四兩撥千斤，當超級電腦隱身：阿里云無影個人云超算「上手記」

作者 | 周雅

評測 | 至頂AI實驗室

過去大半年，我們一直在做端側AI算力的評測。從英偉達DGX Spark，到各家廠商的桌面AI超算，跑模型推理、測ComfyUI工作流、試各種AIGC場景。這些產品各有亮點，但測得越多，越能看清一個事實：端側硬件很強，但并非所有人、所有階段都適合直接「買一臺」來解決問題。

比如你是一個入門級AI開發者，今天的需求只是跑一個7B參數的小模型，但幾個月后你也許會想試試70B甚至更大的模型。根源是，算力需求逐級爬升，一步到位買頂配，前期利用率很低，因為你還沒入門；先買個夠用的，過不了多久又面臨升級，因為你已經入門——這個節奏很難踩準。

再比如一個逐漸普遍的現實：你的角色可能不止一種。

這兩年有個概念，叫做OPC（One Person Company），是指一個人借助AI工具，可以干傳統一整個小團隊的活，成為超級個體。似乎聽起來很美，但它對算力的要求同樣也是“一個人頂一個團隊”。上午你是AI開發者，在調模型寫代碼；下午變成內容創作者，做AI漫劇；晚上可能還想玩一把《黑神話：悟空》放松。每個角色吃的算力完全不同，一臺固定配置的機器，很難同時喂飽所有場景。

Gartner曾做過一個預測：在未來5到10年內，DaaS（桌面即服務）將成為主流，云電腦或將成為企業與組織首選的辦公計算機。它背后的邏輯，其實是算力供給模式的變革——當摩爾定律的邊際效應遞減，而AI模型的參數量卻在以摩爾定律幾倍的速度膨脹時，算力必然向云端遷移。

這就是我們開始關注云端桌面AI的原因，為此我們還在朋友圈玩起了梗，話題叫做 #辦公室的新玩具#。

最近，我們又拿到了一臺——阿里云無影個人云超算。準確說，是在線上“開通”了一臺云端的電腦，我們體驗了一周，寫了這篇上手記。

可以塞進衣服口袋的個人超算

阿里云無影，簡單來說，這是一款可以隨時隨地接入的云上電腦。

它最大的特點是實現了「算力與終端的徹底解耦」，這種解耦帶來了極大便利性。在我們的實際體驗中，無論手頭上用的是MacBook，還是Windows筆電，甚至是一臺 iPad，只要裝了無影客戶端App，就能瞬間接入同一個云端桌面。

2020年，阿里云展示了第一代無影云電腦，它的終端是一個名片夾大小的C-Key，連接顯示屏就能進入云端桌面。當時這個品類還需要反復解釋，很多人把它和遠程桌面畫等號。四年后的2024年，無影個人版亮相，個人玩家能直接跑《黑神話：悟空》，1080P下幀率穩定在60幀。

到了CES 2026，桌面AI超算成了幾乎所有PC廠商的標配，惠普把AI PC塞進了鍵盤里，聯想讓筆記本屏幕自動旋轉跟蹤人臉，一大批廠商基于DGX Spark推出了巴掌大的本地AI超算。在這個舞臺上，連續第二年參展的阿里云作為云廠商，就拿出了無影個人云超算。

單看起來，它是一個終端硬件，叫「無影魔方ultra」，巴掌大小，比一本精裝書還輕，有點像一個接口豐富的“瘦客戶機”，塞進口袋也毫不費力。

但別被尺寸騙了，它背后連著的云端配置是這樣的：兩塊RTX 5880（單卡48GB顯存，Ada Lovelace架構專業級顯卡）、64核vCPU，總共96GB GPU顯存。

96GB 顯存是什么概念？市面上頂級的消費級顯卡RTX 5090也才32G顯存，96GB是它的三倍，意味著你可以輕松加載100B以上參數大模型做推理，或者跑視頻生成任務也不成問題，不用擔心爆顯存。在本地，要搭建這樣一套硬件環境，成本至少要三萬元以上。而在無影上，這種巨大的前期投入被消解了，它變成列表里的一個圖標，躺在屏幕里任我支配，讓曾經遙不可及的超級算力變得觸手可及。

魔方本身不做任何計算，所有算力都在云端，可以理解為一個「無限算力的水龍頭」：插上電源、連上屏幕、就能打開云端那臺超級電腦、源源不斷流出更高的性能。

這是因為我們開通的是雙卡配置，頂配還可以選擇：4塊RTX 5880（合計192GB GPU顯存）、96核服務器級CPU、384GB內存，這個性能參數放到大部分場景下應該都夠用。

傳統個人電腦是一錘子買賣，而無影的算力是彈性的，今天跑輕量任務用小規格，明天做模型訓練一鍵切到頂配，數據通過無影存儲中心無縫同步，切換過程不丟進度。

打開后臺，我們可以通過「鏡像管理」，分別為「云電腦」、「AI學習機」、「工作站」一鍵鏡像多個系統，此次我們主要鏡像了Windows、Linux Ubuntu、Kylin三種不同的系統進行測試。

此外，左側列表中的「無影內容廣場」，就像是一個“AI超市”，這里有大量的第三方共享鏡像。想做圖？選“ComfyUI-含主流模型和節點”鏡像。想煉丹？選“AI-Toolkit LoRA訓練”鏡像。想跑模型推理或搞開發？ PyTorch、TensorFlow基礎框架一應俱全。甚至還有ModelScope（魔搭社區）、DiffSynth-Studio等阿里達摩院的獨家生態鏡像。

光看參數只是紙上談兵，真正的考驗在于實戰，我們決定拋棄常規的辦公場景評測，直接上強度。

實測：把96GB顯存“榨干”

用目前AI圈最主流、同時也最消耗顯存的ComfyUI視頻生成工作流來進行極限壓測，運行阿里開源的Wan 2.2 14B（萬相）視頻生成模型，這是一個對顯存要求極高的任務，尤其是14B參數，在普通家用顯卡上幾乎無法全血運行。值得一提的是，wan2.2是目前最流行的開源視頻大模型，沒有之一，在開源領域的占比在40%以上。

我們設定了一個簡單明了的提示詞“馬在行走，絲帶飄動，表情靈動（A horse walking, ribbons flowing, vivid expression）”，分辨率設定為1280×720，開啟FP8矩陣乘法優化和FLOW流匹配架構，后臺日志開始飛速滾動。

模型加載階段，即便使用了FP8量化優化，光是模型權重就占用了13629MB，將近13.6G顯存。如果加上推理過程中的中間變量（KV Cache），24G顯存的本地顯卡不僅捉襟見肘，甚至直接爆顯存。

但在無影上，日志顯示當前可用顯存28969MB。對于96G的總池子來說，這就像一條大河流過一個小水壩，毫無壓力。

生成速度方面，核心采樣過程耗時1分20秒，從點擊開始到視頻生成完畢，總耗時3分34秒。日志里還有一行“lowvram patches: 357”，這是針對低顯存環境的自動優化補丁。對96G來說這幾乎是多余的，但也說明無影在軟件層面的兼容性做得足夠細致。

我們至頂AI實驗室的小伙伴實測，很明顯的兩個感受是：快、方便，因為可以直接把ComfyUI配置到自己電腦的Chrome瀏覽器上使用，可以理解為在你的瀏覽器上直接掛著ComfyUI。

更值得說的是，鏡像市場里預配好的ComfyUI環境。兩卡96G顯存可以同時加載多個大模型和LoRA權重，不需要反復卸載和重裝。這對做AI漫劇的創作者來說尤其關鍵。一條漫劇工作流往往要串聯角色一致性模型、背景生成模型、表情控制LoRA，再接上Wan 2.2做動態視頻片段，在24G顯存的本地顯卡上，光是模型切換就要反復騰挪，96G則可以全部常駐，專心調參出活。對于靠短視頻批量生產吃飯的創作者來說，這直接決定了產能，讓高端的生產力工具變得平易近人。

當然了，工作之余，這臺“怪獸”能不能用來放松？

切換到云電腦模式，無影的內容廣場里預置了《黑神話：悟空》、《鳴潮》、《我的世界》、《永劫無間》等15款熱門游戲大作，可能之后還會上線更多游戲。

不過，當我進入其中某款游戲，登陸相關賬號之后，也能直接通過賬號入口登陸更多游戲。

時延，是云游戲最敏感的指標之一。根據官方給出的網絡建議，要獲得1080p、30fps的流暢基礎體驗，需要保證15Mbps以上的帶寬，網絡延遲低于60ms。而若要追求1080p、60fps的電競級高幀率絲滑體驗，帶寬門檻則提升至25Mbps，延遲可以達到30ms以內。

這次實測下來，玩《鳴潮》這類動作游戲時操作跟手度極高，延遲基本穩定在16ms上下浮動，幾乎感覺不到是在云端。在《我的世界》這種對加載速度要求較高的游戲中，大部分時間也非常流暢，只有極少數復雜場景下，時延會短暫波動到60ms左右，也不影響操作。

前面一直在用無影客戶端做測試，但其實無影魔方ultra也支持多端接入，也就是說，當你只帶了那一塊盒子的情況下，任何一塊屏幕也都能成為入口。

這在游戲場景下特別有意思：我在辦公室用MacBook玩，回家路上用iPad接著玩，存檔和進度無縫銜接。這也就說明，當算力在云端、延遲足夠低的時候，你手里那臺設備是什么品牌、什么配置，已經不重要了。屏幕就是全部。

尤其用Mac客戶端接入的時候，有個細節讓我印象很深：本地Mac和云端無影之間可以直接拖拽文件，操作感覺就像在同一臺電腦的兩個文件夾之間挪東西，用著用著會產生一種錯覺，你的MacBook好像突然多長出了幾塊RTX 5880顯卡。

還記得前面說的OPC嗎？超級個體的一天可以是這樣的：上午用容器模式調模型寫代碼，下午切到Windows環境做AIGC內容創作，晚上打開云游戲放松。一臺固定配置的物理主機很難照顧到每個角色，但在無影上，切換身份就像切換頻道。

更進一步而言，超級算力不再是少數專業人士或機構的專屬品，而是一個能陪伴用戶從好奇、探索到精通的成長伙伴。

算好經濟賬

性能說完，必須聊錢。無影的核心優勢之一，就是將一次性的高昂硬件投資，轉化為極致可控的按需付費服務，它采用了一目了然的「核時」計費模式。

根據實測后臺數據，「開機」狀態下，無論是云電腦還是容器，平均消耗150.82核時/小時。「關機」狀態下，云電腦消耗0.06核時/小時，容器消耗0.04核時/小時。

這里有個容易被忽略的細節，如果不手動點擊「關機」，后臺會持續運行，會持續消耗核時。阿里云架構師告訴我們，無影的設計邏輯是：如果沒有手動點擊「關機」，系統會默認你可能在后臺跑長任務（比如訓練模型），它實則是在7*24小時工作狀態。想想也合理：你花了幾周配置好的煉丹環境，肯定不希望關機一次就全部清空，這些核時買的是數據安全存儲和下一次啟動的便利。

此外友情提醒，即便你手動點擊了「關機」，后臺依然會消耗極低的存儲費（即上面的0.04-0.06核時），因為你的數據（硬盤、鏡像、環境配置）依然占用著云端資源。下圖可見，夜間時段也在消耗核時。不過換算下來，關機狀態下，24小時消耗的核時總共幾毛錢。如果確定不用，點擊「銷毀」即可。

具體花費怎么算？根據阿里云官方的說法，即便是4卡RTX 5880頂配（192GB顯存），每月按量付費也僅在1000元左右。我們手上這臺雙卡配置，每天高強度用8小時，其余時間關機的話，月費大約500-600元。

作為對比，CES上同臺亮相的DGX Spark，搭載GB10 Grace Blackwell超級芯片和128GB統一內存，單臺售價3999美元起步。

但兩者設計思路完全不同：DGX Spark走本地化路線，一次買斷，性能固定，勝在離線可用、數據不出本機；無影走云端彈性路線，按需取用，隨時升降，勝在配置天花板高、無硬件折舊。

我們也注意到，在一些公開測評中，無影頂配的綜合跑分可以達到DGX Spark的數倍，而月費遠低于后者的一次性購入成本。當然，兩款產品面向的場景和取舍不同，直接比價未必公平。

比超級電腦多走一步

如果只是把傳統PC的算力搬到了云上，無影充其量是“更方便的高性能電腦”，但無影的另一個拳頭產品AgentBay，則暗示了一個更大的野心。

AgentBay是無影為AI Agent（智能體）打造的云端基礎設施。通俗來說，它讓AI助手獲得了“手和腳”，AI不再只是坐在聊天框里回答問題，而是可以在云端沙箱里操作瀏覽器、控制桌面應用、執行代碼、甚至操控手機界面。所有操作都在安全隔離的環境中獨立運行，不影響用戶自己的設備。

想象一個場景：你對AI說“幫我從這五個PDF里提取關鍵數據，整理成Excel，然后發郵件給團隊”。過去，AI只能幫你寫出提取腳本，剩下的你自己動手。有了AgentBay，AI可以在云端打開一臺完整的電腦，自己操作瀏覽器下載文件、打開Office處理數據、登錄郵箱發送，全程不需要你介入。

是不是很像最近爆火的clawdbot？沒錯，Agentbay也增加了內置Clawdbot模式，同時還擁有Clawdbot不具備的browser use能力和企業多Clawdbot部署能力。

這就是為什么我們在文章標題里用了「隱身」這個詞。無影追求的終極形態，不是讓你感覺在使用一臺更強的電腦，而是讓「電腦」這個概念本身逐漸消失，你只需要說出想做的事，算力、軟件、環境、執行，一切在看不見的地方自動發生。

這次上手最讓我印象深刻的，不是某個具體的跑分數字或者啟動速度，而是一種錯位感，手里握著一個比充電寶大不了多少的小方盒，屏幕上卻跑著需要服務器機房才能驅動的大模型。沒有風扇呼嘯，沒有機箱發熱，連一根多余的線都不需要。

好的計算也許就像好的設計：當你不再需要思考顯卡夠不夠、內存滿不滿、驅動裝沒裝的時候，就可以把全部注意力放回到你真正想做的事上。