9 月 4 日，AMD 在 IFA 2026 首次展示 Threadripper Halo Station 原型：96 核 Threadripper PRO 9995WX、2TB DDR5 RDIMM 与两张液冷 Instinct MI350P，被装进一台桌边塔式机。AMD 同时把上限写成“2.6TB 总系统内存”和“16.4TB/s 总系统内存带宽”，并宣称它能运行万亿参数模型。
这组数字对应规划中的四卡配置，现场样机尚未达到。它将 GPU 显存与 CPU 主存相加，但两者的访问速度不同，不能视为一块容量为 2.6TB 的显存。Halo Station 把数据中心级 PCIe 加速卡装进了工作站；模型如何分配到显存和主存中、运行速度能达到多少，还需要实测。
现场样机只有两张卡，宣传容量按四张计算
AMD 产品页将 Halo Station 标为原型机（prototype），并标注“Coming in 2027”。页面的比较脚注采用四张 MI350P：每张 144GB HBM3e、4TB/s 峰值带宽，合计 576GB 与 16TB/s；再加 2TB RDIMM 和最高 410GB/s，得到约 2.6TB 与 16.4TB/s。
IFA 现场并不是这套四卡配置。Tom's Hardware看到的机箱只装了两张卡，AMD 的说法是存在“通向四卡”的路径。按同一口径，样机拥有 288GB HBM3e、8TB/s 聚合 HBM 峰值带宽和 2TB 主存，而不是 576GB HBM3e。
| 口径 | IFA 双卡样机 | AMD 四卡上限 |
|---|---|---|
| MI350P 数量 | 2 | 4 |
| HBM3e 容量 | 288GB | 576GB |
| HBM 峰值带宽相加 | 8TB/s | 16TB/s |
| RDIMM 容量 | 2TB | 2TB |
| 合计容量 | 约 2.29TB | 约 2.58TB，标称 2.6TB |
理解这些数字时，需要区分容量相加与实际访问速度。根据 MI350P 规格书，每张卡的 144GB HBM3e 峰值带宽为 4TB/s，而主机互连只列出一条 PCIe 5.0 x16、128GB/s。GPU 读取自身 HBM、访问 CPU 主存和经 PCIe 传输数据，速度各不相同；四张卡的 HBM 带宽也不能被一个任务自动当成单一 16TB/s 内存池。AMD 产品页、MI350P 规格书与现场报道都没有列出 Halo Station 的 GPU 间互连拓扑、内存一致性方案或模型分片方法。
能否装下万亿参数模型，取决于精度和额外开销
只计算权重，1 万亿参数模型在不同精度下的最低容量很直观：16-bit 约 2TB，8-bit 约 1TB，4-bit 约 500GB。这个下限还没有计入量化比例因子、KV cache、激活、通信缓冲区和运行时工作区。
| 权重精度 | 1T 参数权重下限 | 双卡 288GB HBM | 四卡 576GB HBM |
|---|---|---|---|
| FP16 / BF16 | 约 2TB | 不可仅放入 HBM | 不可仅放入 HBM |
| FP8 / INT8 | 约 1TB | 不可仅放入 HBM | 不可仅放入 HBM |
| FP4 / INT4 | 约 500GB | 不可仅放入 HBM | 理论上可放入，但余量有限 |
因此，四卡版本在低至 4-bit 的权重口径下，才接近“把 1T 参数放进 HBM”这一结论；双卡样机连权重下限都放不下。若使用 8-bit、16-bit，或者模型与上下文让运行时内存超过 576GB，就必须把一部分数据留在主存，通过 PCIe 迁移或按层卸载。
2TB 主存能帮助容纳更多数据，但模型能装下，不代表运行速度就足够快。AMD 的 HIP 性能指南说明，托管内存可以通过主机与设备间的按需迁移，让分配规模超过物理 GPU 内存；同一份指南也要求尽量减少主机—设备传输，并提醒运行时和工作区需要保留显存余量。因此，还需要测试模型加载后能够多快地持续生成 token。
上述公开材料也没有说明“万亿参数”指稠密模型还是混合专家模型、采用何种量化、支持多长上下文和多大并发，更没有发布预填充或解码速度。其官网关于“训练、微调和运行大型模型”的表述是对整机用途的概括，不足以证明 Halo Station 能在本地完整训练 1T 参数模型。
两种内存架构，不能只按总容量比较性能
AMD 把 Halo Station 的 2.6TB 与 NVIDIA DGX Station 的 748GB 相比，得到 3.4 倍总内存。这个比例比较的是总容量，两套机器的内存连接方式并不相同。
NVIDIA 的 DGX Station 规格是 252GB HBM3e 加 496GB LPDDR5X，并通过 900GB/s NVLink-C2C 连接 Grace CPU 与 Blackwell Ultra GPU；NVIDIA 将其称为 748GB 一致性内存（coherent memory），并预装 Ubuntu 与 NVIDIA AI 开发工具。Halo Station 上限则是四张独立 PCIe 卡与八通道 RDIMM：HBM 总量更大、主存更多，但 AMD 没有将两者定义为统一的一致性内存池，也没有公布与 DGX Station 同模型、同精度、同上下文的测试。
这意味着买方不能从 2.6TB 对 748GB 推导出 3.4 倍模型速度，也不能从 16.4TB/s 对 7.1TB/s 推导出两倍多吞吐。前者混合了不同内存层，后者把多张卡和主存的峰值带宽相加；实际性能还取决于权重是否留在 HBM、张量并行通信、内核支持与服务框架。
上市前还需公布性能、功耗和软件支持情况
更大的容量也带来了供电和散热要求，四卡版本尤其如此。9995WX 的默认 TDP 为 350W，MI350P 的最高板卡功耗为 600W、可配置至 450W。按额定上限相加，双卡样机的 CPU 与 GPU 已达 1.55kW，四卡则达 2.75kW；这还不包括内存、存储、水泵和其他部件，也不等于插座端测得的实际整机功耗，但足以说明供电、散热与噪音会影响部署。
截至 9 月 4 日公开展示，AMD 只给出 2027 年这一时间窗，没有公布更具体的上市日期、价格、OEM、操作系统与整机 ROCm 软件版本，也没有可复核的 LLM benchmark。The Register同样把 PCIe 上的张量并行视为潜在瓶颈，而非从总内存直接推导性能。
考虑用它替代云推理或 GPU 服务器的团队，在采购前还需要确认四项结果：四卡实机是否完成；同一开源模型在相同量化、上下文和并发下的加载时间与 token/s；持续负载的整机功耗、温度和噪音；以及 ROCm 对多卡模型并行和 CPU offload 的稳定性。有了这些数据，团队才能判断这台工作站能否满足本地推理需求，以及部署成本是否合适。
