Nvidia 已将 DGX Spark 芯片引入 Windows 笔记本平台，并命名为 RTX Spark。该芯片支持最高 128GB 统一内存及 CUDA 加速，此前已以其他形态存在。在配备 64GB 内存的联想 Yoga 9n 二合一设备上进行的模型运行、游戏及多任务测试显示，这是一台性能强劲的设备，但在加载模型和调整内存设置后，一些规格表中未体现的问题随之暴露。

内存焊死不可升级，选购需着眼未来

RTX Spark 芯片内存直接焊接在主板上，购买时的配置即为最终配置。该芯片分为两档：低配版拥有 18 核 CPU 和 5,120 个 GPU 核心，最高支持 64GB 内存；满血版为 20 核，最高支持 128GB 内存。

终端产品价格差异显著。搭载 20 核芯片、64GB 内存和 1TB 存储的联想 Yoga 9n 售价约 3,750 美元；配置相同的微软 Surface Laptop Ultra 售价 4,300 美元，升级至 128GB 内存则需 5,900 美元。尽管 Yoga 9n 支持触控笔且价格更低，但其 64GB 内存上限无法扩展，直接影响模型承载能力。

实测中，Windows 报告的最大 GPU 内存总量为 55.4GB（48GB 专用 +7.4GB 共享）。这对 32B 规模模型绰绰有余，但无法满足 gpt-oss-120b 等需约 65GB 内存的大模型需求。建议用户根据未来两年的模型需求选择内存配置，而非仅考虑当前应用。

GPU 内存分割机制复杂，系统资源需权衡

Nvidia 应用允许调整统一内存中 GPU 与 CPU 的分配比例。通常认为分配给 GPU 的数值即为显存，但实际情况更为复杂。当设置为 16GB GPU 分割时，Ollama 加载 Qwen3 32B 模型占用 28GB 内存，GPU 使用率显示 100%，任务管理器显示专用 GPU 内存 15.8GB，共享内存 12.9GB。

调整为 48GB GPU 分割后，专用 GPU 内存使用量增至 29.8GB，但 Windows 可用内存仅剩 14.8GB，且加载模型后占用率达 86%。此举仅带来约 3% 的生成速度提升（从 11.8 tokens/s 增至 12.1 tokens/s）。鉴于 16GB 分割下 Windows 可用内存更充裕（约 46.7GB 总 GPU 内存中），除非模型强制要求更大份额，否则建议保留更多内存给系统。

智能应用控制拦截未签名 AI 工具

Windows 11 默认开启的 " 智能应用控制 " 仅允许运行经过签名或微软判定安全的应用。这对常以 GitHub 压缩包形式发布的本地 AI 工具构成障碍。测试中，该功能拦截了新版 Lemonade 构建版和未签名的 llama.cpp，仅 Ollama 能正常运行。值得注意的是，旧版 Lemonade 未被拦截，更新反而导致失效。用户可在 Windows 安全性中关闭此功能，且微软近期更新允许无需重装系统即可重新开启，建议在构建工具链前慎重决定。

Arm 架构 CUDA 尚处早期，Linux 支持有限

Nvidia 今年才将 CUDA 引入 Arm 架构 Windows，目前 RTX Spark 设备上的 CUDA 13.4/13.5 仍属开发者预览版。虽然基础功能稳固，Ollama 可顺利运行，但底层软件栈存在兼容风险。Nvidia 警告部分 PyTorch 工作流可能触发 GPU 超时，且 vLLM 缺乏原生 Windows 支持。尽管 97% 的头部 Python 包得到支持，用户仍需逐一核查项目依赖的 Arm64 构建版本。

Linux 方面，Nvidia 尚未宣布对 RTX Spark 笔记本提供官方支持。虽有用户在 Asus ProArt P16 上通过修补驱动成功运行 Arch Linux ARM 并实现 CUDA 加速，但这属于概念验证。更现实的路径是使用 WSL2，其在 Yoga 9n 上运行良好，GPU 可见且内存识别准确，但需手动调整 .wslconfig 文件以突破默认内存限制。

综上，RTX Spark 是目前本地 AI 性能最强的 Windows 笔记本平台，但用户需在购机前明确内存需求，合理配置 GPU 内存分割，检查软件栈兼容性，并妥善处理智能应用控制设置。Linux 支持应视为意外惊喜而非既定计划。

【星途科讯 图文丨周鑫雨 首发于 ZAKER 科技，转载请注明出处】