NVIDIA 桌面 CPU 出师不利，没想到黄仁勋也有 " 翻车 " 的时候。

在年初 CES 2025 展会聚光灯下，NVIDIA 黄仁勋手持一台迷你机大小的 "Project DIGITS" 向世界宣告：这是全球最小的 AI 超级计算机，将彻底改变边缘 AI 的游戏规则。

官方将其命名为 DGX Spark，其采用 NVIDIA 与联发科共同开发的 GB10 Grace Blackwell 芯片，这也被无数媒体解读为 NVIDIA 在牢牢占据 GPU 王座之后，欲加速侵入 CPU 市场。

原本 DGX Spark 的计划是在 7 月正式上市，合作伙伴包括华硕、戴尔、技嘉、惠普、联想、微星。这些厂商也都在准备自己的 GB10 主机，其中华硕预告 7 月 23 日发布搭载 NVIDIAGB10 的 Ascent GX10 主机。

如今八月已至，这款被寄予厚望的设备却杳无音信，据外媒 Wccftech 报道，NVIDIA 和 OEM 厂商都没有任何官宣。在英国，有零售商给出的预计发货时间改到了 9 月 15 日。

NVIDIA 的桌面处理器首秀，意外卡在了起跑线上。硬件巨头的生态之路，可能远比芯片设计艰难。

照例，先谈谈 NVIDIA 这颗桌面 CPU，成色几何。

从华硕公布的数据来看，GB10 作为 NVIDIA 第一款 Arm 架构 CPU，算力约为 1000 TOPS（FP4），并配备了 128 GB LPDDR5X 的统一内存，256-bit 位宽，总带宽为 273GB/s。

单从配置来看，最大的特点就是高达 128GB 的内存，不过 GB10 的内存是直接集成在芯片内部，并不支持单独升级。NVIDIA 给到如此多的内存，其实就是为了确保 PC 的性能可以满足 AI 模型的推理需求，后续或许会增加别的内存规格供大家选择，比如 192GB 版本，以便适配更大参数规模的 AI 模型。

如果不考虑其他因素影响，这个规格的 PC 最高可以在 FP4 精度下运行参数规模达到 200B 的 AI 大模型，如果是 FP8 精度则是 100B 参数规模。虽然与动辄六七百 B，甚至上千 B 的满血 DeepSeek 等 AI 模型无法比，但是已经足够部署一个甚至数个专业垂类 AI 模型。

可能具体参数大家不太能理解，你只需要知道在同等体积下，这个世界上可能找不到比它更强的 AI PC 了即可，

问题在于，这么强的产品，怎么就 " 难产 " 了？

提到 " 难产 "，第一反应就是生产线的问题。根据官方数据来看，GB10 采用的系统级封装技术由 NVIDIA 与联发科联合设计，在单个主板上集成了高性能的 Grace CPU，包含 10 个高性能 Arm Cortex-X925 核心，以及 10 个低功耗 Cortex-A725 核心。同时还融入了 Blackwell GPU，总之 GB10 的集成度非常高。

雷科技猜测，正是因为集成度高，导致在量产时良品率偏低。GB10 这种创新架构虽能突破传统系统瓶颈，却将生产流程变成所谓的 " 多米诺骨牌 "，每一个环节都不能出现问题。

比如，台积电的 CoWoS-L 封装工序需要 17 天完成，内存堆叠环节的温差控制需精确到 ±0.5 ℃，任何环节的波动都可能导致全线停滞。

另外，黄仁勋可能还没搞定 " 如何定价 " 的问题，英国零售商泄露的预售页面显示，基础版 128GB 内存 +1TB 存储定价高达 3600 英镑（约 3.3 万元人民币），高配机型更是突破 4 万元门槛。这个价格虽比传统的 NVIDIA DGX 系统低一个数量级，却仍将普通开发者拒之门外。

在 Reddit 的开发者论坛，预订用户焦虑地表示，设备延期导致他们的边缘 AI 项目被迫搁置，而转向 AWS 云服务的成本将激增三倍。

另外，NVIDIA 面向笔记本的 N1、N1X 处理器最近多次现身跑分软件，但何时发布也是个谜，甚至有说法称推迟到了 2026 年底。

可见，无论产品有多强大，技术创新若无法兑现为可交付产品，愿景都终将成为镜花水月。

历史上，关于 Arm 架构 CPU 的难题确实不少。微软在 Arm PC 领域的十年探索，堪称一部 " 生态长征史 "，投入数十亿美元，却长期陷入兼容性泥潭与量产瓶颈，直到近期才稍有起色，NVIDIA 作为新入局者，面临的障碍只会更加严峻

首先是两座大山，在 CPU 领域，Intel 和 AMD 始终是 NVIDIA 难以逾越的鸿沟。

比如 AMD 就趁机发动了闪电战，7 月 31 日，Threadripper 9000 系列 64 核处理器如期上市，搭配 Radeon AI 显卡形成完整解决方案。不过更致命的是，根据 Mercury Research 最新公布的数据显示，AMD 服务器 CPU 份额在 2025 年 Q1 飙升至 39.4%，虽然这是服务器领域数据，但显示 AMD 在 CPU 市场的全面扩张势头，对 NVIDIA 形成包夹。

AMD 之上，还有一个 Intel。纵横 PC 行业多年，与 Intel 几次交锋的 AMD，尚不能从 Intel 手中抢走太多客户端市场，更不用说新入场的 NVIDIA 了。正如同 Intel 进军 GPU 行业后，发布的几款独显反响平平，NVIDIA 进入 CPU 市场后，想要从 Intel 和 AMD 两大巨头手中抢走份额，难度同样很高。

除了两大巨头在前，NVIDIA 进军 CPU 领域，还要面临一大难题——软件生态。

微软虽在不断补足 Windows On Arm 生态，但现阶段原生 Arm 架构的应用依然太少了。在实际使用中小雷发现，32 位的 X86 架构应用转译到 Arm 平台后，性能损失严重，会出现明显的卡顿，64 位软件和部分游戏转译后则会直接卡死，而且各类 BUG 不少，十分影响日常使用。

当然，这只是针对消费级市场而言，在企业级市场，GB10 尽管首战延期，DGX Spark 代表的技术方向仍具颠覆性潜力，基于 GB10 的设备可在 55 瓦功耗下实现 1 PetaFLOPS 的 FP4 算力，这种统一内存架构消除数据搬运瓶颈的特性，正是边缘计算的决胜棋。

根据 IDC 预测，到 2026 年 15% 的高性能台式机将转向此类异构架构，市场规模突破 240 亿美元。

NVIDIA 押注的赛道没有错，只是起跑慢了。

在雷科技看来，迷你化的 AI 工作站必然会成为未来的趋势之一，就像普通计算机从原本占据整个房间的设备，变成能被随身携带。随着 AI 的需求增长，AI 工作站也必然会出现类似的变化：个人化、便捷化、一体化，如此才能更好地迎合 AI 普及的需求。

就在 NVIDIA 陷入延期困境时，竞争对手已开始瓜分市场。

AMD 的 Threadripper AI 方案如期而至，Intel 的反击也在酝酿，高通的下一代芯片虎视眈眈。NVIDIA 因延期失去的先机，正被对手迅速填补，时间，已成为比金钱更稀缺的资源。

而此时 NVIDIA 面临的生态困境，比微软当年更甚。

后者至少拥有操作系统厂商的深度绑定和长期磨合。而 NVIDIA 虽在 GPU 驱动和 CUDA 生态上建树颇丰，但在消费级 CPU 的软件栈构建、与海量独立软件开发商的深度合作上，近乎从零开始。其引以为傲的 AI 开发者生态，能否无缝迁移并支撑起一个全新的 Arm 桌面平台，仍是巨大的问号。

Arm 生态的本质是 " 合力工程 "，操作系统、硬件平台、应用开发缺一不可。

破局的关键在于，NVIDIA 能否找到一条 " 生态速成 " 的捷径？

个人拙见，我认为 NVIDIA 在 GPU 领域的成功，很大程度上源于其定义了标准（CUDA）并建立了近乎垄断的垂直生态。但在 CPU 领域，尤其是与庞杂的消费级 Windows 生态对接时，这种模式行不通。

GB10 纵有千 TOPS 算力，若用户日常使用的核心软件（如 Adobe 套件、专业工具）无法原生流畅运行，或陷入 32 位应用卡顿、64 位软件崩溃的 " 转译地狱 "，其颠覆性性能将沦为纸上谈兵。用户体验的割裂，是性能参数无法掩盖的硬伤。

因此，在壁垒森严的 CPU 战场，强如 NVIDIA，也无法仅凭一己之力颠覆游戏规则。

NVIDIA 也深知这个潜在危机，因此 DGX Spark 与主流 PC 产商合作，但华硕、戴尔等合作伙伴的耐心并非无限。延期已打乱其产品节奏，高昂售价更限制市场接受度。NVIDIA 需拿出更灵活的商务策略，甚至开放更多定制空间，与 OEM 形成真正的风险共担、利益共享体，而非简单的芯片供应商关系。

另外，可以与微软结成更紧密的 " 攻守同盟 "，共同投入资源，强力推动关键应用的原生 Arm 版本落地，并大幅优化转译层效率。这需要真金白银的投入和强大的谈判能力。

按照现在流行的说法，就是所谓的 " 生态协同 "。NVIDIA 若无法放下 " 单打独斗 " 的执念，其桌面 CPU 的雄心恐将止步于边缘计算的市场，难以撼动 Intel 与 AMD 把持的主流格局。

毕竟在 CPU 这个领域，" 个人英雄主义 " 是行不通的。