NVIDIA RTX Spark Laptop debütiert auf der Bilibili World: 120B lokale KI, 128 GB Unified Memory und DGX Spark im Vergleich
NVIDIA hat den RTX Spark Superchip von einer Konferenzankündigung in einen funktionsfähigen Consumer-Laptop überführt. Auf der Bilibili World in Shanghai demonstrierte NVIDIA öffentlich einen mit dem RTX Spark betriebenen Lenovo Yoga Pro 15, der anspruchsvolle lokale KI-, Kreativ- und Gaming-Workloads ausführt. Die Plattform kombiniert eine Blackwell RTX GPU und eine 20-Core Grace CPU über NVIDIAs NVLink-C2C-Interconnect mit bis zu 128 GB Unified Memory, der von beiden Prozessoren gemeinsam genutzt wird. Das Design zielt auf eine neue Kategorie von Windows-PCs ab: einen dünnen Laptop o
NVIDIA RTX Spark Laptop debütiert auf der Bilibili World: Lokale 120B-Modelle, KI-Agenten und DGX Spark
Einleitung
Der NVIDIA RTX Spark Superchip ist von einer Ankündigung auf einer Konferenz zu einem funktionsfähigen Consumer-Laptop geworden.
Auf der Bilibili World in Shanghai hat NVIDIA öffentlich ein Lenovo Yoga Pro 15 mit RTX Spark demonstriert, das anspruchsvolle lokale KI-, Kreativ- und Gaming-Workloads ausführt. Die Plattform kombiniert eine Blackwell RTX GPU und eine 20-Kern Grace CPU über NVLink-C2C von NVIDIA, mit bis zu 128 GB gemeinsam genutztem Unified Memory für beide Prozessoren.
Das Design zielt auf eine neue Kategorie von Windows-PCs ab: ein dünnes Laptop oder kompaktes Desktop, das persönliche KI-Agenten lokal ausführen, große kreative Projekte bewältigen und dennoch moderne RTX-Gaming-Funktionen bieten kann.
NVIDIA hat außerdem den DGX Spark demonstriert, seinen Linux-basierten Desktop-KI-Supercomputer für Entwickler. Obwohl beide Systeme auf einer ähnlichen Grace-Blackwell-Grundlage basieren, unterscheiden sie sich in Software, Vernetzung, Zielgruppe und Rolle bei der Modellentwicklung.
Hinweis zur Terminologie: Die Quelle beschreibt CPU und GPU als "zusammengeschweißt". Sie sind nicht buchstäblich verschweißt. NVIDIA verbindet die beiden Dies über die Hochgeschwindigkeits-Chip-zu-Chip-Verbindung NVLink-C2C.
Gaming, Kreation und KI in einer Plattform
RTX Spark wurde für drei Workloads entwickelt, die normalerweise unterschiedliche Computertypen erfordern:
- Lokale Künstliche Intelligenz
- Professionelle kreative Arbeit
- High-End-PC-Gaming
Traditionelle Gaming-Laptops legen den Schwerpunkt auf die Leistung einer diskreten GPU. KI-Entwicklungsmaschinen priorisieren Speicherkapazität und Software-Tools. Mobile Workstations konzentrieren sich auf professionelle Anwendungen, oft auf Kosten von Gewicht und Akkulaufzeit.
RTX Spark versucht, alle drei Aspekte durch ein eng integriertes Prozessor-Paket und einen großen Unified-Memory-Pool zu vereinen.
RTX Spark Kern-Spezifikationen
| Komponente | RTX Spark Spezifikation |
|---|---|
| GPU | Blackwell RTX GPU |
| CUDA-Kerne | Bis zu 6.144 |
| CPU | Bis zu 20-Kern NVIDIA Grace CPU |
| CPU-Architektur | Arm |
| Interconnect | NVIDIA NVLink-C2C |
| KI-Leistung | Bis zu 1 PetaFLOP bei FP4 |
| Unified Memory | Bis zu 128 GB |
| Zielsysteme | Dünne Windows-Laptops und kompakte Desktops |
| Primäre Workloads | Lokale Agenten, KI-Entwicklung, Kreation und Gaming |
MediaTek hat mit NVIDIA an dem kundenspezifischen Grace-CPU-Design zusammengearbeitet und Arm-System-Expertise in den Bereichen Energieeffizienz, Konnektivität und CPU-Implementierung beigesteuert.
Warum NVLink-C2C und einheitlicher
Arbeitsspeicher wichtig sind
In herkömmlichen Laptops mit diskreten GPUs verfügen CPU und GPU typischerweise über getrennte Arbeitsspeicherpools. Daten müssen über eine Verbindung wie PCI Express zwischen dem System-RAM und dem GPU-Speicher bewegt werden.
Dieser Ansatz funktioniert gut für normale Gaming- und Produktivitätsaufgaben, stößt jedoch bei sehr großen KI-Modellen und kreativen Datensätzen an seine Grenzen:
- Die GPU-Speicherkapazität kann unzureichend sein.
- Modellgewichte müssen möglicherweise aufgeteilt oder ausgelagert werden.
- Datenübertragungen verursachen Latenz und verbrauchen Strom.
- Ein großes Projekt kann den verfügbaren Arbeitsspeicher eines einzelnen Prozessors überschreiten, selbst wenn der Rechner insgesamt genug Speicher hat.
Der RTX Spark hingegen gibt CPU und GPU Zugriff auf einen gemeinsamen Pool von bis zu 128 GB einheitlichem Arbeitsspeicher. NVLink-C2C stellt die Hochgeschwindigkeitsverbindung zwischen der Grace-CPU und der Blackwell-GPU bereit.
Der praktische Nutzen besteht nicht darin, dass das Kopieren bei jeder Arbeitslast verschwindet – die Software muss die Daten weiterhin korrekt verwalten. Vielmehr liegt der Vorteil darin, dass Anwendungen mit einem viel größeren kohärenten Arbeitsspeicherbereich arbeiten können, ohne auf einen kleinen, isolierten GPU-Speicherpool angewiesen zu sein.
Für lokale LLMs, 3D-Szenen, Videobearbeitungs-Timelines und Agentenkontexte kann die Speicherkapazität genauso wichtig sein wie die reine Rechenleistung.
Ausführen eines 120B-Modells lokal
NVIDIA gibt an, dass RTX Spark Systeme große Sprachmodelle mit bis zu 120 Milliarden Parametern ausführen und Agenten-Workflows mit Kontextlängen von bis zu einer Million Token unterstützen können.
Das bedeutet nicht, dass jedes 120B-Modell mit voller Präzision oder identischer Geschwindigkeit läuft. Die tatsächliche Machbarkeit hängt ab von:
- Modellarchitektur
- Quantisierungsformat
- Aktiven Parametern
- KV-Cache-Anforderungen
- Kontextlänge
- Inferenzmaschine
- Verfügbarem Arbeitsspeicher nach Betriebssystem und Anwendungen
- Gewünschter Token-Generierungsgeschwindigkeit
Selbst mit diesen Einschränkungen verändert ein tragbarer Computer mit 128 GB gemeinsam genutztem Arbeitsspeicher, was lokal getestet werden kann.
Große Dokumente, Codebasen, Gesprächsverläufe und Abrufergebnisse können auf dem Rechner verbleiben, anstatt in kleinere Cloud-Anfragen aufgeteilt zu werden. Die lokale Ausführung kann zudem die Netzwerklatenz reduzieren und vertrauliche Informationen unter der Kontrolle des Benutzers halten.
NVIDIAs offizielle RTX Spark Materialien listen mehrere herausragende lokale Fähigkeiten auf:
- Ausführen von LLMs mit 120B Parametern
- Nutzung von bis zu einer Million Token Kontext
- Generierung von 4K-KI-Videos
- Rendern von 3D-Szenen über 90 GB
- Bearbeiten von 12K 4:2:2 Video
- Spielen von AAA-Spielen mit über 100 FPS bei 1440p
Dies sind maximale Plattformangaben.
而不是为每种笔记本电脑配置或软件项目提供保证。
个人智能体需要的不仅仅是快速硬件
本地运行的AI智能体可以读取文件、打开应用程序、执行命令、搜索网络、发送请求以及修改数据。
这种访问级别会带来安全问题。一个功能强大的模型不应自动获得对用户计算机不受限制的控制权。
NVIDIA和微软正通过新的Windows安全基元和NVIDIA OpenShell来解决这一问题。
OpenShell旨在提供：
- 沙盒化执行
- 基于策略的权限管理
- 网络控制
- 推理路由
- 隐私规则
- 工具访问边界
用户或管理员可以定义智能体可以执行哪些操作。请求也可以根据隐私要求进行路由——例如，将敏感信息保留在本地模型中，同时将脱敏后的任务发送到云端模型。
NVIDIA表示，OpenClaw和Nous Research的Hermes将把OpenShell和微软的智能体安全基元集成到它们的Windows应用程序中。
这就构建了一个混合模型：
- 敏感数据在本地处理。
- 低风险请求可发送至云端模型。
- 工具访问权限受明确策略限制。
- 智能体进程在受控环境中运行。
- 长期运行的助手保持可用，但不会获得不受限制的系统权限。
安全层至关重要。只有当智能体运行时、文件权限、网络行为和模型路由也受到控制时，本地AI才能真正提升隐私保护。
本地创意工作流程
128GB统一内存设计也面向那些处理超出普通笔记本电脑GPU能力的项目的创作者。
在哔哩哔哩世界展台上，NVIDIA演示了一个包含精细3D曼哈顿环境的虚幻引擎5项目。据报道，该项目文件大小超过90GB。
消息源称，无论是在插电状态下还是使用电池供电时，用户都能流畅地浏览场景。
NVIDIA官方将RTX Spark定位为适用于90GB以上的3D项目，不过实际编辑器的响应速度取决于场景复杂度、资源流式传输、存储速度、散热、应用优化以及笔记本电脑的电源设置。
视频与图像创作
RTX Spark的Blackwell媒体引擎包含对4:2:2编码和解码的硬件支持。NVIDIA表示，该平台可处理12K 4:2:2视频工作流程。
Adobe baut Teile von Photoshop und Premiere um, um die Vorteile des einheitlichen Speichers, der TensorRT-Beschleunigung, der GPU-Compositing- und Medienpipeline von RTX Spark zu nutzen.
Zu den angestrebten Vorteilen gehören:
- Reaktionsschnellere große Timeline-Bearbeitung
- Schnellere KI-gestützte Effekte
- GPU-beschleunigte Farbkorrektur
- Effizienteres Rendering
- Größere Medienprojekte auf portablen Systemen
- Reduzierte Notwendigkeit, Projekte auf eine separate Workstation zu verlagern
Adobes RTX Spark-Optimierungen werden voraussichtlich zusammen mit der Hardware ausgerollt, sodass die Leistung teilweise von der Anwendungsunterstützung abhängt.
RTX-Gaming auf einem Arm-Prozessor
RTX Spark basiert auf Arm und nicht auf der x86-Architektur, die von den meisten Windows-Gaming-PCs verwendet wird.
Das wirft eine offensichtliche Kompatibilitätsfrage auf: Werden bestehende PC-Spiele und Anti-Cheat-Systeme korrekt funktionieren?
NVIDIAs Antwort kombiniert native Arm-Veröffentlichungen, Windows-Kompatibilitätsarbeit und Unterstützung von großen Publishern.
Zu den Unternehmen, die RTX Spark öffentlich unterstützen, gehören:
- KRAFTON
- NetEase
- Remedy Entertainment
- Riot Games
- Xbox
Auf der Bilibili World demonstrierte NVIDIA eine Arm-native Version von NetEases NARAKA: BLADEPOINT auf einem RTX
NVIDIA RTX Spark Laptop.
Die Demonstration soll hohe visuelle Einstellungen, Raytracing, DLSS-Multi-Frame-Generierung und andere RTX-Funktionen bei flüssigem Gameplay verwendet haben.
NVIDIAs breiteres Plattformziel ist AAA-Gaming bei 1440p und mehr als 100 Bildern pro Sekunde. Die Ergebnisse variieren erheblich je nach Spiel, Laptop-Kühlung, Leistungsgrenze, Bildschirmauflösung, DLSS-Modus, Frame-Generierung und ob der Titel nativ oder übersetzt ist.
RTX-Funktionen
RTX Spark unterstützt den modernen Standard-RTX-Technologie-Stack:
- Hardware-Raytracing
- DLSS
- Multi-Frame-Generierung
- NVIDIA Reflex
- G-SYNC
- RTX-Kreativbeschleunigung
- CUDA
- Fünfte Generation der Tensor Cores
Das langfristige Spielerlebnis hängt davon ab, wie schnell Entwickler native Arm-Builds veröffentlichen und wie gut Windows ältere x86-Spiele verarbeitet.
DGX Spark: Ein Desktop-KI-Supercomputer für Entwickler
RTX Spark ist in erster Linie eine Plattform für Verbraucher und Prosumer. DGX Spark ist als Entwicklungssystem konzipiert.
DGX Spark verwendet den NVIDIA GB10 Grace Blackwell Superchip mit einer 20-Kern-Arm-CPU, bis zu 1 PetaFLOP FP4-KI-Leistung und 128 GB kohärentem, einheitlichem Systemspeicher.
Es wird mit NVIDIAs KI-Software-Stack ausgeliefert und
运行 DGX OS，这是一款基于 Linux、专为 AI 开发设计的平台。
DGX Spark 官方能力
| 工作负载 | DGX Spark 能力 |
|---|---|
| 本地推理 | 参数高达 200B 的模型 |
| 微调 | 参数高达 70B 的模型 |
| 双系统推理 | 参数高达 405B 的模型 |
| AI 性能 | 高达 1 petaFLOP FP4 |
| 内存 | 128GB 统一系统内存 |
| 网络 | ConnectX-7，高达 200Gbps |
| 操作系统平台 | DGX OS / Linux |
| 主要受众 | AI 开发者、研究人员、数据科学家 |
两个 DGX Spark 系统可通过 ConnectX 网络连接，以支持更大的模型。这是与面向消费者的 RTX Spark 平台的一个重要区别。
开发者可以在将工作负载迁移至 NVIDIA DGX Cloud 或数据中心基础设施之前，先在本地对模型进行原型设计、微调、验证和运行。
RTX Spark 与 DGX Spark
这两个系统在架构和内存容量上有所重叠，但不可相互替代。
| 类别 | RTX Spark | DGX Spark |
|---|---|---|
| 主要形态 | 轻薄笔记本和紧凑型 PC | 紧凑型桌面 AI 超级计算机 |
| 操作系统 | Windows | DGX OS / Linux |
| 目标用户 | 消费者、创作者、游戏玩家、AI 代理用户 | 开发者、研究人员、数据科学家 |
| AI 模型目标 | 在 NVIDIA 主要工作流中本地模型高达 120B | 推理能力高达 200B |
| 微调 | 侧重于开发和原型设计；取决于配置 | 官方支持高达 70B 的微调 |
| 游戏 | 专注于完整 RTX 游戏 | 不作为游戏系统定位 |
| 创意应用 | Adobe、3D、媒体和 Windows 创意工作流 | AI 开发软件栈 |
| 横向扩展网络 | 消费级系统不侧重于 ConnectX 横向扩展 | ConnectX-7 可连接两个系统 |
| 代理安全 | Windows 安全原语和 OpenShell | OpenShell、Agent Toolkit 和 NemoClaw |
| 便携性 | 提供笔记本和小型桌面选项 | 桌面系统 |
最简单的区别是：
- RTX Spark 是一台个人 Windows AI PC，也可用于创作和游戏。
- DGX Spark 是一台本地 AI 开发计算机，将 NVIDIA 软件堆栈带到桌面上。
使用 NVIDIA Agent Toolkit 构建更安全的 AI 代理
DGX Spark 包含 NVIDIA AI 软件生态系统，并定位为自主代理开发的本地平台。
NVIDIA Agent Toolkit 帮助开发者将代理系统连接到工具、数据源、模型和可观测性组件。
OpenShell 提供隔离、策略执行和推理控制。NemoClaw 在此基础上构建，简化了始终在线代理的安全部署。
这种职责划分非常有用：
- Agent Toolkit 帮助构建和连接代理工作流。
- OpenShell 提供沙盒和策略控制的运行时环境。
- NemoClaw 为支持的自主代理环境封装了上岗引导、生命周期管理和安全操作。
NemoClaw 可与 OpenClaw、Hermes、LangChain Deep Agents、本地开放模型、云端前沿模型或推理服务一起使用。
Router.
Eine handgezeichnete Skizze in eine Webseite verwandeln
Auf der Bilibili World Demonstration nutzte NVIDIA einen persönlichen Agenten auf dem DGX Spark mit einem multimodalen 35B Qwen-Modell.
Der Moderator zeichnete ein vereinfachtes „Fünf-Schichten-KI-Kuchen"-Diagramm auf Papier und hielt es vor eine Kamera. Der Agent interpretierte die Skizze und erstellte innerhalb weniger Sekunden eine vollständige lokale Webseite.
Das Ergebnis konnte anschließend durch Folgeanweisungen verfeinert werden.
Diese Demonstration vereint mehrere Fähigkeiten:
- Kameraeingabe
- Multimodales visuelles Verständnis
- Strukturierte Interpretation
- HTML- und CSS-Generierung
- Lokale Ausführung
- Iterative Bearbeitung
Da das Modell und der Agent lokal ausgeführt wurden, war der Arbeitsablauf während der Demonstration nicht von einer tokenbasierten Cloud-Abrechnung abhängig.
Das bedeutet jedoch nicht, dass die lokale Ausführung kostenlos ist. Hardwarebeschaffung, Strom, Wartung, Speicher und Entwicklungszeit bleiben reale Kosten. Es verlagert das Kostenmodell von einer gemessenen Ferninferenz hin zu einer eigenen lokalen Kapazität.
NemoClaw für ständig verfügbare private Assistenten
NVIDIA hat NemoClaw an den DGX Spark und seine breitere lokale KI-Produktpalette angepasst.
NemoClaw ist ein Open-Source-Referenzstack für den Betrieb ständig verfügbarer Agenten in OpenShell-Sandboxes. Es fügt hinzu:
- Agenten-Onboarding
- Lebenszyklusverwaltung
- Sandbox-Ausführung
- Netzwerkrichtlinien
- Datenschutzkontrollen
- Inferenz-Routing
- Unterstützung für lokale und Cloud-Modelle
Für DGX Spark-Nutzer liegt der Hauptreiz in der Möglichkeit, einen Agenten über lange Zeiträume lokal laufen zu lassen und gleichzeitig die Notwendigkeit zu reduzieren, sensible Daten in einen Cloud-Dienst hochzuladen.
Die offiziellen Installationsoptionen umfassen derzeit OpenClaw, Hermes und LangChain Deep Agents.