對於想要在本地端運行 AI 大語言模型（LLM）的使用者來說，顯示記憶體（VRAM）容量不足一直是最大的痛點。過去，想要順暢運行數十億參數等級的 AI 模型，往往得砸重金購買搭載大容量 VRAM 的高階專業繪圖卡。然而，Intel 最新釋出的驅動程式更新，將徹底改變這個遊戲規則。
Intel 在最新的 Arc 系列驅動程式中，導入了名為「Shared GPU Memory Override」的功能，允許 Intel 顯示晶片最高調用 93% 的系統記憶體（RAM）作為顯示記憶體使用。這意味著，在搭載 64GB RAM 的電腦上，GPU 最多可獲得約 59.5GB 的可用空間；若是在 128GB RAM 的高階平台上，更可取得超過 112GB 的 VRAM 容量。
打破 50% 的硬體藩籬
在傳統架構下，Intel 筆電通常將系統記憶體一分為二：50% 分配給作業系統與應用程式，另外 50% 留給 GPU 作為共用顯示記憶體使用。這條無形的界線，讓許多使用者在運行大型 AI 模型時頻頻碰壁。
事實上，AMD 早已透過其 Variable Graphics Memory（VGM）技術，讓 Ryzen 平台的用戶可以透過 Adrenalin 驅動程式或 BIOS 手動調整 VRAM 分配比例。例如 Ryzen AI Max（Strix Halo）平台在 128GB RAM 系統中，最多可分配 96GB 給 iGPU。Intel 的 AI Playground 應用總監 Bob Duffy 之前就已經在 X 平台上分享了這項更新，強調這對於在本地端運行 AI 聊天機器人與圖像生成應用的使用者來說，是一項重大利多。
If you have Intel Core Ultra and are doing AI, you’re going to want to update to latest Intel Arc driver… because this pic.twitter.com/4BlTqW1RCo
— bobduffy 🖱️🎨 (@bobduffy) August 14, 2025
原本就有此功能，新版驅動直接衝到 93% 上限
這項功能來自 Intel 最新版本的驅動程式（版本號 32.0.101.8517），主要針對搭載整合式 Arc Pro GPU 的系統。在此之前，Intel 去年已經將 Core Ultra Series 2 處理器的分配上限提高到了 87%，而最新版本更進一步推升至 93%。
目前這項更新支援的硬體包括：
- Intel Arc Pro B390 與 Arc Pro B370 內建 GPU
- Intel Arc Pro A 系列與 B 系列獨立顯示卡
- Intel Core Ultra Meteor Lake、Lunar Lake、Arrow Lake 系列處理器
- 原有的 Intel Arc A 系列獨立顯卡也同步受惠
軟體方面則完整支援 Windows 10 與 Windows 11 多個主要版本。
實戰：哪些 AI 模型現在跑得動？
這項更新的最大亮點，在於它讓原本只能在專業工作站上運行的模型，現在也能在一般商用筆電上順利執行：
32GB RAM 系統：可運行 Qwen 系列 32B 模型（4-bit 量化），且能保有舒適的上下文視窗（context window）。
64GB RAM 系統：可運行 Llama 3 70B 這類重量級模型，而且還有足夠的空間給 KV cache 與系統穩定性使用。
128GB RAM 高階平台：超過 112GB 的可用空間，足以應付絕大多數消費級 AI 應用場景。
對 AI 模型來說，VRAM 越多，就能運行參數更大的聊天機器人，產出更深入的回答，同時也能處理更大量的輸入與輸出 token。
速度瓶頸：頻寬仍是關鍵
雖然容量問題獲得了解決，但速度方面仍需要審慎看待。系統記憶體（DDR5/LPDDR5X）的傳輸速度與專用顯示記憶體（GDDR6/HBM）相比仍有一段差距。
目前 Intel Core Ultra Series 3（Panther Lake）處理器支援 LPDDR5X-9600 記憶體，可提供約 150 GB/s 的頻寬。相較之下，AMD 的 Strix Halo 憑藉 256-bit 記憶體匯流排，可達到 256 GB/s 的頻寬，而 Apple Silicon M5 Max 的 Unified Memory Architecture（UMA）更是一舉衝上 614 GB/s。
Apple 的 UMA 架構最大的優勢在於，它跳脫了 x86 世界傳統的記憶體分區限制，整個記憶體池可以讓 CPU 和 GPU 原生存取，不需要設定硬性分割界線。這使得 Apple Silicon 在 AI 推論效能上始終保持領先地位。
不過對於強調「本地化、隱私化」的個人 AI 應用來說，Intel 這項更新已經足以填補巨大的效能缺口。畢竟對多數使用者而言，「跑得動」比「跑得快」更重要，能用 64GB RAM 的筆電在本地端跑大模型，而不是把資料送上雲端處理，本身就是一大進步。
價格才是真正的殺手鐧
目前市面上搭載大容量 VRAM 的專業繪圖卡價格依然高昂。一塊 NVIDIA RTX 6000 Ada Generation（48GB VRAM）的售價超過新台幣 15 萬元，而 64GB DDR5 記憶體模組的價格僅需數千元。Intel 這套方案讓使用者可以花更少的錢，獲得更大的 AI 模型承載能力。
雖然系統記憶體的頻寬不如專用 VRAM，但對於需要常駐後台的大型參數模型來說，這種「以空間換取可行性」的策略，確實為 AI PC 時代開創了一條更具成本效益的道路。未來隨著 DDR5 記憶體頻寬持續提升，以及 Intel 後續驅動程式的持續優化，這類系統記憶體充當顯示記憶體的方案，或許將成為 AI 運算的主流配置。