周末的午后，张伟和李晓刚在咖啡馆聊开了各自最新的轻薄本体验。
张伟刚换了台搭载 AMD 锐龙 AI 9 HX 370 处理器的新机，李晓刚则选择了英特尔酷睿 Ultra 9 285H 系列。
两人对自己的选择信心满满，都认为自己的轻薄本能胜任各种任务。
说着说着，他们开始聊起那个最近风头正劲的 AI 大模型——DeepSeek-R1。
“到底哪个处理器跑 DeepSeek 大模型更快？”张伟忍不住问道。
在深入分析前，我们先来讲讲 DeepSeek-R1 系列大模型。
这些模型由中国 AI 企业深度求索推出，以开源形式发布。
这系列模型配置了 6710 亿个参数，堪称大模型界的巅峰。
得益于创新的 MoE（混合专家）架构设计，每次处理词元时它们仅需激活约 370 亿个参数，这就使得任务处理变得更加高效和精确。
除了如此庞大的模型，深度求索公司还通过“蒸馏”技术从这个大模型衍生出六个小模型，分别命名为 DeepSeek-R1-Distill-Qwen-1.5B、DeepSeek-R1-Distill-Qwen-7B、DeepSeek-R1-Distill-Llama-8B 等。
这些经过蒸馏的小模型进一步提升了效率，同时减小了计算负担。
我们话题的重点就是两个处理器平台：AMD 锐龙 AI 9 HX 370 和英特尔酷睿 Ultra 9 285H。
张伟的轻薄本搭载了 AMD 锐龙 AI 9 HX 370 处理器，这款处理器附带 RDNA 3.5 架构的 Radeon 890M 集显，而李晓刚的英特尔酷睿 Ultra 9 285H 则配有 Xe+ 架构的锐炫 Arc 140T 集显。
两台笔记本都配备了 32GB 的内存，看似棋逢对手，但实际表现又如何？
张伟的锐龙 AI 9 HX 370 是 AMD 第三代 AI PC 处理器系列的旗舰，而李晓刚的酷睿 Ultra 9 285H 在英特尔阵营里也是佼佼者。
这两大平台的较量，不仅是在硬件规格上的对比，更是对深度求索的大模型任务处理能力的挑战。
为了一较高下，我们使用了 UL Procyon AI Text Generation Benchmark 来测试。
这套基准测试专门衡量系统在运行 AI 文本生成任务时的表现。
包括Phi-3.5-mini、Mistral 7B 等模型在内的四个大模型负载，测试期间每个模型执行七个提示，包含 RAG 和非 RAG 查询的混合。
在这项测试中，AMD 锐龙 AI 9 HX 370 几乎在所有模型的平均输出速度（OTS）都击败了英特尔酷睿 Ultra 9 285H。
比如，锐龙在 Phi-3.5-mini-instruct 中的平均 token 输出速度达到 22.59 tokens/s，领先酷睿约 30.7%。
在 Mistral-7B 中，锐龙AI 同样以 14.13 tokens/s 优势领先 8%。
真正的考验还是在实际使用中进行。
我们通过 llama.cpp 在笔记本上部署 DeepSeek-R1 系列大模型，并使用 llma-bench 工具进行比较。
结果显示，在 DeepSeek-R1-Distill-Qwen-1.5B 模型中，锐龙轻薄本生成 token 的速度为 43.17 tokens/s，领先酷睿约 8.1%。
即便是各自表现稍有差异的 14B 和 32B 模型中，两者表现都堪称优秀，但 AMD 锐龙 AI 9 HX 370 在实际使用中的优势更为明显。
李晓刚在尝试了模仿李白风格创作诗歌的时候实测，AMD 锐龙 AI 9 HX 370 轻薄本在 DeepSeek-R1-Distill-Qwen-8B 模型中的平均速度达到 13.41 tokens/s，领先英特尔约 10.2%，而在数学计算中，AMD 平台在部署 7B、8B 和 14B 模型中也分别领先 4% 至 8%。
通过这次的对比测试，我们发现 AMD 锐龙 AI 9 HX 370 和英特尔酷睿 Ultra 9 285H 都是出色的处理器平台，但前者在运行 DeepSeek 大模型时表现更佳。
张伟和李晓刚的讨论也引发了我们对笔记本性能和 AI 大模型实际应用场景的思考。
当你选择轻薄本时，性能不再只是单纯的硬件配置，更重要的是它能否胜任未来 AI 应用的挑战。
这不仅仅是一个规格数字的简单较量，而是各大科技公司如何通过技术创新为用户带来更好的体验和效率。
在AI大模型应用日益重要的今天，如何选择适合自己的设备显得尤为关键。
我们期待能有更多这样引人入胜的讨论，为我们的科技生活带来更多启发和便利。
通过选择最适合的平台，我们可以更自如地享受科技带来的便利，将AI真正融入我们的日常工作和生活，使其成为我们提升效率和创造力的得力助手。
