Intel Arc Pro B70 四卡 Battlematrix 實測：AI 推論吃電 720W，CP 值仍輾壓 NVIDIA？

四張 Arc Pro B70 齊上陣，720W 功耗嚇人但 CP 值依舊亮眼

Intel 的 Arc Pro B70 顯示卡近期在工作站 AI 推論市場掀起不小的話題，而這股討論的火花，來自德國科技媒體 Hardwareluxx 發布的一篇深度評測，其內容不僅是目前市場上少見針對 Battlematrix 四卡配置的完整實測報告，更揭露這套方案在 AI 推論工作負載下的真實功耗數據，讓外界終於對這款顯示卡的實力有更具體的認識。

值得一提的是，Intel 在 Arc Pro B70 的媒體曝光策略上顯得相當低調保守，僅有極少數媒體獲得完整的四卡測試機會，這也讓這份評測的參考價值格外珍貴。

Hardwareluxx 的測試環境採用一台搭載 Intel Xeon w5-3435X 處理器的工作站，主機板為華碩 Pro WS W790E-SAGE SE，並配置 128GB DDR5 記憶體，顯示卡驅動程式版本為 Arc Pro 32.0.101.8515，測試分別在 Windows 11 與 Ubuntu 系統環境下進行。

首先在功耗表現上，Hardwareluxx 的測試數據顯示，單張 Arc Pro B70 在閒置狀態下僅消耗約 26W，進行 AI 推論工作負載時約為 180.7W，雙卡合計約 367.7W，而四卡配置的總功耗則來到 720.6W。

intel arc pro b70 quad gpu setup needs up to 720w 1

數字乍看之下驚人，但換個角度來看就顯得合理許多。Arc Pro B70 官方標示的最大板卡功耗為 230W，因此四張卡的理論上限應為 920W，而實測的 720W 仍低於這個理論數字。從整體功耗分配來看，各卡之間的用電量相當平均，顯示系統在負載調度上頗為均衡。

在 AI 工作負載的效能測試中，Arc Pro B70 在 Geekbench AI 的成績較 Arc Pro B50 快上約 30~40%，部分測試中甚至可以與 AMD Radeon Pro W7900 一較高下，而功耗卻顯著低於 Radeon Pro W7800 和 W7900。

在更進階的 MLPerf Client 測試裡，Arc Pro B70 在 Llama 3.1 8B 模型的推論速度上達到每秒 93.5 個 token，雖略遜於 AMD Radeon Pro W7900 的 101.8 tokens/s，但首個 token 的回應延遲僅 0.12 秒，明顯優於測試中列出的 AMD 與 NVIDIA 顯示卡。

在圖片生成的 Procyon 測試中，Arc Pro B70 的 INT8 精度每張圖僅需 1.932 秒，FP16 精度則為 3.029 秒，表現相當出色。

記憶體容量帶來的實際效益同樣不容忽視。Hardwareluxx 的測試也指出，雙卡共 64GB 的 VRAM 雖然仍不足以流暢運行部分 120B 等級的大型模型，但升級至四卡、擁有 128GB 顯示記憶體後，這類工作負載終於能以實用的運算速度正常運行。

然而，並非所有事情都如想像中美好。Windows 系統雖然能順利辨識全部四張顯示卡，但測試中使用的工作站及 AI 效能測試軟體，竟沒有任何一套能夠正確地跨多 GPU 進行擴充運算，就連 Blender 也只能使用到其中一張卡。

多 GPU 擴充目前唯一有意義的測試環境，是在 Ubuntu 系統下透過 LMStudio 進行，但由於顯示卡之間缺乏直接的高速互連，只能透過 PCIe 溝通，因此效能擴充的幅度並非線性成長。這個軟體生態系的不成熟，是目前阻礙 Battlematrix 方案進一步發揮潛力的最大障礙。

從市場定位來看，Intel 將 Arc Pro B70 的建議售價定在每張 949 美元，直接挑戰 NVIDIA RTX Pro 4000 的 1,800 美元與 AMD Radeon AI Pro R9700 的 1,299 美元，在 32GB VRAM 這個規格區間提供明顯更具競爭力的選擇。

以記憶體容量換算，Arc Pro B70 的 32GB VRAM 相比 NVIDIA RTX Pro 4000 的 24GB 多出三分之一，在使用 Llama 3.1 8B BF16 模型時，可支援的上下文長度達到 93K token，而 RTX Pro 4000 在 42K token 時便已記憶體不足。這對於需要處理長文本的 AI 應用場景而言，是相當具體的優勢。

綜觀整體測試結果，Intel Arc Pro B70 在 AI 推論領域展現相當不錯的效能與功耗比，720W 的四卡功耗數字雖然聽起來嚇人，卻是在有效利用記憶體容量、運行超大規模模型的前提下所得到的結果，實際效率並不差。

然而，軟體生態系的不成熟以及 PCIe 多卡通訊瓶頸，仍是這套方案走向主流應用的現實障礙。對於預算有限、需要大容量 VRAM 跑本地 AI 模型的使用者而言，Arc Pro B70 無疑是目前市場上最值得認真考慮的選項之一；但若需要穩定的多 GPU 橫向擴充能力，在軟體支援到位之前，或許還需要多一些耐心等待。

延伸閱讀