Bilibili World现场，NVIDIA祭出史上最夯“轻薄本”RTX Spark

作者毛烁今年Bilibili WorldBW最难排的队不是谷子动漫周边也不是Coser的合影而是NVIDIA的“GeForce 超级玩家体验站”。让展台人气爆棚的除了限量发售的RTX 5080公版卡更有代表NVIDIA未来个人AIPC方向的重磅产品——RTX Spark 。就在今年 5 月的COMPUTEXGTC Taipei 2026上NVIDIA正式发布了面向 Windows 平台的RTX Spark平台。这是NVIDIA首次将自家的AI超级芯片、RTX 图形能力以及统一内存架构整合进Windows PC中开拓出一条全新的技术路线。而此前已经发布的 DGX Spark则继续承担面向开发者和AI原生应用的桌面超算角色。最高128GB 的统一内存14 毫米的厚度在完全断网的情况下本地运行120B1200亿参数MOE模型……NVIDIA这哪里是在发轻薄本这分明是给每个玩家和创作者按头发了一台7x24小时待命的“私人超级算力节点”。这一次NVIDIA将这些产品首次以实机形态展现在国内玩家和开发者面前。从轻薄的RTX Spark到桌面级个人AI超算DGX SparkNVIDIA将它们全部搬到了“GeForce 超级玩家体验站”的展台上让所有人亲手体验。01 填平PCIe鸿沟RTX Spark的“零拷贝”底牌RTX Spark最关键的技术优势是NVIDIA的片内互连技术。CPU与GPU之间可以通过NVIDIA自研的NVLink-C2C片间互连总线进行通信提供远高于PCIe的带宽和远低于PCIe的延迟。围绕计算核心RTX Spark平台系统封装了最高128GB的LPDDR5X统一内存带宽达300 GB/s。这套设计可实现CPU和GPU对同一物理内存空间的统一寻址Unified Memory Addressing即两者共享同一个地址空间无需数据拷贝即可直接访问内存中的任意数据对象。截取自NVIDIA官网从系统软件视角来看这意味着三件事1. 载入内存的大模型权重或3D场景数据CPU和GPU均可直接按虚拟地址访问无需在RAM和VRAM之间做显式拷贝Zero-copy。2. 数据在CPU和GPU间传递时仅通过NVLink-C2C传递访问权限、缓存一致性消息无需迁移大量数据。3. 内存容量统一为128GB远大于任何独立显卡的本地显存彻底消除了页交换机制的必要性。换句话说这种统一内存架构从根本上消除了传统分离式架构的数据冗余和传输延迟使得GPU可以持续满载执行计算任务不受PCIe带宽制约。在这套统一内存架构之上RTX Spark的算力配置同样为大模型负载而设计。其第五代 Tensor Core在FP4精度下可提供1 Petaflop的峰值性能。放在今天的AI PC市场这几乎是断层式的数字。目前主流自称AI PC的NPU普遍仍停留在几十TOPS即便是依靠GPU参与计算整机AI算力能够达到数百TOPS就已经属于旗舰级产品了而 RTX Spark将这一数字直接推高到1000 TFLOPS级别。可以说RTX Spark为个人高性能AI电脑重新划下了定义。具体来看RTX Spark在两个维度上同时区别于依赖NPU的传统 AI PC1. 内存体系上统一寻址与数据零拷贝让数百亿参数的模型得以完整驻留、直接访问。2. 算力供给上专为推理设计的FP4 Tensor Core为这些模型提供持续的计算吞吐。前者决定了模型“能否装得下并跑起来”后者决定了“跑起来之后的效率”。两者共同构成了本地运行大模型的完整条件也是“GeForce 超级玩家体验站”中实操演示的底层基础。02 “掀翻”x86牌桌拔电运行UE5光追高画质跑《永劫无间》底层原理清晰了接下来也该看看RTX Spark在现场演示的场景里究竟能跑什么。在“GeForce 超级玩家体验站”展台的demo演示中NVIDIA 专家在RTX Spark上跑起了Unreal Engine 5 构建的“Unreal City”超大型3D虚拟场景。熟悉这一场景的人都清楚Unreal City内部包含多达10亿个多边形实体数字资产的丰富度与复杂度极高。放在过去这种量级的场景只能跑在塔式工作站上插上顶级专业卡才能勉强流畅预览。而demo演示过程中NVIDIA 专家在错综复杂的城市建筑集群中自由切换视角从微观街道瞬间拉升至高空俯瞰整个过程几乎没有掉帧。与此同时NVIDIA专家还开启了光线追踪全局光照、软阴影、环境光遮蔽、复杂物理反射与透明反射等多项高负载光影效果。这样的实时渲染流畅度在传统x86 游戏本上几乎是难以实现的。事实上同时开启多项光线追踪效果并在庞大的城市场景中高速切换视角对GPU而言最大的挑战并不是计算而是数据访问。这要求GPU必须持续获取海量场景资源如果数据不能始终驻留在可快速访问的位置就会因为频繁加载和传输而影响渲染流畅度。这恰恰进一步体现了RTX Spark平台128GB 统一内存架构的优势整个3D场景得以完整驻留在统一内存池中GPU 按需直接访问无需反复在系统内存与显存间搬运材质与几何数据因此即便高速切换视角也不会因材质重载、资源串流而出现明显卡顿。演示过程中还有一个细节令人印象深刻。NVIDIA 专家直接拔掉了电源整套演示随即切换至电池供电但画面的帧率和流畅度几乎没有发生变化整个渲染过程依旧稳定。这意味着RTX Spark的性能释放并不依赖持续的大功率外接供电。凭借更高的能效其在电池模式下依然能够支撑复杂的实时渲染负载而不是像传统高性能工作站那样一旦脱离电源便迅速降频。这也进一步说明实时光追和超大场景渲染并不是建立在高功耗、高散热的前提之上而是在能效与性能之间取得了更好的平衡。硬件之外基于Blackwell平台的RTX Spark还搭载了神经网络渲染技术NVIDIA DLSS 4.5。NVIDIA DLSS 4.5以插件形式直接接入Unreal Engine 5编辑器其中最核心的升级是全新的Ray Reconstruction光线重建。借助第二代Transformer模型和第五代Tensor Core它能够在复杂光追场景下实时完成高质量去噪在提升画质的同时减少性能损耗再配合 Super Resolution超分辨率技术兼顾高帧率与高画质。截取自NVIDIA官网截取自YouTube如果说 Unreal Engine 5 展示的是创作能力那么现场另一项 Demo则把目光放到了游戏体验上。这也是RTX Spark首次在国内面向玩家进行游戏实机演示。现场运行的《永劫无间》为DGX Spark和Windows on Arm做了原生适配。开启全景光线追踪后刀光、水面反射、人物阴影以及环境光照全部按照物理规律实时计算整个战斗过程依旧保持流畅并没有因为特效全开而出现明显掉帧。这背后离不开NVIDIA DLSS多帧生成技术。其通过 AI 在两个真实渲染帧之间生成额外画面在保证画质的同时进一步提升帧率让高规格光追与流畅操作能够兼得。对于一台轻薄设备而言这样的表现已经足够令人惊喜。不过与传统x86 游戏本不同因为RTX Spark采用的是Arm 架构这也意味着它除了要解决性能问题还要面对游戏生态的挑战。目前绝大多数PC游戏仍是围绕x86 架构开发迁移到Arm平台并不能直接运行还需要开发者逐款完成适配。《永劫无间》能够流畅运行正是官方针对RTX Spark 平台进行了专门优化。目前RTX Spark 的生态正在逐步完善。按照NVIDIA的规划随着RTX Spark于今年秋季正式上市将有更多商业游戏陆续完成Arm版本适配游戏阵容也会不断扩大。当然芯片再强也需要生态支持。所以RTX Spark这次不是单枪匹马登场而是拉着一整个生态一起来的。目前有多家Windows ISV和游戏厂商在适配 RTX Spark平台。硬件这边RTX Spark的笔记本和小型桌面主机官方定档今年秋季开卖。首发七家合作伙伴华硕、戴尔、惠普、联想、微星宏碁和技嘉随后跟上。03 不敲一行代码DGX Spark用免费Token接管个人生产与RTX Spark一同在“GeForce 超级玩家体验站”展出的还有更早发布的DGX Spark。相比硬件参数本次展示的几个Demo同样能说明其定位。现场演示的Demo采用通义千问开源模型Qwen3.6-35B由于是MoEMixture of Experts架构虽然模型总规模达到350亿参数但每次推理实际每token只激活约30亿参数再配合DGX Spark的128GB 统一内存和Blackwell支持的NVFP4推理加速能够轻松完成本地推理。展示的四个Demo也分别对应了四类典型的智能体工作流。第一个 Demo 展示的是“草图生成网页”。NVIDIA专家拿起纸和笔随手画出了黄仁勋经常提到的“AI 五层蛋糕”框架。画完后他把草图举到摄像头前DGX Spark上运行的本地视觉模型立即识别整张草图的结构、文字和层级关系并将这些信息交给后台智能体。随后智能体自动调用代码生成工具将识别结果转换为网页布局和前端代码。几乎与此同时右侧预览窗口开始实时刷新HTML、CSS等代码开始生成浏览器中的页面也同步呈现。整个过程中没有敲一行代码也没有任何人工干预。从一张手绘草图到一份可以直接运行的网页整个流程都在本地自动完成。第二个Demo展示的是跨语言办公能力。NVIDIA 专家对着麦克风用中文讲述了一段参展感想内容包括展会进展顺利、现场演示取得成功以及对团队成员的感谢。随即部署在DGX Spark上的智能体开始工作首先完成语音识别将中文语音实时转换为文本随后理解整段内容的语义和上下文梳理事件逻辑最后结合商务邮件的写作规范自动生成一封语气自然、表达得体的英文邮件。整个过程只用了几秒钟。对于用户而言不需要切换翻译软件也不用自己组织英文表达只需用中文说出想法一封符合商务场景的英文邮件便自动生成。第三个Demo则把本地 AI 的应用延伸到了远程生活场景中。NVIDIA专家模拟外出就餐通过自定义接口和界面连接配置好的公网接口并访问DGX Spark并发送了一张大众点评上的菜单截图。收到图片后部署在DGX Spark上的本地视觉模型首先识别菜单中的菜品及相关信息再结合预先导入的“个人健康指标知识库”进行分析综合评估不同菜品的营养结构及饮食风险。随后智能体给出一份点餐建议明确哪些菜更适合当前的健康状况哪些菜则因为盐分、糖分或其他指标偏高而建议避免。整个过程无需将个人健康数据交给云端而是由DGX Spark完成本地分析再通过远程连接将结果返回到手机实现了人在外、AI 在家的智能辅助。对于私密性要求不高的场景也可以通过飞书等IM软件接入更加方便易用。最后一个Demo则更接近真实世界的视觉理解。NVIDIA专家拿起一个插座对着摄像头提问“这个能不能插我家16A的空调”随即部署在DGX Spark上的视觉模型会先识别出插座的外观特征和规格再结合插头标准、电流规格等专业知识进行推理判断出这是仅支持10A的普通插座无法承载 16A 空调的负载并立即给出了安全风险提示。这并不只是简单的图像识别而是让AI先“看懂”真实世界中的物体再结合专业知识完成分析和判断。总体看四个Demo分别覆盖网页生成、跨语言办公、个人健康助手以及现实世界视觉理解场景看似各不相同但背后却都有一个共同特点就是数据始终留在本地。利用DGX Spark无论是识别图片、理解语音还是调用智能体执行任务数据都可以在本地模型上完成处理无需默认上传至云端或者消耗任何token费用。而支撑这一切的是DGX Spark的硬件底座其128GB统一内存能让CPU与GPU共享同一块内存池消除了数据搬运的瓶颈配合第五代Tensor Core对NVFP4 4-bit精度的加速最高可提供1 PFLOP的FP4算力足以在本地跑起最高200B参数的大模型这意味着许多过去只能依赖云端的推理任务如今可以完整地留在这台桌面设备上完成。与此同时NVIDIA还内置了Playbook教程以及Web UI搭建指南即使没有太多开发经验也可以按照流程逐步部署属于自己的智能体。写在最后过去四十年PC始终是一台等待人发号施令的机器。鼠标、键盘、窗口是人与计算机交互的全部入口。而RTX Spark 想改变的正是这种延续了几十年的计算范式用户只需要提出目标剩下的工作交给运行在本地的智能体Agent自主拆解、规划并执行。从另一方面说RTX Spark的出现也是对过去两年“AI PC”的一次颠覆。它不同于传统PC增加几个AI功能而是以128GB统一内存架构以及远超以往的能效比让轻薄设备第一次具备了本地运行千亿参数大模型、实时处理复杂3D场景的能力。从这一点上看或许从RTX Spark开始才是个人本地AI的真正起点。至于其能否真正开启PC的下一个四十年还需要等到今年秋季正式上市之后由开发者、玩家和市场共同给出答案。