零刻GTi15 Ultra实测：99TOPS算力如何重塑迷你主机AI本地体验

前面咱们分别对零刻 GTi15 Ultra的性能和做工细节都做了评述，但是看到很多朋友对于这款迷你主机在生产力场景下的提升还是有一些疑问，今天咱们就专门对这款主机进行AI和语音交互方面的详细体验。

零刻GTi15 Ultra这次得益于搭载的英特尔Core 9 285HX处理器和AI降噪麦克风，让产品使用场景有了很大提升，比如创意办公、内容创作等方面。都知道英特尔Core Ultra系列处理都是采用了全新的Meteor Lake架构以及CPU+GPU+NPU的设计方案，带来了近几十年来最大的革新，尤其是AI算力上有了极大提升，比如Ultra 9 285H算力达到了99TOPS：

GPU： 77 TOPs (主要图形和 AI 负载)

NPU： 13 TOPs (持续性低功耗 AI 任务)

CPU： 9 TOPs (轻量级和即时 AI 响应)

首先使用鲁大师进行AI专项跑分测试，可以看到在显卡AI性能得分为64794，其中超分辨率达到了32800、人脸识别为137166、物体识别为97875、阅读理解为147033、背景虚化为17639。

同时，使用鲁大师的处理器AI性能测试得分为25843，其中超分辨率为31889、人脸识别为21905、物体识别为35466、阅读理解为66353，背景虚化为7013。

接下来使用UL Procyon量化基准测试，UL Procyon是UL Solutions推出的专业基准测试套件，专为行业、企业及专业用户设计，提供标准化性能评估工具‌，其核心功能包括：AI性能测试、生产力与电池测试、硬件适配与成本、性能对比案例。该套件通过标准化流程和实际应用场景，为专业用户提供可靠的硬件性能参考‌。

UL Procyon AI文本生成基准测试，主要用于评估硬件设备在本地大语言模型（LLM）文本生成任务中的性能表现。零刻 GTi15 Ultra在PHI 3.5模型中得分为933分，在MISTRAL 7B模型中得分为853分，在LLAMA 3.1模型中得分为834，在LLAMA 2得分为855分。

AI Image Generation Benchmark（文生图），利用几种不同的Stable Diffusion图像生成模型，来评估中、高端独立GPU、NPU的人工智能推理性能，是当前主流的AI图像生成性能测试工具之一。

这个测试中可以看到Stable Diffusion 1.5 (FP16)、Stable Diffusion 1.5 (INT8)、Stable Diffusion XL (FP16)三个测试项目中，得分分别为1703、243和135。

由于三个项目的难度依次递增，所以消耗时间在逐步增加。比如Stable Diffusion 1.5 (FP16)项目是通过创建8幅分辨率为512 X 512的图像，汇总效率并打分；而Stable Diffusion XL (FP16)则是通过创建16幅分辨率为1024×1024的图像，每批次1幅，进行汇总效率打分。在三个项目的消耗时长、图像生成速度以及平均UNET速度，结果如下：

既然AI功能这么强大，使用零刻GTi15 Ultra搭建本地AI大模型就非常合适了：既不用担心数据上传到第三方服务器被泄露的问题，又能完全在离线状态下就能完成日常聊天、代码生成、头脑风暴等项目，关键是现在Docker一键部署真的简单，不需要配置环境、安装各种依赖库、改参数配置。

使用Ollama的话安装开源大模型如deepseekk-r1，一行命令搞定：ollama run deepseek-r1，就简单多了。

就像在手机上装个应用这么简单，下载、环境配置这些都由Ollama帮我们处理好了。喜欢使用哪个模型只需要在Ollama网站，选择对应的Model模块即可。

比如使用deepseek-r1模型，会搜出来1.5b、7b、8b、14b、32b、70b等很多版本，这个就根据自己的电脑配置选择即可，一般来说电脑内存在16G就选14b，当然参数越大，越吃配置，运算的效果也越好。

出现success就表示成功了，如果失败请多试几次，可能是由于网络原因。

我们也可以在命令行中输入，ollama list 查看是否成功下载了模型，出现下图的列表内容表明下载成功。

启动成功后，就可以输入我们想问的问题，模型首先会进行深度思考（也就是think标签包含的地方），思考结束后会反馈我们问题的结果。

在DeepSeek本地大模型之中，我测试了8b和14b两个版本，分别用“你好”、“你是谁”、“写一个贪吃蛇代码”三个问题进行提问，来测试回答问题的长短和用时。

从下面提供的数据可以看出，零刻GTi15 Ultra在两个模型下同样问题响应时间、token数和用时差距还是很大的，尤其是“你是谁”这个问题下，14b比8b模型明显token数量增加，答案也更加复杂。

使用14b模型对比在线的ds-r1，同样问题生成速度确实慢了不少，思考时间明显稍长一些，但是贵在本地模型安全性更好，而且永久免费，这也满足了用户约90%+以上的需求。

注意：选择蒸馏模型的大小，需要结合自己的电脑实际情况来选择，这会关系到，模型回答的速度以及效果问题。

如果说CMD窗口看起来不习惯，可以使用零刻预装的Ai BOX工具，它不仅能借助本地模型运行，还能通过API接入其它的大模型，通过内置的多个智能体，让用户能够低成本的就能体验高效AI创作。

通过调用相应的AI模型，就能快速的满足我们的创作需求，这个相对于前面的命令窗模式更直观，对于普通用户更加的友好。

Ai BOX除了支持本地模型外，还能通过模型管理中的API来使用其它在线模型。

甚至还支持自己添加知识库，通过知识库内容的不断填充来训练自己的大模型，就非常适合内容创作者或者文职办公的实际场景中去应用。

同样，我也使用绘世软件对零刻GTi15 Ultra文生图能力进行了测试，输入简单的提示词，使用DPM++2M采样方法以及Automatic调度，只需要20步数的迭代，1分50秒就能生成一张512×512的高清图。

提示词越复杂、迭代次数越多、图片越大，生成的图片用时也就越长，当然图像的质量也越高。虽然零刻GTi15 Ultra是核显迷你主机，但是足可以满足日常我们对于AI创作的需求了。

使用Stable Diffusion生成图片时，对CPU和内存的性能要求较高，基本占用都在70%以上，零刻GTi15 Ultra跑起来还是比较轻松的，并且非常稳定。这种高度自定义的AI图，对于越来越注重原创度的创作者来说，很大的规避了版权带来的潜在风险。

零刻GTi系列除了有着强大的性能和AI算力之外，还内置了AI降噪芯片B1，并针对豆包等工具做了深度的适配，能有效的避免环境音的干扰，准确分辨用户的语音指令，让软件使用更得心应手。

基于深度神经网络(Deep NeuralNetworks,DNN)的语音增强和回声消除算法，以及波洛斯4麦克风阵列技术，让电脑收音效果变得更加的“聪明和轻松”。

而且，这种DNN模型经过逐步的训练之后，让拾音更加的准确和清晰，能够精准的对噪音进行过滤，只保留纯净的人声。

“豆包”这个AI工具功能还是非常强大的，尤其是支持语音指令和交互，不管是查资料、定制攻略、内容创作还是编程学习等，都能通过对话式交流搞定。但是由于使用环境的不确定性，如果麦克风拾音不够准确，就让效率大打折扣，下面使用不同噪音场景模拟对话，看看GTi15 Ultra的AI降噪麦克风准确率到底如何。

实测中，在环境噪声为40dB左右（电扇、空调声音），豆包都能准确识别口令；使用手机模拟环境噪声在60dB左右（比如正常交谈），豆包的识别率也非常准确；当使用手机模拟火车、闹市背景声约70dB左右，豆包识别也是没有问题，这个AI降噪麦克风效果确实不错，在复杂的工作和生活场景中能够大大提高使用效率。

零刻 GTi15 Ultra的AI降噪麦克风还有一个好处就是，平时玩游戏开黑只需要一个耳机或者直接啥也不用也行，组队队友也都反馈麦克风人声清晰，没有过多杂乱的环境声，就非常的方便。

关于零刻GTi15 Ultra迷你主机的AI实际体验到此也就结束了，通过上面较为全面的体验可以看出，基于强大的Core Ultra 9 285H处理器的算力以及MIC智能拾音降噪麦克风阵列，不管是本地AI部署还是云端AI任务，整体表现确实很强，尤其是对于部分要求较高的用户来说，更能应对各种复杂的严苛创作需求。