Intel Arc Pro B70实测：消费级大模型推理的新选择

本文对Intel Arc Pro B70 GPU进行了详尽的大模型推理实测，涵盖单卡/双卡配置、多种量化方案、与NVIDIA显卡跨平台对比及MoE架构能效优势分析。该显卡基于Battlemage架构，售价949美元，配备32GB GDDR6 ECC显存，为消费级AI推理市场提供新选择。

NVIDIA长期主导大模型推理领域，Intel Arc Pro B70（Xe2/Battlemage架构）的发布带来新竞争。硬件方面，B70基于完整BMG-G31核心，单卡32GB GDDR6 ECC显存（带宽608GB/s），双卡配置可提供64GB显存，总成本不到2000美元，能运行70B密集或80B MoE模型。测试平台为AMD Ryzen5 9600X+Ubuntu26.04+xe驱动+oneAPI2025.3.3。

所有测试为真实运行，使用llama.cpp的SYCL后端（针对Intel GPU优化），记录功耗计算tokens-per-joule。发现llama.cpp上游默认未启用NDEBUG标志导致预填充慢，修正后速度提升约2倍，已提交PR回馈社区。

实测显示Intel GPU选择SYCL后端更优，生成速度是Vulkan的2.2倍（如Qwen1.5B Q4_K_M：229t/s vs102t/s）。SYCL的MMVQ+reorder路径在解码阶段优势明显，正确后端选择可带来成倍性能提升。

MoE架构在B70上表现出色，每次前向仅激活3-4B参数，以小模型成本获大模型质量。例如Qwen3.6-35B-A3B单卡生成速度54.7t/s，功耗114W；其tokens-per-joule是大型密集模型的3-4倍，推理成本更低。

量化方案测试涵盖Q4_K_M/Q8_0/F16，上游PR修复Q8_0性能问题后，Qwen27B Q8_0速度从4.88t/s提升到15.3t/s。双卡配置主要提升显存容量（非速度），可运行超单卡容量模型（如70B密集、80B MoE），也适合同时运行两个独立模型。

与NVIDIA RTX3090/3080Ti等对比，B70在显存容量和能效比上具竞争力，性价比高。还测试了视频生成任务（LTX-Video、Wan系列模型），记录分辨率/时长性能及显存溢出临界点，为多媒体开发者提供参考。

B70凭借大容量显存、优秀能效比和改进的软件栈，成为消费级AI推理的有吸引力替代方案。建议主要运行MoE模型、注重能效或预算有限需大显存的用户考虑B70。随着SYCL优化和上游改进，Intel GPU表现将持续提升。测试团队还向llama.cpp提交多个PR修复问题，助力开源生态。