在今年的GTC Taipei 2026大会上,NVIDIA正式宣布与微软合作推出面向智能体的全新计算平台——RTX Spark。作为将AI落向个人电脑的关键一步,RTX Spark将本地大模型、AI创作与3A游戏等统统装进一台紧凑型桌面主机或笔记本电脑之中,主打让PC从被动的工具进化为能主动协作的队友。
时隔数月,在11月11日于上海举办的RTX Spark媒体分享会上,NVIDIA展示了多款RTX Spark笔记本电脑和紧凑型桌上主机。我们有幸在现场聆听了NVIDIA对RTX Spark硬件架构、创作与游戏生态等方面的详细讲解,并通过实机体验,直观感受到他的本地AI大模型在创作与游戏等多方面应用中,能为用户带来怎样的实际体验提升。
整场分享会的核心主题,基本可以用上图简单概括。图片主体部分正是RTX Spark目前主打的四大应用场景:生产力、创意、编程与游戏。而图片上方的“Agents Transform PCs from Tools to Teammates”,这句标语在现场反复出现,也正是RTX Spark的核心优势之一:首次将本地AI助理从主打执行任务的工具,变成了不用联网就能充分理解你、帮你工作帮你分忧、并安全性颇高的AI智能体队友。
那么RTX Spark是如何将“工具”进化成“队友”的?问题的答案就藏在本场分享会中——NVIDIA从底层硬件规格与使用成本,到创作与游戏生态等方面的全面铺开,用多个层面共同拼出了RTX Spark“从工具到队友”的完整逻辑。
从工具到队友,RTX Spark究竟是如何做到的
在硬件规格方面,RTX Spark的核心是一颗名为N1X Superchip的SoC,该SoC由NVIDIA Blackwell RTX GPU与NVIDIA Grace CPU相结合,二者通过600GB/s带宽,并支持双向一致性的NVLink C2C互联,共享至高128GB的统一内存。
其中CPU部分采用至高20核的NVIDIA Grace CPU。而GPU部分为配备了至高6144个核心的NVIDIA Blackwell RTX GPU,该GPU提供至高可达1 PFLOP的FP4 AI算力,内含第五代Tensor Core、第四代RT Core与24MB L2缓存。GPU还集成了Blackwell视频引擎,支持4:2:2编解码、AV1 UHQ与两倍速H.264解码,可满足专业创作工作的编解码需求。
另外在移动使用场景方面,NVIDIA还进一步展示了RTX Spark笔记本电脑在电池供电与插电状态下的性能对比。数据显示在游戏、3D渲染和图像生成等工作负载中,两种供电状态下的性能差异仅约1%。这意味着与常见笔记本电脑不同的是,RTX Spark笔记本电脑用户在不插电时,也能获得接近满载的计算性能。
在硬件规格之外,NVIDIA在软件技术支持与开发工具方面的多年积累也为RTX Spark打下了坚实的技术基础。
在游戏方面,DLSS、Reflex、Remix、ACE与G-SYNC,外加持续更新的Game Ready驱动可为玩家提供出色游戏体验;内容创作方面,NVENC、DLSS、OptiX、Broadcast、RTX Video、CUDA与Studio Drivers可大幅提升内容创作者的创作效率;本地AI方面,NVFP4、Tensor Core、CUDA与Day 0 Models的强强联合,可给予AI用户更加高效与舒心的使用体验。三套能力共用同一颗芯片,正是RTX Spark能把“工具”变成“队友”的技术地基。
在使用成本方面,NVIDIA亚太区技术市场总监Jeff Yen先生在分享会现场采用了一张简洁清晰的成本对比图:在同样每月输出6100万token的前提下,走云端默认方案(Claude Sonnet 5.5 Medium)需支付约1200美元的API费用,而在RTX Spark上本地运行Qwen3.8-Flash-Next模型的每月电费仅需约20美元,差距极大。
这组对比之所以让人印象深刻,是因为其点明了RTX Spark的核心优势——所有AI推理都在本机完成,无需联网调用云端API。所有AI推理都在本地运行可以一次性买断硬件,有效节省云端按量付费的token成本,此后电费成了主要开销,用得越多反而越划算。
不仅如此,在隐私与安全方面,由于文档、代码、照片等敏感数据全程留在机器内部,不必上传到远端服务器,既规避了数据外泄的风险,也不受云端服务中断、账号受限等外部因素牵制。加上本地调用省去了数据往返云端的网络延迟,不仅响应更快,而且断网也能照常工作,真正做到把AI从云端拉回桌面,为用户提供了一种数据自主且成本可控的使用方式。
为支撑“开箱即用”的本地AI体验,NVIDIA承诺在三周内上线8款Day-0模型,包括拥有100万token内容的Nemotron 3.5 Super-VL-120B、专为RTX Spark打造的Nemotron 3.5 Bolt-74B、主打智能体编程与工具调用的Ripple-65B等,并在llama.cpp、Ollama、LM Studio、Unsloth、ComfyUI等主流框架上实现首日适配。
在游戏生态方面,目前RTX Spark已确认支持的游戏阵容覆盖了电竞、3A大作和国产网游等多个领域,并且该阵容还在持续扩充。在分享会现场给到的信息中,还有六款支持包括DLSS 5等在内新技术的游戏已经或即将迎来对RTX Spark的支持。
其中值得一提的是《漫威争锋》(Marvel Rivals),这款游戏明确标注了“Native Windows on ARM on Nov 13th”,即11月13日带来Windows on ARM原生版本。原生适配可以说是当下RTX Spark游戏生态的重要门槛——对Windows on ARM PC来说,靠模拟器“能跑”只是第一步,厂商愿意专门编译原生版本,才意味着这个平台被当成了正式的目标市场,而非需要将就的兼容对象。从“能跑”到“原生”,可以说是整个Arm游戏生态从可行性验证走向商业认可的关键跨越。
在内容创作方面,Adobe Photoshop、Premiere、Illustrator、InDesign集体更新适配RTX Spark的Beta版本,其中PS带来本地AI移除工具,Illustrator原生性能提升最高30%,Blender 5.3则加入了DLSS 4.5光线重建。
从纸面到实机 RTX Spark都能在哪些地方放光发热
在分享会的现场体验区,最吸睛的当属几台机器人演示。其中一侧展台上摆着两台巴掌大的小型双足机器人,笔记本屏幕上展示的是强化学习页面。
现场工作人员向我们实际演示了它们的步态训练过程,他一边让机器人在地毯上来回行走,一边进行讲解。其中位于左侧的机器人在地毯上行动时不是很稳定,工作人员讲解称此前训练时是在硬质地面上进行,而当前地毯较软,机器人的脚会直接陷进去,导致无法稳定行走,经常摔倒,不过即便摔倒也会迅速自主起身并继续完成此前指定的命令。工作人员称如若想让他在柔软地毯上行动自如,可以向后调节头部位置,再根据它前倾的角度动态调慢移动速度。
而另外一只黑色的机器人由于设计不同,其在柔软地毯上走的虽然也不是特别流畅,但是基本可以行动自如。
另一边演示区有一台戴着围巾的银灰色人形机器人站在场地中央,该机器人头顶架着笔记本电脑,屏幕上实时渲染出一个虚拟女生形象,用户可直接跟笔记本电脑中的女生进行语音互动,该机器人屏幕中的场景会随之运动的同时,机器人的身躯也会根据一些指令做出实时反馈运动。
创作演示区则展示了基于本地算力的视频工作流,一段舞蹈视频通过AI完成换头、衣着与妆造等方面的更换处理,最终输出了符合作者需求的4K高清万圣节舞蹈成片。
工作人员称整个流程均在RTX Spark实机上跑通,凸显出本地AI模型与128GB统一内存对高分辨率视频生成的强劲支撑。
现场还设计有游戏体验区,屏幕上运行着各类游戏,媒体可随时上手,直观感受RTX Spark在游戏场景中的实际表现。
对玩家来说,RTX Spark把整套RTX技术栈塞进一台紧凑机身,意味着DLSS超分辨率与多帧生成带来的帧率提升、Reflex带来的低延迟,以及DLSS 5与光线追踪带来的画面提升等,都能在这样一台小机器上同时兑现。RTX Spark让玩家不靠外接显卡坞,也不牺牲桌面空间,就能获得完整且流畅的RTX游戏体验。
现场演示中还有运行着WorkBuddy的RTX Spark实机,现场工作人员正用它演示本地智能体如何调用工具、串联任务。在128GB统一内存的加持下,大模型得以常驻本地、随时响应,永远在线的私人AI照进现实。
本次的媒体分享会让我收获颇丰,NVIDIA RTX Spark用一颗芯片把本地大模型、AI创作与3A游戏等捏合进一台紧凑机器,搭配高达128GB的统一内存,再结合NVIDIA多年来硬件、软件与开发工具集合的积累,让用户在不牺牲桌面空间就能获得完整且流畅RTX游戏体验的同时,还真正做到将原本只有在云端才能享受到的AI体验搬到了本地。
不夸张的说,RTX Spark的到来真正做到了重构本地AI PC,并让“个人AI工作站”第一次有了清晰的产品形态。当数据不必离开桌面、AI推理不再依赖网络,PC从工具蜕变成队友的同时,一个数据自主、成本可控的个人算力中心也被一并打开。










