可以试试 Fluid Remote Desktop，宣传的挺好的。我没有 Mac 所以希望有人帮忙试下这个软件，狗头

@ayangshaw #4 这个是客户端，他要的是服务端

上万的笔记本，在满足了基本硬件需求后，才有资格说参数不代表一切。4K 的笔记本参数就是唯一，不存在所谓的参数不好但是综合体验好的笔记本

仔细想想，自己今年买过的数码产品都是在做升级，没有添置新品类

什么是人工智能啊~（战术后仰）

@axiao12 #23 所以你这种需求只能双路至强走起了，1700 又不能双路。。。

@minami #1 其实主要就是回答不要前后矛盾，里面很多重复问你的题

没啥要注意的，正常发挥即可。如果实在非常想通过的话，可以全文背诵华为四大名著，自我洗下脑，提高下姿势水平

E5v3 基本沦为彻底的洋垃圾，买它还不如买锐龙一代的 R7 1700 。。。但你要 matlab 。。。那 Intel 可能还是有神秘加成的。。。

@systemcall #10 跟 RemoteFX 有什么关系？ vGPU 是虚拟 GPU，能把一块物理显卡掰给多个虚拟机用

分配 vGPU---->老哥，英伟达游戏卡是没有 vGPU 功能的，你只能直通

通勤时间极大关系幸福感，你可要想好了。早上 1.5，晚上 1.5，965 秒变 995，doge

草草看了下，原模型是基于 PyTorch 的，那训练就基本告别 I 卡了，如果有模型结构的话，可以尝试导出到支持 I 卡的推理引擎上

nVidia 的 CUDA 是深度学习的事实标准，除了谷歌有自己的 TPU，大部分研究人员都是用 N 卡进行训练的，所以无可取代，毕竟 CUDA 是私有标准
当然 AMD 搞了个骚操作，ROCm 平台可以白嫖 CUDA 的成果，比如你可以在 ROCm 上跑 PyTorch 这样本来是默认 CUDA 后端的深度学习库
Intel 这边，由于显卡比较弱势，主要靠 FPGA 发力。不过也搞了个奇怪的后端 PlaidML，使用 keras 接口，可以在 I/A/N 三家显卡上进行训练
以上这些都是关于深度学习训练的，如果只是推理，倒是可以利用各种推理库，将模型落地到设备上，比如腾讯的 ncnn，可以跑在任意支持 Vulkan 的显卡上，当然 CPU 也可以

我说句闲鱼比手机淘宝还烂不过分吧，连 play 市场都不敢上的屑

你们企业积分不能换购物卡什么的吗。。。

@laincat #19 dmitriRender 是收费的，你买了吗？

为什么总有人想当然以为 ARM 一定比 x86 发热低？性能上去了，发热一定会上去。又不是没有出过 ARM 的桌面 /服务器 CPU，你去看看微软定制的 SQ1，标称 TDP 要到 7W，再看看华为做的鲲鹏 920，标称 TDP 要到 150W （鲲鹏似乎有多种核心规格，这里按网上最低的数据算），它们都用了最新的 7nm，不存在制造工艺落后的问题。如果你们不清楚这个 TDP 是什么水平，那我提醒下，i7-10510Y 和 AMD EPYC 的标称也是这个水平