有11-14 代酷睿处理器或Intel独显的请进！

英特尔显卡上免安装运行Ollama整合包

Intel Ollama 使用教程

这篇教程将带你了解如何利用 ipex-llm 技术，在你的英特尔（Intel）显卡上直接运行 Ollama，无需复杂的安装过程。我们使用的是一个"便携版"的 Ollama，解压即用，非常方便。

这个方法主要适用于以下搭载英特尔处理器的设备：

• Intel Core Ultra processors (酷睿 Ultra 处理器)

• Intel Core 11th - 14th gen processors (第 11-14 代酷睿处理器)

• Intel Arc A-Series GPU (锐炫 A 系列显卡)

• Intel Arc B-Series GPU (锐炫 B 系列显卡)

为了获得最佳性能，建议你先将英特尔显卡驱动更新到最新版本。可以参考这篇教程进行更新：Windows下Ollama最新优化指南：充分压榨你的硬件性能_学术FUN

首先，请从这里下载我们为你准备好的 IPEX-LLM Ollama 便携整合包：Intel独立/集成显卡运行DeepSeek、Qwen3、Gemma3整合包！_学术FUN

下载完成后，将压缩包解压到任意文件夹。我们已经为你准备好了一些常用模型（如 DeepSeek）的一键启动脚本，你只需要找到并双击它，程序就会在后台运行。

启动成功后，你就可以打开命令行工具，开始与 Ollama 交互了。

打开任务管理器，查看是否有占用intel显卡显存

性能测试对比

看懂性能：测试结果意味着什么？

从上述性能测试数据中，我们可以得出以下几个关键结论：

1. "氪金玩家"：高端显卡（5090D）依然是速度之王

不出所料，作为对比测试中的顶级显卡，5090D 的性能全面碾压了英特尔的核显。无论是在理解你的问题（提示评估），还是在生成答案（评估）时，速度都快了不止一个档次。

• 以 qwen3:32b 模型为例，5090D 的生成速度（49.84 tokens/s）大约是 U9 285K 集显或 CPU（约 3.08 tokens/s）的 16 倍。

• 结论很简单：如果你追求极致的运行速度，想让 AI 秒回你的问题，那么高端独立显卡依然是目前最好的选择。

2. "性价比之选"：英特尔核显与 CPU 的较量

这部分是本次测试的重点，它告诉我们用英特尔核显跑大模型到底效果如何：

• 理解问题的速度：在"听你说话"这个环节，CPU 的反应速度要比核显快一些，大约是核显的 2 到 3 倍。这意味着，当你输入一个长问题时，用 CPU 计算会更快地"读完"并理解你的意图。

• 生成答案的速度：在"开口说话"这个环节，也就是 AI 开始一个字一个字生成回答时，核显的表现和 CPU 几乎一模一样，打了个平手。从数据上看，两者速度差别极小，日常使用中基本感受不到差异。

结论：英特尔核显，够用且好用！

如果你使用的是酷睿 Ultra 这样的新一代英特尔处理器，那么恭喜你，用核显来跑大模型完全没问题。

虽然核显在"听懂问题"上比 CPU 稍慢，但在更关键的"回答问题"速度上，它和 CPU 水平相当。这意味着你可以放心地把运行 AI 的任务交给核显，把强大的 CPU 解放出来去处理其他工作（比如玩游戏、开直播），两不耽误，而且 AI 的回复速度并不会变慢。

一句话总结：核显跑Ollama还不如CPU，垃圾，不过有Intel独显的可以试试！