这几年各大厂商都在聊 AI PC，但说实话，很多打着 AI PC 的产品，其实都只是在系统中装了个 AI 软件，深度一点的也就整个端侧录音转写等小功能，与多数人想要的 "AI PC" 区别颇大。

在雷科技看来，核心原因就在于过去的 PC 硬件架构，本质上还是为了 " 人一步步点鼠标下指令 " 设计的，压根没准备好迎接真正能自己干活的 " 本地 AI 智能体（Agent）"。传统硬件架构下，想要真正在端侧跑大模型，基本只能用搭载高端显卡的台式机或机身厚如砖的高端游戏本。

那么，AI PC 难道在移动端真的行不通？并非如此，随着联发科与 NVIDIA 联手打造的 NVIDIA RTX Spark 正式上市，这个问题终于有了新的答案。

NVIDIA RTX Spark 搭载了多达 20 核的 Grace CPU，这颗 CPU 正是联发科与 NVIDIA 深度合作开发的成果。熟悉芯片行业的朋友都知道，联发科在高性能、低功耗 SoC（系统级芯片）设计上有着深厚的技术积累。

这次联发科将 CPU 集群、一致性互连架构、内存控制器，以及 USB、PCIe 等关键系统功能全部整合进了单个芯粒（Chiplet）中。这种紧凑的高集成度设计，让芯片同时兼顾了小尺寸、高能效比与强悍性能，使 PC 在保持高性能的同时仍然能够做得轻薄便携，让玩家、创作者和开发者等对性能有高要求的用户可以随时随地使用。

当然，更关键的还是内存部分，玩过本地大模型或重度 3D 创作的朋友都知道，算力只是决定模型推理快不快，而内存容量却直接决定 " 模型能不能用 "，如果连运行都不行，那再强的算力也没用。所以，联发科专门为 NVIDIA RTX Spark 设计了一款专有内存控制器，通过一致性系统互连架构，最高可支持达 128GB 的统一内存。

统一内存的优势在于，它相当于是拆掉了 CPU 内存和 GPU 显存之间的隔离墙，让两者直接共享同一个超大内存池，然后系统根据运行程序的要求动态调配内存给各个核心。以 128GB 为例，其最多可以给 GPU 分配 96GB 的内存作为显存使用，是移动端 RTX 5090 的 4 倍。

在庞大的 " 显存 " 支持下，无论是塞进参数庞大的大型 AI 模型，还是运行高内存需求的创作应用与高负载游戏，这套 128GB 统一内存都能做到 " 量大管饱 "。

而且，NVIDIA RTX Spark 原生支持运行 NVIDIA CUDA，开发者无需重写代码，就能直接复用现有的模型、工具和工作流，在本地完成 AI 模型与智能体的原型设计、微调和运行。更重要的是，端侧模型可以让核心数据始终保留在设备内部，既可以降低数据泄露风险，又能够显著减少云端推理的成本。

除了开发，RTX Spark 在创作方面表现也不差，得益于该超级芯片配备的 FP4 Tensor Cores、光线追踪核心，DLSS 技术，以及对 AV1 和专业级 4:2:2 视频格式的支持，创作者在多轨剪辑高规格视频或进行 3D 实时渲染时，同样能获得更流畅的预览和更快的编辑导出速度。

而在游戏方面，RTX Spark 本身也拥有 RTX 50 系的性能，综合来看居于 RTX 5060 到 RTX 5070 之间。可以说，作为轻薄型笔记本电脑，RTX Spark 基本上可以应付所有类型的需求，完全改变了现有的 PC 格局。

现在再看，联发科与 NVIDIA 的此次合作，确实是意义重大，因为它不仅让联发科有机会进入高性能 PC 市场，更让整个行业看到了 AI PC 的另一种发展可能。

过去数十年里，PC 市场基本由英特尔和 AMD 主导，ARM 架构虽然凭借能效优势逐渐打开局面，但在高性能 GPU 计算和专业软件生态上，始终存在一些短板。而这次，联发科擅长的高集成度、低功耗 SoC 设计，与 NVIDIA 强大的 GPU 算力和 CUDA 生态结合，恰好形成了互补。

更重要的是，随着 AI Agent 逐渐从简单的问答助手转向能够独立执行复杂任务的智能体，未来 PC 对于算力、内存以及能效的需求都将发生变化。

对于联发科来说，如果能够把这套技术进一步带入主流笔记本市场，那么它有望真正打破延续数十年的 PC 芯片竞争格局，也将为高端 Windows on Arm 市场带来新的竞争力量。而对于消费者来说，一个拥有更多选择的 PC 市场，显然也是件好事。