tl;dr - 哭哭，微软不行。Arch Linux 可以使用，与 Windows 的 7-Zip 相当，并向操作系统和 CUDA 报告相同的 116.0 GiB 内存池。我的初始可启动设置和补丁在这里。这是针对 ASUS ProArt P16 H7607BA-SE033W：128 GB RAM 配置，配有 6,144 CUDA 核心和 2 TB SSD。当关于一款 GPU 可以访问超过 100 GiB RAM 的笔记本的传言开始传播时，我开始思考我可以在上面构建的所有东西和我可以花太多时间玩弄的所有优化。我非常支持开放权重模型。能够在本地运行东西，并在笔记本电脑上玩弄 RL、量化和微调，太棒了。我已经在 Hugging Face 上发布了我自己的 GGUF 量化，上个月有超过 160,000 次下载。所以当我发现 Windows 仅有的官方支持时，我并不太高兴。讨厌 Windows 的理由有很多。我的理由包括设置过程中的隐私让步，等待微软让人们将任务栏再次放在屏幕侧边的那些年，以及广告。最后一个链接是 Pureinfotech 提供的真实 Windows 推广的拼贴画。你明白了。我可以无止境地继续，所以让我回到主题。Arch 是我首选的发行版，我是 Arch 团队的一个软件包维护者。我已经将其安装在 IBM 主机上（我的 FOSDEM 演示），所以这一定是我的起点。此构建使用 Arch Linux ARM，这是一个将 Arch 软件包移植到 ARM 的单独项目，添加了硬件支持。NVIDIA 在 Ubuntu 上进行内核工作，这给了我一个起点。我将其合并，修复了 ACPI 覆盖分配和 framebuffer 映射，以获得控制台，并从笔记本电脑自己的表中弄清楚了 ACPI 覆盖（感谢 astra <3）。NVIDIA 驱动程序和 ASUS 扬声器固件来自互联网上的官方渠道（请不要起诉我计算机公司）。键盘支持需要一个修补过的 hid-asus，音频需要自己机器的驱动程序。我将这一切汇集到一个可启动的 USB 中，并扩展了上游 Archinstall 4.5，以安装硬件支持。该仓库包含构建脚本和补丁，包括转储自己的 ACPI 表和从 ASUS 驱动程序包中提取扬声器固件的步骤。我的运行固件是 H7607BA.300。构建输入经过哈希固定。我在周末组装的硬件包已使用我的 Arch Linux 软件包维护者密钥进行签名，ACPI 覆盖来自笔记本电脑本身。显示器以 3840 × 2400 和 120 Hz 的频率运行，我使用 NetworkManager、PipeWire 和无根 Podman 与 NVIDIA CDI。安装程序保存内核、NVIDIA、功耗管理和固件包，并使用 IgnorePkg，而普通软件包则从 Arch Linux ARM 持续更新。CPU 性能 我在 10 月 19 日在本地的 Arch Linux ARM 上运行了性能套件，内核版本为 7.0.0-1022-nvidia 和 NVIDIA 驱动程序为 615.78.08。笔记本电脑是插电状态，并选择了性能配置文件。对于 CPU 比较，我使用了发布的 Windows 结果。CPU 测试是本地 ARM64 7-Zip 26.04，字典大小固定为 32 MiB。我进行了一个预热和三次测量，在每个线程数下进行测试，然后取中位数： 线程数 压缩 (MiB/s) 解压缩 (MiB/s) 1 6.18 118.26 20 141.77 1,629.60 StorageReview 测试了一款 128 GB 的 HP OmniBook Ultra 16，使用相同的 20 核 N1X，在本地运行 Windows ARM64 二进制文件。他们报告 7-Zip 评分为 GIPS，因此我将我的原始日志中的 MIPS 评分除以 1,000 以进行匹配。分数越高越好。7-Zip 工作负载 我的 ProArt，Linux (GIPS) HP OmniBook，Windows (GIPS) 差异 1 线程压缩 7.221 7.31 −1.2% 1 线程解压缩 10.779 10.87 −0.8% 20 线程压缩 165.754 157.9 +5.0% 20 线程解压缩 148.471 144.5 +2.7% 单线程几乎是平局。在 20 个线程的情况下，我的 Linux 设置在压缩上领先约 5%，在解压缩上领先 3%。HP 评测没有指定其 7-Zip 版本或字典大小，因此这些百分比比较的是两个笔记本的设置。ComputerBase 也测试了一款 配备 20 核 N1X 的 ProArt P16。转换为 GIPS 后，其 Windows 7-Zip 得分为 155.774；我三次测试得出的中位数总和为 157.084。他们的结果在我三次测试结果 155.759 到 157.193 GIPS 的范围内。他们的机器是 64 GB 配置，运行 7-Zip 26.00，图表没有给出字典大小。内存划分 内存是更大的灵活性。我的 Linux 运行报告 116.0 GiB 既是系统 RAM，也是 CUDA 的总计，来自同一物理池。Windows 将 RAM 分为专用 GPU、共享和 CPU 仅区域。CPU 工作负载无法使用专用 GPU 区域，GPU 分配无法使用 CPU 仅区域。Windows NVIDIA 应用程序允许你更改专用保留并重启；Frandroid 的 128 GB ProArt P16 达到 96 GiB。CUDA 可以通过从共享 RAM 中分配突破这一限制，这取决于 Windows 的内存预算。在 91 GiB 的专用保留下，Frandroid 的 Windows 设置报告了 109.7 GiB 的 CUDA 总计。