表现。
有人说B60是24G显存，RTX PRO 2000是16G显存，两者显存都不一样，对比不公平。上图测试中能看到，2张B60显存总容量是48G，4张RTX PRO 2000显存容量是64G，英特尔方案的显存其实更少，但实际性能更强。
之所以英特尔官方拿这两个卡做对比，可能是因为这两个卡的售价在一个水平。我们再做一个公平的对比：上图中，B60扩展到4卡后，性能还会随并发继续增长，而英伟达的4卡在80并发后，性能增长就变得非常缓慢，英特尔方案的扩展性有优势。
以上，就是英特尔Arc Pro B60的一些性能跑分数据，更低的成本，更大的显存，不俗的性能，还有方案架构上的扩展性。可以说，英特尔是准备用离奇的性价比，在本地中小企业推理场景中杀出一道口子。
英特尔锐炫Pro B60的简要介绍
说了这么多关于性能和性价比的描述，接下来认识一下英特尔Arc Pro B60。英特尔于2022年推出Arc独立显卡，既有游戏显卡，也有专业级显卡，这里的Arc Pro B60是一款专业级显卡，不适合用来玩游戏，适合AI推理和图形渲染。
Arc Pro B60是基于Battlemage（Xe2）架构的第二代产品，B60的B就取自架构名字。第一代产品架构叫Alchemist，所有产品命名都以A开头，对应的产品就是A60，A60显存是12G，而B60直接容量翻倍，带宽也翻倍，显存部分的提升最引人瞩目。
以上是Arc Pro B60的主要参数，为了便于大家对比和理解，这里简单介绍一下主要的信息：
上图中的Xe-core的概念对应的是英伟达的SM，就是基本的计算单元。此外，Xe Vector Engines（XVE）向量引擎的概念对应英伟达的Cuda核心，XMX Matrix Engines对应英伟达的Tensor核心，Ray Tracing Units对应英伟达的RT核心。
Arc Pro B系列采用了第二代的Xe-core，与上代相比，每个核心性能提升70%，能效提升了大约50%。全新升级的光追单元，将吞吐能力最高提升了2倍。第二代XMX AI引擎能帮助本地设备实现更强的本地推理性能。
具体到Arc Pro B60，它有20个Xe-core计算单元，每个Xe-core有8个Xe Vector Engines（XVE）向量引擎，每个Xe Vector Engines（XVE）向量引擎都配备有一个XMX AI引擎，一共有160个XMX AI引擎，具有197 TOPSAI算力。
XMX AI引擎对于AI场景的性能表现影响比较大，每个引擎的计算能力在每个时钟周期可完成2048次FP16运算，或4096次INT8运算。除了支持FP16和IN8，XMX还支持其他常见的AI数据格式，比如TF32、BF16、INT4和INT2。
XMX AI引擎是专门为AI推理设计的计算单元，用它跑INT8的高效推理，比用传统的乘加运算（MAC）方式最高能提高到16倍，所以，像XeSS 2（面向实时图形的AI推理负载）这类AI功能才能又快又省电。
结束语
德勤预测，到2026年，推理将占所有人工智能计算能力的2/3。换言之，推理会越来越多，推理上的相关投入也会越来越多，如果有一些新的技术方案，能以更低的成本实现打造可灵活部署的推理方案，也是非常有意义的。
英特尔的Arc Pro B60虽然不追求极限算力性能，但24GB的显存、良好的多卡扩展能力，以及极具冲击力的价格，对于中小企业以及部分专业用户在本地做推理，还是非常有价值的，可以说，已经很难被忽视了。
