你还记得搭载Intel N100的低价小型计算模块「LattePanda Mu」（以下简称Mu）吗？这次它迎来了大幅升级，采用了被称为Lunar Lake的Core Ultra 5 226V处理器，推出了「LattePanda Mu Ultra」（以下简称Mu Ultra）。
在正式发布前，我们获得了与其配套的载板「Mini Carrier」组合的评测机，借此机会进行了性能测试并带来了简要评测。
集成14相电源的小型Mu Ultra模块
首先来看Mu Ultra模块本体。正面（CPU面）中央是Core Ultra 5 226V处理器，周围密集排列着14相电源电路，令人惊叹于这块小小基板的高集成度。
Core Ultra 5 226V将内存集成在CPU封装内，因此基板上没有独立内存芯片，这有助于缩小模块尺寸（虽然14相电源电路的面积抵消了部分优势）。
正面还能看到Winbond的「25R256JWEQ」芯片，这是256Mbit（32MB）的串行闪存，估计用于BIOS。相比Mu，Mu Ultra没有搭载eMMC芯片，且我们手上的板子上也没有预留焊盘。
背面装有MPS的「M2940C」，这是一款符合Intel IMVP标准的数字多相电压调节控制器，周围的4颗「MP29001-A」应是配套的电源级元件。此外还有ITE的超级I/O芯片「IT8613E」，与之前评测的「LattePanda IOTA」配置相似。
配备PC机箱前面板针脚的Mini Carrier载板
Mu Ultra采用DDR4 SO-DIMM插槽这一常见零件，设计为供用户将模块集成到自制基板中使用。换言之，Mu Ultra本身无法单独运行，需搭配用户设计的基板。
为了降低开发门槛，官方提供了名为「Carrier」的参考载板，方便用户快速验证产品。此次配备的是较为简化的「Mini Carrier」，相比之前的「Lite Carrier」更轻便。
Mini Carrier正面设有计算模块连接器和CPU风扇接口，背面则配备M.2 2280（SSD用）、M.2 2230（Wi-Fi用）插槽，22针GPIO（支持3.3V和5V电源切换），以及用于控制电源按钮和LED的9针前面板接口，常见于PC机箱。
背面芯片包括Intel的2.5Gb以太网控制器「Intel I226-V」、Winbond的64Mbit串行闪存「25Q64JVS1Q」、USB PD 3.0控制器「ITE IT8851FN12B」负责Type-C供电，以及常见的Realtek音频编解码器「ALC269」。
背面接口涵盖12V～20V的DC输入、两个支持USB PD和DisplayPort Alt Mode的USB 3.2 Gen 2 Type-C接口、HDMI输出、2.5Gb以太网、两个USB 3.2 Gen 2接口、3.5mm音频接口和电源按钮。所有接口均集中于背面。
DC输入采用常见的5.5mm外径/2.5mm内径接口，支持多种电源。也支持USB PD供电、MX1.25-10P电池供电（兼容LattePanda UPS板）以及2mm间距的4针DC输入。使用Mu Ultra时，至少需要50W电源。
Mini Carrier与Lite Carrier兼容，但目前存在部分兼容性问题，官方正在修正。Mini Carrier用OCuLink替代PCIe，且M.2插槽支持2280规格，更方便扩展SSD，能更好发挥Mu Ultra性能。
载板附带两种高度的支撑柱，CPU侧约30mm，另一侧约19mm，方便固定。载板尺寸约92×110mm，螺丝孔间距约66×103mm。
性能大幅提升，应用场景如何？
本次测试安装了Windows 11 Pro，进行了Cinebench 2026、PCMark 10、3DMark和《最终幻想XIV：黄金遗产》基准测试。作为参考，还列出了Mu和搭载Core Ultra 7 256V的日本MINISFORUM迷你PC「K13」的成绩（K13设置为Balance模式，PL1/2均为20W）。
Mu Ultra性能远超基于Intel N100的Mu，尤其在CPU性能上表现突出。与K13相比，3D性能稍逊，原因是K13的Xe核心为8个，而Mu Ultra的226V为7个且频率较低。FF14测试中Mu Ultra反超，可能因该测试对CPU负载较大。Mu Ultra的PL1/PL2功率分别为30W和35W，较高功率设置带来更好表现。
Intel Arc 130V集成显卡游戏性能较强，3DMark成绩也印证了这一点，但将其作为游戏主机并不现实。我们尝试了AI应用，尤其是利用GPU加速的场景。
为了方便AI测试，安装了Ubuntu 26.04.1 LTS（官方支持24.04，但26.04.1同样可用），并通过Claude Code搭建了llama.cpp环境。
Xe2架构虽然3D性能不错，但在大型语言模型（LLM）应用中性能有限。16GB内存限制了可运行的模型规模，最大约为9B（90亿参数）级别。测试中9B模型运行速度约14 tokens/s，较适合Gemma 3n E4B/E2B等中小型模型。
NPU（神经处理单元）往往被忽视，但结合Claude Code后可充分利用。我们让NPU运行Whisper语音识别模型，仅用30分钟便完成了原型开发。即使是高精度的Whisper Large，也能实现12.8倍实时速度的离线转录，适合会议录音等场景。
这意味着可以实现本地化的语音转录→发送至Gemma 3n E4B进行摘要和搜索的工作流程，支持最长1～2小时的上下文窗口（32,768 tokens）。
运行Whisper时风扇噪音较低，但当CPU和GPU满载时风扇全速运转，噪音较大，建议通过BIOS调节功耗或调整风扇曲线以降低噪音。
通过OCuLink扩展GPU，尝试GPT-SoVITS语音合成
我们还尝试将Mu Ultra作为零样本文本转语音（TTS）模型GPT-SoVITS的服务器。
但使用Arc 130V内置GPU时，生成的语音抑扬顿挫异常，日语发音不自然，经过一小时调试仍未成功，网络上也无成功案例，最终放弃。
随后通过OCuLink连接了搭载Radeon RX 7600M XT的日本MINISFORUM外接GPU盒子「MGA1」，该设备支持最高65W USB PD供电和USB 3.2 Gen 2集线器功能，非常适合搭配使用。
连接Radeon RX 7600M XT后，语音合成成功，表现良好。为何Arc 130V无法胜任尚不清楚，期待Intel进一步优化驱动。
连接外置GPU时，内置GPU会自动禁用，导致计算资源浪费，建议BIOS中开启内置GPU，理应默认开启。
理想状态下，NPU负责Whisper语音输入，Radeon RX 7600M XT处理9B级LLM，Arc 130V负责GPT-SoVITS语音输出，构建本地化语音AI代理。但目前最大瓶颈是只能用Arc 130V运行LLM，限制了性能发挥。
如果Radeon显卡资源充足，也可以用它渲染3D助手形象，与GPT-SoVITS共存。
将Mu Ultra作为小型本地AI节点
面对PC价格上涨，扩展主机内存不易，Mu Ultra可作为运行E2B/E4B级模型的实用设备，将LLM处理任务卸载出去。通过网络远程调用，主机内存不受影响，可持续使用本地LLM。
此外，Mu Ultra支持OCuLink，可连接外置GPU进一步提升LLM性能。
内置NPU运行Whisper Large表现极佳，能实现会议语音转录并将文本传递给GPU上的LLM生成会议纪要，整个流程可在这块小板上完成。结合Lunar Lake高能效，Mu Ultra有望成为常时运行的小型AI节点。
