🛒 0

GMKtec EVO-X3

晶片 AMD Ryzen AI Max+ PRO 495
統一記憶體 192 GB LPDDR5x
NPU 效能 50 TOPS (XDNA 2)
儲存 4 TB PCIe Gen4
HK$29,781

我們的團隊將跟進並提供量身定制的報價。

使用此功能在購物車中區分不同的配置 — 當您訂購相同產品但不同選項時非常方便。

總價格 HK$29,781

完整規格

運算及記憶體

晶片

AMD Ryzen AI Max+ PRO 495

中央處理器

16核心 / 32線程 Zen 5

GPU

AMD Radeon 8060S (RDNA 3.5, 40 CUs)

NPU

XDNA 2,高達 50 TOPS

統一記憶體

192 GB LPDDR5x(最多 160 GB 可供 GPU 定址)

儲存及實體規格

儲存

2 × M.2 PCIe 4.0 NVMe SSD(內置 4 TB,可擴充)

尺寸

105 × 105 × 190毫米

重量

2.3公斤

連接與網絡

Ethernet

2.5 GbE

無線連接

Wi-Fi 7,Bluetooth 5.4

擴充

OCuLink Gen4 ×4(支援外置 GPU),2 × USB4

顯示輸出

HDMI 2.1, DisplayPort 2.1

電源及散熱

電源模式

靜音模式 (54 W)、平衡模式 (85 W)、效能模式 (最高 140 W)

散熱系統

三風扇垂直塔式機箱,三熱管設計

軟件及保安

操作系統

Windows 11 Pro,支援 Linux

保安功能

TPM 2.0

想要一個快速的 AI 摘要嗎? 跳過閱讀 — 使用您選擇的 AI 助手來檢查此產品的完整規格以及是否符合您的使用案例。

GMKtec EVO-X3 圍繞 AMD Ryzen AI Max+ PRO 495 打造 — 這是 AMD 統一 CPU/GPU/NPU 平台中記憶體配置最高的版本 — 搭配 192 GB 共享記憶體,裝載於緊湊的垂直塔式機箱中。對於中小企業而言,這意味著可在本地完全運行大型開放權重 AI 模型,只需固定硬件成本,無需依賴昂貴的雲端 API。

硬件規格

其核心搭載 AMD Ryzen AI Max+ PRO 495:16 個 Zen 5 CPU 核心(32 線程),配備整合式 AMD Radeon 8060S GPU(RDNA 3.5,40 個運算單元)及 XDNA 2 NPU,性能高達 50 TOPS。三大引擎共享單一 192 GB LPDDR5x 統一記憶體池,儲存則由雙 PCIe 4.0 NVMe SSD 插槽處理(內置 4 TB,可擴充)。三風扇三熱管垂直塔式設計確保系統在持續數小時推論下保持低溫,後置 OCuLink Gen4 ×4 端口更可後期加裝外置 GPU 機箱,無需更換主系統。

192 GB 統一記憶體:Ryzen AI Max+ 平台最大容量

Ryzen AI Max+ 平台可擴展共享記憶體池,由於 CPU、GPU 及 NPU 共用此資源池,最多可分配 160 GB 予 GPU 進行 AI 推論,其餘則保留予操作系統及背景應用。此容量足以運行 300B+ 參數級別的量化開放模型。

最多 160 GB 供 GPU 存取
32 GB 保留
192 GB 總統一記憶體 分配比例可於韌體調整 — 無需重啟

日常互動應用 — 如支援聊天機械人、文件審核、編碼輔助 — 中型模型能以對話速度運行;而完整 160 GB 分配可專用於單一大型模型處理複雜推理任務,以批次或夜間模式運行(非即時處理),確保所有查詢數據均不外流。

雲端 AI API(大型模型)
約 HK$7.8 萬 - 約 HK$40 萬
每年,中等中小企業用量
按量計費,每 token 成本隨用量遞增。
GMKtec EVO-X3
HK$29,781.31
一次性硬件成本
無限本地推論,支援 300B+ 級別模型。

專為持續本地推論設計

垂直塔式機箱配備三組獨立風扇及三條熱導管,相較傳統扁平迷你 PC,EVO-X3 具備更佳熱容積與氣流效率。三種可選電源模式(靜音、平衡、高效)令同一硬件既能適應寧靜共享辦公室,亦可作為全速推論專用設備。

軟件與保安

EVO-X3 預載支援 Windows 11 Pro 或 Linux 推論堆疊,標準配備 TPM 2.0,預設將本地處理的商業數據保留於內部系統。

總結

對評估 AMD Ryzen AI Max+ 495 系列作本地 AI 託管的中小企業而言,GMKtec EVO-X3 提供平台最大統一記憶體池,結合專為商業級推論設計的散熱方案及 OCuLink 擴充路徑。

简体中文cn🇨🇳繁體繁體中文hk🇭🇰繁體繁體中文tw🇹🇼Русский俄文ru🇷🇺සිංහල僧伽羅文lk🇱🇰हिंदी印地文hi🇮🇳Bahasa印尼文id🇮🇩Қазақ哈薩克文kz🇰🇿Türkçe土耳其文tr🇹🇷Tagalog塔加洛文ph🇵🇭বাংলা孟加拉文bd🇧🇩नेपाली尼泊爾文np🇳🇵עברית希伯來文il🇮🇱ਪੰਜਾਬੀ旁遮普文pa🇮🇳日本語日文jp🇯🇵ქართული格魯吉亞文ge🇬🇪فارسی波斯文ir🇮🇷ไทย泰文th🇹🇭తెలుగు泰盧固文te🇮🇳தமிழ்泰米爾文ta🇱🇰O'zbek烏茲別克文uz🇺🇿اردو烏爾都文pk🇵🇰မြန်မာ緬甸文mm🇲🇲Tiếng Việt越南文vn🇻🇳العربية阿拉伯文ar🇸🇦한국어韓文kr🇰🇷Melayu馬來文my🇲🇾मराठी馬拉地文mr🇮🇳dansk丹麥文dk🇩🇰български保加利亞文bg🇧🇬hrvatski克羅地亞文hr🇭🇷magyar匈牙利文hu🇭🇺Српски塞爾維亞文rs🇷🇸Ελληνικά希臘文gr🇬🇷Deutsch德文de🇩🇪Italiano意大利文it🇮🇹Eesti愛沙尼亞文ee🇪🇪latviešu拉脫維亞文lv🇱🇻Bokmål挪威文no🇳🇴čeština捷克文cz🇨🇿slovenčina斯洛伐克文sk🇸🇰Slovenec斯洛文尼亞文si🇸🇮Français法文fr🇫🇷bosanski波斯尼亞文ba🇧🇦Polerować波蘭文pl🇵🇱українська烏克蘭文ua🇺🇦svenska瑞典文se🇸🇪Беларуская白俄羅斯文by🇧🇾Lietuvių立陶宛文lt🇱🇹română羅馬尼亞文ro🇷🇴suomi芬蘭文fi🇫🇮English英文en🇪🇺Nederlands荷蘭文nl🇳🇱Português葡萄牙文pt🇵🇹Español西班牙文es🇪🇸