10 月 7 日，微软在旧金山发布 Surface Laptop Ultra，售价 2599 美元起，搭载英伟达 RTX Spark 超级芯片，最高 128GB 统一内存，号称本地能跑超过 1200 亿参数的模型。这台机器到底是给哪类人准备的？答案藏在一笔三年总持有成本（TCO）里。
先把两边的价格摆出来
本地侧：机器 2599 美元（约合人民币 17500 元），三年电费忽略不计，折旧后残值按 30% 算，净硬件支出约 1800 美元。换来的是 128GB 统一内存，可以本地跑量化后的 120B 级模型，数据不出本机。
云端侧：OpenAI 10 月 7 日刚把 GPT-6 全量放开，API 价目表里 GPT-6 Luna 输入 0.10 美元、输出 0.50 美元每百万 token，GPT-6 Sol 输入 2 美元、输出 10 美元每百万 token。一个重度开发者一个月烧掉 1000 万输出 token 用 Sol，就是 10 美元；若走 Luna 则不到 1 美元。
盈亏平衡点在哪
粗算：如果一个开发者每月云 API 支出稳定在 50 美元以上，三年就是 1800 美元，刚好覆盖这台机器的净硬件成本。也就是说，每月在 API 上花 50 美元以上、且工作负载可以本地化的人，买这台机器在经济上说得通。
但这个算法有两个漏洞。第一，本地 120B 量化模型的能力和云端 GPT-6 Sol 不在同一档，很多复杂 Agent 任务你还是得调云端；第二，Agent 工作流的 token 消耗是爆炸式的，重试、多轮、工具调用叠加，重度用户一个月烧掉几千万 token 并不稀奇，此时 Luna 级别的轻量模型又不够用。
谁该买，谁别买
适合买的：对数据隐私敏感的开发者、需要离线跑模型做 demo 的售前、以及每天本地调试超过四小时的算法工程师。不适合买的：偶尔用用 ChatGPT 的普通职场人，继续订阅 20 美元一个月的 ChatGPT Plus 更划算；以及重度 Agent 用户，你最终还是要回到云 API。
这台机器的真正意义，是把「本地 AI 工作站」的价格从过去的四五万美元台式工作站，拉到了 2599 美元的笔记本区间。它不是要取代云，而是给那批被云 API 账单刺痛、又对数据出门心有余悸的人，一个折中之选。