3 万块的 RTX Spark 电脑，首发体验来了 !

作者 |  ZeR0

编辑 |  漠影

芯东西 10 月 15 日报道，明晚 20 点，Windows PC 领域将迎来一个标志性时刻——全球首批 RTX Spark 笔记本电脑全面开售。

英伟达创始人兼 CEO 黄仁勋已经在一波华硕 ProArt 创 14 RTX Spark 笔记本电脑上签名，准备作为六城联动首发派对的福利放送。

芯东西这几天持续体验的是老黄签名同款的 "Plus 版 " ——16 英寸华硕 ProArt 创 16 RTX Spark笔记本电脑。

这台电脑仅约 1.79kg，厚度不到 1.3cm，搭配 3K 120Hz OLED 触摸屏，纳米黑机身经过特殊处理能防指纹，颜值很高，体感比 15 英寸 MacBook Air 稍重一点。

其接口配置涵盖 Type-C、USB3.2 Gen2 Type-A、HDMI2.1 FRL、SDExpress7.0 读卡器及音频接口，能满足大部分日常需求。

开盖后，键盘左下角就是醒目的RTX Spark标识。

作为 Windows PC 新物种，RTX Spark 被手画 K 线的皮衣战神黄仁勋冠以 "重塑 PC" 的名号。

它宛如 PC 圈的全能 ACE，实现「游戏本 + 创意工作室 + 个人 AI PC」三合一，跑得起本地模型，玩得转多智能体，干得了专业创作，也能打 3A 大作。

从日常办公、游戏娱乐到编程开发、4K 视频剪辑、3D 建模与渲染、图像和视频生成，以前你在不同类型英伟达 RTX 产品上做的事，这一台 PC 就能包办。

随着 RTX Spark 发布，数千款应用、游戏和型号将同步向用户推出。

本文将全面拆解 RTX Spark 的关键能力：

开发者、创作者、游戏玩家分别能做什么？

英伟达 RTX Spark N1X 芯片的配置与架构细节。

优化智能体全流程，把 PC 变成个人 Token 工厂。

指挥智能体读取和更改电脑设置。

智能体读论文、整发票、辅助评测、编程开发。

微调专属大模型，优化特定性能。

支撑家庭智能体，管够全家 PC 算力。

实现混合智能：本地搞不定的，才分给云端模型。

智能体搞定专业创作全流程，加速创意变现。

助力 AI 改造游戏的渲染、玩法、开发。

▲华硕版 RTX Spark 笔记本电脑中的 N1X 芯片

01.

开发、创作、游戏三合一，

智能体推理性能与 DGX Spark 相当

RTX Spark 把超算级 AI 性能塞进了一台轻薄、便携、功耗低、价格可接受的设备上。

对于开发者来说，RTX Spark 能显著加速开发过程，同时运行多个本地智能体，跑本地模型来执行编程和复杂本地操作，对智能体利用本地硬件的能力做充分优化，还支持访问庞大的英伟达开发工具和软件生态系统。一台机器搞定编程、测试和部署。

据英伟达披露，与上一代产品相比，RTX Spark 在本地 AI 模型运行方面获得4.6 倍的性能提升；模型微调性能提升大约达到2.7 倍；在主要受 CPU 性能限制的工作负载中，也能获得1.8 倍的性能提升。

对于专业创作者来说，RTX Spark 能在几分钟内生成 4K、60fps 视频，实时预览 AI 抠像降噪，渲染超过 90GB 的超大 3D 场景，加速 12K 4:2:2 视频处理。

对于游戏玩家来说，在 DLSS、Reflex 低延迟、Remix、G-SYNC 同步、光线追踪等 RTX 技术加持下，RTX Spark 能以 1440p、超 100fps 运行许多主流游戏。

虽然 Arm 在 PC 游戏生态上还有进步空间，但英伟达的游戏显卡霸主地位稳固。要不说英伟达对 Arm 是真爱呢，没收购成功也力扶 Arm，一边在数据中心领域为 Arm CPU 开疆拓土，一边帮 Arm 敲开 PC 游戏玩家的门。

RTX Spark 有两种产品形态：

RTX Spark 笔记本电脑适用于想用一台设备运行不同工作负载的用户，提供 24GB~128GB 内存配置。

RTX Spark 紧凑型桌面主机适合需要让智能体 7 x 24 小时全天候运行的开发者，提供 64GB 和 128GB 内存配置，将从今年 11 月开始上市。

本地 AI 电脑的选择，关键看内存。根据英伟达推荐的配方，32GB 内存最多能运行 24GB 模型，64GB 内存能运行 36GB 的 Qwen3.8-27B 模型，128GB 内存则能运行 78GB 的 Qwen3.8-Flash-Next 模型（1250 亿个参数）。

我们体验的这台华硕 ProArt 创 16 RTX Spark 笔记本电脑集成了 20 核 Grace CPU、6144 核 Blackwell RTX GPU、板载 64GB 统一内存、1TB 固态硬盘，原生支持 CUDA 生态，FP4 精度下 AI 峰值算力高达 1PFLOPS，运行 Windows 11 Pro 系统，国行价尚未公布，美版售价换算成人民币约 2.94 万元。

与 DGX 产品线相比，RTX Spark 与 DGX Spark 提供的 AI 性能相当，但运行的是 Windows on Arm 系统，DGX Spark 则运行定制 Linux 系统。

在 AA-AgentPerf Local 智能体基准测试中，我们这台 RTX Spark 跟 DGX Spark 的表现相近，使用 Qwen3.8-27B 本地模型跑完耗时 25 分 09 秒，吐词速度是 23Tokens/s，跟 DGX Spark 的表现差不多。

DGX Station 桌面级 AI 超算也将支持 Windows 系统，可支持多人协作的开发团队。

02.

两种芯片配置，最高 6144 个 CUDA 核，

能效是对比方案的 2 倍

为什么 RTX Spark 值得入手呢？

英伟达以一款三年前的戴尔笔记本电脑为例：从它升级到 RTX Spark 电脑将获得3 倍的 AI 算力和16 倍的内存，设备还更轻薄。

下图中，RTX Spark N1X 超级芯片的性能可达到其他 Windows PC SoC 的3~5 倍。

而 RTX Spark N1X，正是所有 RTX Spark 电脑的灵魂。英伟达 CUDA 计算平台和庞大的生态资源，也随着这颗芯片一起，进入了 Windows on Arm 设备。

该芯片有两种配置：

18 核 CPU，5120 核 GPU，24GB/32GB 统一内存。

20 核 CPU，6144 核 GPU，24GB-128GB 统一内存。

两种 SKU 均可在 45W~80W TDP 范围运行。

RTX Spark N1X 超级芯片由两个 Tile 组成。

（1）GPU Tile：采用 Blackwell SM，拥有 6144 个 CUDA Core；配备第五代 Tensor Core，在 NVFP4 数据格式下 AI 算力可达到 1PFLOPS；搭载第四代 RT Core，三角形相交测试处理速率提高了 1 倍；集成 Blackwell 视频编解码引擎，可加速 4:2:2 视频编码和解码。

（2）CPU、I/O 和内存 Tile：由英伟达和联发科共同定制开发，其中 CPU 共有 20 核，包括 10 个能效核和 10 个性能核，每个 CPU 簇均可访问 16MB L3 缓存；集成内存接口，内存通过 256 位 16 通道接口连接，最高数据传输速率达 9400Mb/s，由此实现总计300GB/s 的内存带宽。

CPU 与 GPU 通过 NVLink-C2C 互连，提供600GB/s双向带宽，数据传输能效是 PCIe 传输的25 倍。

一个重要特性是双向缓存一致性，即 CPU 和 GPU 可同时处理相同的数据，并确保各自缓存中的数据副本保持一致。这项技术能简化应用开发，减少软件缓存管理操作带来的额外开销，让 CPU 与 GPU 的通信更高效。

英伟达将 RTX Spark N1X 与传统的独立 GPU + CPU 方案做了对比。对比方案采用的是 RTX 5070 GPU。N1X 的能效是对比方案能效的2 倍。

这样一来，RTX Spark 能在未接电的情况下，以接近满负载的性能状态运行，同时仍为电脑的其他组件供电。

03.

开箱推荐智能体应用，

把 PC 变成个人 Token 工厂

智能体正成为新的用户界面，把 PC 从工具变成能与用户协作的 AI 队友。用户只用说出目标，智能体就能自主完成任务，帮助用户更好地生活、工作、创作和娱乐。

本地智能体的好处很多，包括将隐私数据留在本地，以及在处理复杂 AI 任务时能使用无限量的 Token。

英伟达做了一个简单计算：

一台 RTX Spark 设备全天候运行千问模型 Qwen3.8-Flash-Next，每个月可生成大约 6100 万个 Token，相应电费约为 20 美元。

如果云端使用 Claude Sonnet 5.5 Medium 模型，通过 API 生成同样 6100 万个 Token，每个月大约需要支付 1200 美元。

两者的成本差距相当大。对于高强度使用智能体的用户，这台设备可能在短短几个月内就能收回硬件成本。

因此，RTX Spark 相当于一台能产生可量化经济价值的 Token 生成器，你可以把它看成一座个人 Token 工厂。

RTX Spark 带来了一整套平台能力，包括 AI 模型、开发工具、安全机制及智能体应用，让本地智能体能流畅运行，同时始终处于用户的完全控制之下。

首次启动时，入门指南会推荐 3 款智能体应用，引导用户快速安装和配置自己的个人智能体。

这些智能体配备全新安全沙盒技术：微软MXC能在操作系统层面执行用户对智能体设定的访问限制，英伟达OpenShell可简化智能体对 MXC 的集成。

英伟达推荐在 6 款应用中设置本地 AI，分别是GitHub Copilot、Hermes Agent、Perplexity、OpenClaw、Pi 和 WorkBuddy。其中前 3 款支持混合提示词路由，可在云端与本地模型之间进行智能编排。

6 款应用都简化了本地配置流程。

英伟达本地 AI 推理配方库也提供了针对不同英伟达硬件配置推荐的模型版本、推理后端和配置。（指路：github.com/NVIDIA/local-ai-inference-recipes）

04.

连接 NVIDIA App 本地助手，

让智能体读取和更改设置 .  

我们用的是国产智能体软件 WorkBuddy，安装腾讯优化过的本地模型大小为 15.2GB，需要至少 32GB 内存。点击几下就完成了配置。

在 NVIDIA App 中可自行调整分配给 GPU 的内存容量，64GB 内存配置下最多能分配 48GB。

智能体可通过 MCP 库和命令行界面（CLI）连接到主流的 Windows 应用，这一生态系统已覆盖超过 100 款应用程序、工具和软件库。

NVIDIA App、Broadcast、PAIR、Omniverse、RTX Remix 等英伟达应用也通过 MCP 接口向智能体开放。很多 CUDA 软件库能以 Skill 的形式供智能体调用。

因此，在 WorkBuddy 里连接 NVIDIA App 本地助手，就能实现用自然语言操作查驱动更新、启动游戏、更改设置等各种配置。

我让智能体查看当前 GPU 和应用设置有哪些能够优化的，它给出了检测结果和优化建议，更改配置也能直接在智能体中完成。

WorkBuddy 里还将设一个 RTX Spark 专区，可直接点击 " 驱动速查 "、" 应用优化 "、" 省电静音 "、" 录制截屏 "、" 画面增强 " 等选项。

05.

实测本地智能体替我做事：

读论文、整发票、辅助评测、编程开发

拿顶配芯片来跑日常任务，多少有些大材小用。因此我们重点关注了它运行智能体任务的实际表现。

做论文本地解析和问答，非常轻松。这项能力适合在本地研究一些不能上传云端的保密文件。

整理文件夹里的发票信息并生成汇总表，也能执行。不过增加发票数量后，WorkBuddy 就出 bug 了。

我们还让智能体对照着评测指南，给一个项目的视频脚本提意见，这比我自己逐行对比检查效率高得多。

至于总结 AI 资讯、提炼要点、把流程做成 Skill、设置定时自动化任务，WorkBuddy 就更游刃有余了。

具体到 AI 性能上，在 MLPerf Client 测试中，测试软件开发智能体，平均预期任务耗时 53.296 秒，平均工具执行耗时 9.598 秒。

在更侧重测试 " 速度 " 的 SPEED-Bench 中，跑 11 类任务，大模型平均输入处理速度为 208.59 tokens/s，平均输出生成速度为 31.01 tokens/s，总测试耗时 26 分 56 秒。

运行本地模型时，我们进行了浏览多个网页、文档处理等多任务并行操作，总体顺滑，没有遇到卡顿情况。

从续航来看，这款笔记本电脑内置 99.9Wh 大容量电池，官方标称最长续航 28 小时，可支持移动办公。但根据我们的测试，如果不插电，它并不适合做持续的高强度开发或游戏任务：在性能模式下高负载运行 AI 评测时，电量从 90% 掉到 10%，用时 1 小时 22 分。

在旧金山 RTX Spark 培训会上，我们还看到智能体自主开发模拟控制机器鸭执行动作和用强化学习训练机器鸭踢足球的项目演示，这些开发过程都是在 RTX Spark 本地运行。

英伟达推荐开发者用 RTX Spark 来跑目标导向编程和决策模型。

目标导向编程是直接设定目标和奖励函数，让智能体自己不断迭代，使用本地硬件就不用担心迭代太多轮而导致 API 调用费用飙升。

决策模型的速度可达到传统智能体的200 倍。llama.cpp 和 Unsloth 在 RTX Spark 上均支持决策模型。

下图是一个利用决策模型构建的项目，显示有每一次决策所需的毫秒数，在顶部游戏方块完成渲染之前，模型就已经决定了应该将方块放在哪儿，并让它落下。

Llama.cpp 还发布了一个 Llama Windows 应用，无需进入命令行，点击一下就能在本地下载和运行模型。这款应用也针对 RTX Spark 做了优化。

06.

本地定制专属大模型，

优化特定性能表现 .  

除了推理外，在 RTX Spark 上，你还能对基础模型做微调，来进一步优化模型在特定任务上的表现。

微调能将模型调整成更适合特定任务、更符合需求的输出结果。这个过程需要大量的 GPU 计算资源和内存，通常需要在工作站或云端进行。

RTX Spark 则使本地微调更加便捷。

在 Unsloth Studio 上，选择被训练模型为 Qwen3.5-9B，方案选 LoRA，上传英伟达 FrameView 用户指南的问答数据集来对模型进行微调，目标是生成简短、直接的回答。

训练完后，比较原基础模型和微调模型针对同一个问题输出的答案，可以看到微调模型的输出更简洁。

07.

运行家庭智能体，

一台 PC 管够全家算力 .  

本地智能体不必只运行在一台 PC 上。

RTX Spark 既能运行家庭智能体，又能利用空闲算力，为家庭成员的个人智能体提供共享算力。

以前智能家居要花很多时间来设置和配置各种规则。有了家庭智能体，你可以在一个自然语言交互界面里操控所有智能家居设备，还能利用本地 AI 监控家庭安全，记住生活细节，实时提醒全家的日程安排。

未来一个家庭里可能会有机器人来帮助做家务。在旧金山 RTX Spark 活动上，一个演示是基于 RTX Spark 的本地算力为机器人构建和运行本地模型，通过自然语言发出指令，指挥机器人捡起袜子。从旁边的屏幕上可以看到，机器人能实时感知周围环境，根据当前情况做出决策。

家庭成员们也可将各自的 PC 连接到 RTX Spark：跑一个智能体任务时，可以把相互独立的推理任务拆分到不同设备上并行处理；想在自己的 PC 上玩游戏，就把正在执行的智能体任务转移到 RTX Spark 上。

这些算力资源均由NVIDIA PAIR统一协调。

NVIDIA PAIR 是英伟达打造的一款开源个人 AI 算力路由软件。该工具能自动发现并连接设备，安装模型和推理引擎，在局域网内的不同设备之间智能调度推理任务。通过智能路由，系统能充分利用你的所有计算资源。

08.

实现混合智能：

本地搞不定的，才分给云端模型

很多用户需要云端和本地模型交叉使用，用云端模型做需要顶级性能的任务，用本地模型做需要反复迭代、很消耗 Token 的任务。

对此，英伟达打造了一款开源的模型路由库NVIDIA Switchyard，使智能体能在本地和云端大模型之间智能路由查询，帮助用户最大限度地减少云资源的使用，同时获得与直接在云端运行类似的结果。

智能体收到用户提示词后，会先将请求发给本地模型，同时 Switchyard 中的验证器会发挥裁判作用，一旦发现某项任务无法在本地得到妥善处理、需要更强的推理能力，就将任务升级并转交给云端模型，实现混合智能。

Hermes 将在本月下旬集成 Switchyard。

阿里千问 Qwen 系列模型已经非常优秀了，但运行 125B 模型仍需要用七八十 GB 的内存。

为此，英伟达专为在 RTX Spark 上运行本地智能体而设计了一款 Nemotron 3.5 Bolt 混合专家模型，目标是在速度和智能之间实现最佳平衡。

它拥有 740 亿参数、90 亿激活参数，采用 2-bit 量化，并结合先进的量化感知训练技术来保持模型质量，最终将内存需求压缩到 24GB。

在内存占用相近的情况下，它的速度比多数主流密集型模型更快，智能程度比多数主流 MoE 模型更高。

09.

智能体搞定专业创作全流程，

"AI 抽卡 " 不限量、更省钱  

一套复杂的创作流程，可能要用到很多专业工具。

比如先在 Photoshop 中完成概念设计，再在 ZBrush 中进行数字雕刻，到 Substance 中绘制材质，之后进行角色绑定，在 Blender 中制作动画，然后使用 Unreal Engine 编辑器完成整个场景布局，到 Houdini 中模拟大量特效，接着用 V-Ray 渲染所有内容，再把这些渲染图层导入 Nuke，完成合成后用 Pro Tools 处理声音，最后回到 Premiere 完成视频剪辑、调色，发布作品。

掌握其中的每款工具，都需要投入大量时间。而智能体可以替你操控不同的工具，这样你不需要亲自学习和操作不熟悉的软件，从而大幅扩展能够完成的工作范围。

RTX Spark 最新及即将推出的更新——首发时将支持数千款应用、游戏和模型。其中许多应用已推出支持智能体连接的 MCP 服务器。

Adobe 的顶级应用将迎来最高2 倍的性能提升。英伟达和 Adobe 合作对 Photoshop 和 Premiere 进行了架构重构，以实现 GPU 加速的合成功能，可加快 Photoshop 的图像编辑响应速度，并提升 Premiere 视频编辑的播放、渲染、特效等性能。

新 AI 模型在发布之初就能获得 RTX 加速。NVFP4 可缩小模型体积，同时保持出色的生成质量，并实现约 1.5 倍的性能，从而显著压缩所需占用的内存资源。

对于云端资源拥塞、抽卡费钱的视频生成模型来说，本地运行的好处就非常直观了，没有使用量限制，想生成多少次就生成多少次。所有操作的额外直接成本，基本上就是给电脑供电所消耗的电费。

生成式 AI 创作平台 ComfyUI 现已支持英伟达 RTX Video 帧生成和 HDR 功能，可加速 AI 生成视频工作流程。

例如，将 LTX 2.5 视频生成模型与 NVFP4、RTX Video 帧生成及 HDR 技术结合使用，就能将原本 1080p、30fps 的 SDR 视频片段转换成更流畅的 60fps HDR 视频，并支持导出为 EXR 文件来用于后期调色。

NVIDIA Broadcast 2.3 音视频优化软件可在 RTX Spark 上原生运行，带来了新的 RTX Video 超分辨率、RTX Video 帧生成、离线文件处理和智能体 MCP 控制功能。

NVIDIA DLSS 光线重建技术在 Blender 5.3 版本中推出，以改善视口中的交互性。相比业界领先的 OptiX 降噪器，它能显著提升画面质量。

10.

能玩数百款热门游戏，

支持 AI 改造游戏三大环节

基于英伟达长期积累的游戏硬件、软件和技术支持，RTX Spark 可以玩数百款热门游戏。

通过 RTX Spark，AI 能为游戏的三大环节（渲染、玩法、创造）带来全新体验。

（1）游戏渲染：模型执行速度显著提升的新 DLSS 5 AI 模型将在本周发布；全新 DLSS 帧生成性能模式 Beta 版可通过 NVIDIA App 获取，它将原先用于计算 UI、光线追踪效果等画面元素光流的第二个 AI 模型替换为更快更轻量的算法，可进一步降低计算开销，提升帧率，但会带来轻微的画质取舍。

DLSS 5 仍使用 FP8 数据格式，对处理流水线、AI 模型等做了大量优化，还将模型参数减少 24% 至 1.18 亿个参数，同时降低了显存占用。开启 DLSS 5 后可获得更出色的光照、阴影和细节。

（2）游戏玩法：支持反作弊系统，NVIDIA ACE AI 游戏角色的第三代小语言模型 Nemotron 3.5 Bolt E4B 4GB将于下周发布；游戏 AI 智能体可扮演 AI 队友、AI 助手、AI NPC 等角色，降低玩家的学习成本，提升游戏体验。

Nemotron 3.5 Bolt E4B 4GB 是一款开源模型，利用了谷歌 Gemma 模型系列相关技术，能在 RTX Spark 上高效运行，在对话智能体任务中准确率提升 50%，可使 AI 角色更准确地理解和回应玩家；对话推理模式可配置，支持开发者按需在准确率与性能之间进行调整。

（3）游戏创作：编程 AI 智能体正在大幅提升游戏内容创作效率；Mod 开发者引入智能体来让 NPC 具备更智能的互动能力，让更多游戏兼容 RTX Remix；包含 DLSS 5 支持的 RTX Remix 更新将于下周发布。

英伟达也利用智能体加快了《我的世界》Java 版 Mod 工具包的开发，测试版将于下周发布。这意味着 RTX 技术将进入游戏行业规模最大的 Mod 创作社区之一。

11.

结语：你需要一台 RTX Spark 吗？

总体来看，华硕 ProArt 创 16 RTX Spark 笔记本电脑尤其适合想兼顾本地 AI 开发、内容创作和玩游戏的用户群体。如果只有单一需求，那么其他针对特定用途的电脑或工作站可能性价比更高。

在跑 AI 任务方面，RTX Spark 笔电显然是跟 M5 Pro 版 MacBook Pro 对打了。对于喜欢用 Windows 系统的用户来说，这会是个相当有战斗力的便携 Token 生产机。

如果你是重度本地 AI 用户，天天跟大模型、智能体、软件开发打交道，那么建议直接冲满血 128GB 内存。我们实测下来感觉 64GB 还是受限，七七八八的软件一开，留给本地模型的内存和容量就很吃紧。

现在本地模型的性能，相比云端模型仍然不太能打，有时跑 AI 任务的速度慢到怀疑人生。不过近年来本地模型的智力增速非常惊人，相信未来将大有可为。

这样一台 " 个人 AI 超算 "，你会入手吗？