ThinkCentre X Ultra ปะทะ Acemagic F9A: เลือกมินิพีซี AI ที่เน้นสเกลหลายเครื่อง หรือ RAM 192GB ในเครื่องเดียว

มินิพีซีสำหรับ AI รุ่นใหม่ไม่ได้แข่งกันแค่ว่า NPU ทำได้กี่ TOPS อีกต่อไป แต่แข่งกันที่ว่า มีหน่วยความจำเร็วมากพอจะบรรจุโมเดล AI ที่ต้องการไว้ในเครื่องหรือไม่ Lenovo ThinkCentre X Ultra และ Acemagic F9A ใช้ AMD Ryzen AI Max+ PRO 495 แพลตฟอร์มเดียวกัน ซึ่งรวม CPU, กราฟิก Radeon และ NPU ไว้กับหน่วยความจำ LPDDR5X ชุดเดียวกัน

AMD ระบุว่า Ryzen AI Max+ PRO 495 ให้สมรรถนะ AI รวมสูงสุด 131 TOPS โดย NPU ทำได้สูงสุด 55 TOPS และรองรับหน่วยความจำได้ถึง 192GB 23 แต่เมื่อมองการใช้งาน LLM ในเครื่อง ความต่างจริงอยู่ที่การออกแบบระบบรอบชิปตัวนี้: Lenovo จำกัดสูงสุดที่ 128GB แต่ขยายกำลังด้วยการต่อหลายเครื่อง ขณะที่ Acemagic ให้สูงสุด 192GB ในกล่องเดียว

ทำไม unified memory จึงสำคัญกับ Local LLM

ในสองระบบนี้ CPU, GPU Radeon แบบอินทิเกรต และ NPU ใช้พูลหน่วยความจำร่วมกัน ต่างจากพีซีที่ใช้การ์ดจอแยก ซึ่งมี VRAM ของตัวเองในขนาดตายตัว ผลคือมินิพีซีสามารถจัดสรรหน่วยความจำให้ภาระงานฝั่ง GPU ได้มากกว่าพีซีกราฟิกออนบอร์ดทั่วไป และมีประโยชน์โดยตรงเมื่อขนาดไฟล์น้ำหนักของโมเดลเป็นข้อจำกัดหลัก

อย่างไรก็ดี ความจุหน่วยความจำไม่ได้แปลว่าตอบเร็วเสมอไป ความเร็วจริงยังขึ้นกับสถาปัตยกรรมโมเดล ระดับการควอนไทซ์ (quantization) ขนาด context window ซอฟต์แวร์รันไทม์ และความสามารถในการระบายความร้อนต่อเนื่องของเครื่อง แต่ขั้นแรกที่สุดคือโมเดลต้องใส่ลงหน่วยความจำได้ก่อน จึงจะรันแบบโลคัลได้

Lenovo ThinkCentre X Ultra: ทางเลือกที่วางตำแหน่งสำหรับองค์กร

ThinkCentre X Ultra บรรจุ Ryzen AI Max+ PRO 495 ลงในตัวเครื่องขนาดเพียง 1.6 ลิตร รุ่นท็อปใช้กราฟิก Radeon 8065S และ unified LPDDR5X สูงสุด 128GB โดย Lenovo ระบุว่าสามารถกำหนดหน่วยความจำสำหรับงานกราฟิกได้สูงสุด 96GB 1

ตัวชิปมี CPU Zen 5 จำนวน 16 คอร์ 32 เธรด และ Radeon 8065S ที่มี 40 compute units ตามรายงานเกี่ยวกับแพลตฟอร์มนี้ 3 Lenovo วางตำแหน่งเครื่องสำหรับเวิร์กโหลด AI ขององค์กรที่รันในองค์กรและงานแบบหลายเอเจนต์ มากกว่ามินิพีซีสำหรับผู้บริโภคทั่วไป 2

ต่อคลัสเตอร์ได้สูงสุด 4 เครื่อง แต่ไม่ใช่ RAM 512GB ก้อนเดียว

จุดต่างสำคัญของ X Ultra คือ Lenovo เปิดทางให้ต่อเครื่องได้สูงสุด 4 เครื่องเป็นคลัสเตอร์ หากแต่ละเครื่องมี 128GB ก็จะได้ unified memory รวมสูงสุด 512GB และกำลังประมวลผลรวมที่สูงขึ้นสำหรับงาน AI แบบกระจาย 3

อย่างไรก็ตาม ไม่ควรตีความว่าแอปทุกตัวจะมองเห็นหน่วยความจำ 512GB เสมือนติดตั้งอยู่ในคอมพิวเตอร์เครื่องเดียว การใช้หลายเครื่องให้เกิดประโยชน์ขึ้นอยู่กับว่าซอฟต์แวร์รองรับ distributed inference หรือ model-parallel inference หรือไม่ จุดเด่นจึงอยู่ที่เส้นทางการขยายระบบที่ผู้ผลิตรองรับ ไม่ใช่การรับประกันว่าโมเดลทุกตัวจะทำงานเหมือนอยู่บนเครื่อง RAM 512GB เครื่องเดียว

ระบบปฏิบัติการ พอร์ต สตอเรจ และกำหนดขาย

ThinkCentre X Ultra รองรับ Windows 11 และ Linux พร้อม AMD Ryzen AI Developer Center ที่รวมเครื่องมือ โมเดล และเวิร์กโฟลว์สำหรับ AI 8 พอร์ตที่มีรายงาน ได้แก่ Thunderbolt 4 สองพอร์ต, Ethernet 10GbE, DisplayPort 2.1 และ HDMI 2.1 2 ส่วนสตอเรจ มีรายงานว่าติดตั้ง SSD M.2 2280 PCIe Gen5 ได้สูงสุด 2 ตัว ตัวละไม่เกิน 4TB 20

Lenovo ระบุว่าจะเริ่มวางจำหน่ายใน เดือนพฤศจิกายน 2026 ราคาเริ่มต้นในยุโรป 3,100 ยูโร ส่วนรายงานสำหรับสหรัฐฯ ระบุราคาเริ่มต้น 3,699 ดอลลาร์สหรัฐ 13

Acemagic F9A: เน้นความจุโมเดลสูงสุดในเครื่องเดียว

Acemagic ใช้ชิปเดียวกัน แต่เลือกแนวทางต่างออกไป คือดันหน่วยความจำในมินิเวิร์กสเตชันเครื่องเดียวให้มากที่สุด F9A รองรับ unified LPDDR5X-8533 สูงสุด 192GB และกำหนดให้ภาระงานกราฟิกใช้ได้สูงสุด 160GB 1542

รุ่นนี้ใช้ CPU Zen 5 แบบ 16 คอร์ 32 เธรด และกราฟิก Radeon 8065S เช่นเดียวกับรุ่นท็อปของ Lenovo ขณะที่ NPU ทำได้สูงสุด 55 TOPS และทั้งแพลตฟอร์มทำ AI ได้สูงสุด 131 TOPS ตามตัวเลขของ AMD 1523

Acemagic ระบุว่าความจุระดับนี้รองรับการอนุมานในเครื่องสำหรับโมเดล Q4 ขนาด 120B พารามิเตอร์ และโมเดล mixture-of-experts ขนาด 300B แต่เป็นคำกล่าวอ้างของผู้ผลิตในประเด็นการบรรจุและศักยภาพใช้งาน ไม่ใช่การรับประกันความเร็วที่ใช้ได้กับทุกโมเดล เพราะสถาปัตยกรรมโมเดลและการตั้งค่าซอฟต์แวร์มีผลมาก 40

ตัวเครื่อง การขยาย และพอร์ต

F9A มีขนาด 158.5 × 158.5 × 81.5 มม. หรือปริมาตรราว 2 ลิตร 11 ชุดพอร์ตที่มีรายงานประกอบด้วย USB4 สองพอร์ต, Ethernet 2.5GbE สองพอร์ต, Wi‑Fi 7, Bluetooth 5.4, HDMI 2.1, DisplayPort 2.1 และ OCuLink บน PCIe 4.0 x4 สำหรับการขยายต่อภายนอก 41

รายละเอียดช่องเก็บข้อมูลยังไม่ตรงกันในรายงานที่เผยแพร่: บางแหล่งระบุว่ามีสล็อต M.2 PCIe 4.0 NVMe สองช่อง ขณะที่บางแหล่งระบุสล็อต M.2 2280 PCIe 4.0 x4 เพียงช่องเดียว ผู้สนใจควรตรวจสอบสเปกของรุ่นที่จะขายในภูมิภาคของตนกับ Acemagic โดยตรงก่อนตัดสินใจ 4344

ณ ช่วงเปิดตัวในงาน IFA Acemagic ยังไม่ได้ประกาศราคาและกำหนดขายปลีกที่ยืนยันแล้วสำหรับ F9A รุ่น PRO 495/192GB ราคาที่พบสำหรับรุ่น Ryzen AI Max+ 395 ก่อนหน้านี้จึงไม่ควรนำมาใช้เป็นราคาอ้างอิงของสเปกใหม่นี้ 1147

ตารางเลือกซื้อ: ใครเหมาะกับรุ่นไหน

สิ่งที่ให้ความสำคัญ	รุ่นที่เหมาะกว่า	เหตุผล
ใช้ในองค์กรและขยายงาน AI หลายเครื่อง	ThinkCentre X Ultra	วางตำแหน่งรองรับ Windows/Linux มีเครื่องมือพัฒนา 10GbE และมีแนวทางต่อคลัสเตอร์ 4 โหนด 28
ต้องการใส่โมเดลใหญ่ที่สุดในมินิพีซีเครื่องเดียว	Acemagic F9A	unified memory สูงสุด 192GB เทียบกับเพดาน 128GB ของ Lenovo 115
ต้องการต่ออุปกรณ์ขยายภายนอก	Acemagic F9A	ระบุ OCuLink PCIe 4.0 x4 ไว้ชัดเจนในสเปกการเชื่อมต่อ 41
ต้องการตัวเครื่องเล็กที่สุด	ThinkCentre X Ultra	ปริมาตร 1.6 ลิตร เทียบกับ F9A ราว 2 ลิตร 111

สรุปแล้ว การตัดสินใจไม่ได้อยู่ที่ชิปที่ทั้งคู่ใช้ร่วมกันเท่านั้น แต่คือรูปแบบของระบบ Lenovo ให้ทางเลือกที่จัดแพ็กมาเพื่อการใช้งานองค์กรและการสเกลงานผ่านหลายเครื่องอย่างชัดเจน ส่วน Acemagic เสนอแนวคิดที่ตรงไปตรงมากว่า: ใส่หน่วยความจำให้มากที่สุดในกล่องเดียว ซึ่งมักเหมาะกว่าเมื่อโมเดลจำเป็นต้องอยู่บนเครื่องเดียวทั้งหมด

ตลาดมินิเวิร์กสเตชัน AI กำลังขยายตัว และ RTX Spark กำลังมา

การเปิดตัวทั้งสองรุ่นสะท้อนว่าตลาดพีซี AI แบบโลคัลกำลังขยับพ้นจากยุคที่เน้นตัวเลข NPU เพียงอย่างเดียว สำหรับ LLM ความจุและแบนด์วิดท์หน่วยความจำ เครือข่าย การขยายต่อภายนอก และความเข้ากันได้กับรันไทม์ อาจสำคัญพอ ๆ กับตัวเลข TOPS บนแผ่นสเปก

อีกทางเลือกที่กำลังเกิดขึ้นคือ NVIDIA RTX Spark โดย NVIDIA ระบุว่าพีซี Windows ที่ใช้ RTX Spark ซึ่งจับคู่ CPU Grace กับ GPU RTX Blackwell จะเริ่มมาใน เดือนตุลาคม 2026 จากผู้ผลิตมากกว่า 6 ราย แพลตฟอร์มนี้มี unified memory ได้สูงสุด 128GB และสมรรถนะ AI สูงสุด 1 petaflop ตามที่อ้างถึง 24 ASUS เปิดตัว ProArt GR1X มินิพีซีขนาดกะทัดรัดที่ใช้ RTX Spark แล้ว ขณะที่ Acer นำดีไซน์เดสก์ท็อป SFF ที่ใช้ RTX Spark มาแสดง แต่จะประกาศกำหนดจำหน่ายภายหลัง 3439

ดังนั้น AMD และ RTX Spark จึงเป็นคนละแนวทางเพื่อตอบโจทย์เดียวกัน: ทำให้โต๊ะทำงานมีทั้งพลังประมวลผลและหน่วยความจำมากพอสำหรับงาน AI จริงจังแบบไม่ต้องส่งข้อมูลขึ้นคลาวด์ ผู้ซื้อควรเทียบจากขนาดโมเดลที่ต้องใช้ ซอฟต์แวร์ inference ที่พึ่งพา ความจำเป็นของเครื่องมือเฉพาะทาง CUDA และเลือกระหว่างเครื่องความจำสูงเครื่องเดียวกับการทำงานผ่านหลายโหนดบนเครือข่าย