结论:eGPU 是「特定人群的妥协方案」,不是「AI 入门方案」。预算相同:台式整机 > 二手台式 > eGPU > 高配笔记本。
带宽账:eGPU 的第一性缺陷
台式机的显卡走 PCIe 4.0 x16,带宽约 32GB/s;雷电 3/4 外接实际可用约 5GB/s——差 6 倍。这意味着什么:显存内的推理计算不受影响(数据在卡内部循环),但模型加载、层间换入换出、CPU-GPU 数据交互全部要挤那条细管子。后果分任务类型:
| 任务 | 折损 | 为什么 |
|---|---|---|
| LLM 推理(模型全在显存) | 10-15% | 主要损在加载与上下文同步 |
| SD 出图 | 10-20% | 每步的 latent 调度要走外链 |
| CPU offload 混推 | 30%+ | offload 的本质就是搬数据,管道细加倍致命 |
| 训练/微调 | 15-25% | 梯度与检查点读写频繁 |
offload 用户注意最后那行:想靠 eGPU + 小显存卡跑大模型,是最坏的组合——offload 场景里内存带宽和 PCIe 带宽一起成为瓶颈(参考内存通道对 AI 的影响),体验会烂到怀疑人生。
成本账:算完就不纠结了
典型 eGPU 组装:显卡坞(¥1.5-3k,雷电 4 认证的更贵)+ 电源(坞内整合或另配)+ 显卡。拿甜点配置对比:
- eGPU 路线:5060 Ti 16G(¥4.3k)+ 显卡坞(¥2k)≈ ¥6.3k,还要搭一台已有的雷电轻薄本——而轻薄本本身比同性能台式贵 ¥2k+。
- 台式路线:同显卡 + 完整平台 ≈ ¥6k 学生配置单,零折损、可升级、三年后显卡还能拆下来再用。
eGPU 路线的总拥有成本通常高 30-50%,换来的唯一好处是「笔记本还能拎走」——但这正是笔记本跑 AI 里说的:为移动性付溢价要真的移动才有意义。
唯一合理的画像与 OCuLink 变体
eGPU 值得考虑的用户必须同时满足:已有雷电 3/4 轻薄本(沉没成本,不能换台式)+ 桌面空间/供电受限(宿舍/租房不让我用台式)+ AI 是偶尔的副业(主力是办公/学习)。三条缺任何一条,都有更好的选择。
OCuLink 直连方案(带宽翻倍到 64Gbps,折损减半)是极客圈的最爱:拆后盖引出 M.2 接口转接线,性能接近台式九成。代价清单也明确:失去保修、兼容性看运气、每次连接是手工活。适合动手能力强、设备本身就是廉价二手的玩家——按二手验卡五步淘来的二手本 + 二手卡,折腾坏了不心疼。
决策树
- 还没买任何设备 → 直接台式配置单,别在 eGPU 上绕路。
- 已有游戏本(内置显卡) → 升级内置显卡不可行,但台式补位更划算,参考老电脑升级的思路反着用:钱花在第二台设备上不如花在台式上。
- 已有轻薄本 + 宿舍限电 + 偶尔跑模型 → eGPU 是唯一解,买坞前先确认本子的雷电认证与供电协议。
- 想要「便携 + 重度 AI 都要」 → 诚实的答案是台式 + 平板,或Mac 统一内存路线(推理终端场景)。
一句话:eGPU 是给「已经被锁死在笔记本生态里」的人的补丁,不是给「准备入坑 AI」的人的起点。