NVIDIA RTX Spark笔记本在哔哩哔哩世界首秀：120B本地AI、128GB统一内存及与DGX Spark的对比
NVIDIA的RTX Spark超级芯片已从发布会声明迈向实际消费级笔记本应用。在上海哔哩哔哩世界活动中，NVIDIA公开演示了一款搭载RTX Spark的联想Yoga Pro 15笔记本，该设备可流畅运行本地AI、创意制作及游戏等高负载任务。该平台通过NVIDIA NVLink-C2C互联技术，将Blackwell架构RTX GPU与20核Grace CPU相结合，支持最高128GB统一内存供双处理器共享。其设计旨在开创Windows PC新品类：一款兼顾轻薄机身与高性能的笔记本电脑，
NVIDIA RTX Spark 笔记本电脑在哔哩哔哩世界首秀：本地运行120B参数模型、AI智能体与DGX Spark
引言
NVIDIA的RTX Spark超级芯片已从会议发布阶段迈入实际消费级笔记本电脑。
在上海哔哩哔哩世界展会上，NVIDIA公开展示了一台搭载RTX Spark的联想YOGA Pro 15笔记本电脑，成功运行了高要求的本地AI、创意工作及游戏负载。该平台通过NVIDIA NVLink-C2C互连技术，将Blackwell RTX GPU与20核Grace CPU相结合，并配备最高128GB的统一内存供两个处理器共享。
这一设计旨在开创Windows PC新品类：能够本地运行个人AI智能体、处理大型创意项目，同时支持现代RTX游戏特性的轻薄笔记本电脑或紧凑型台式机。
NVIDIA还展示了面向开发者的Linux桌面AI超级计算机DGX Spark。尽管两者共享相似的Grace Blackwell基础架构，但在软件、网络、目标用户及模型开发角色上存在差异。
术语说明： 原文描述CPU与GPU为"焊接在一起"。并非字面意义上的焊接。NVIDIA通过高带宽NVLink-C2C芯片间互连技术连接两个芯片。
游戏、创作与AI于一体
RTX Spark围绕三类通常需要不同类型电脑的工作负载构建：
- 本地人工智能
- 专业创意工作
- 高端PC游戏
传统游戏笔记本电脑强调独立GPU性能，AI开发机器优先考虑内存容量和软件工具，移动工作站则专注于专业应用，往往牺牲重量和电池续航。
RTX Spark通过采用高度集成的处理器封装和大容量统一内存池，试图将三者合而为一。
RTX Spark核心规格
| 组件 | RTX Spark规格 |
|---|---|
| GPU | Blackwell RTX GPU |
| CUDA核心 | 最高6,144个 |
| CPU | 最高20核NVIDIA Grace CPU |
| CPU架构 | Arm |
| 互连技术 | NVIDIA NVLink-C2C |
| AI性能 | FP4精度下最高1 petaFLOP |
| 统一内存 | 最高128GB |
| 目标系统 | 轻薄Windows笔记本电脑和紧凑型台式机 |
| 主要工作负载 | 本地智能体、AI开发、创作和游戏 |
MediaTek与NVIDIA合作定制了Grace CPU设计，在能效、连接性和CPU实现方面贡献了Arm系统专业知识。
为何NVLink-C2C与统一内存在*
*至关重要
在配备独立GPU的传统笔记本电脑中，CPU和GPU通常各自拥有独立的内存池。数据必须通过PCI Express等互连在系统内存和GPU内存之间传输。
这种方法在普通游戏和生产力任务中表现良好，但对于大型AI模型和创意数据集存在限制：
- GPU内存容量可能不足。
- 模型权重可能需要分割或卸载。
- 数据传输引入延迟并消耗功耗。
- 即便机器总内存充足，大型项目也可能超出单个处理器的可用内存。
而RTX Spark让CPU和GPU能访问高达128GB的共享统一内存池。NVLink-C2C在Grace CPU与Blackwell GPU之间提供高带宽连接。
实际优势并非在于每个工作负载中数据复制都消失——软件仍需正确管理数据。而是应用程序可以利用更大的一致内存空间，无需依赖小型独立的GPU内存池。
对于本地大语言模型、3D场景、视频时间线和智能体上下文而言，内存容量与原始算力同样重要。
本地运行120B参数模型
NVIDIA表示RTX Spark系统可运行高达1200亿参数的大语言模型，并支持上下文长度达一百万个token的智能体工作流。
但这并不意味着每个120B模型都能以全精度或相同速度运行。实际可行性取决于：
- 模型架构
- 量化格式
- 激活参数
- KV缓存需求
- 上下文长度
- 推理引擎
- 操作系统和应用程序后的可用内存
- 期望的token生成速度
即便存在这些约束，一台配备128GB共享内存的便携设备也改变了本地测试的可能性。
大型文档、代码库、对话历史和检索结果可以保留在设备上，而无需拆分成更小的云请求。本地执行还能降低网络延迟，并将敏感信息置于用户控制之下。
NVIDIA官方RTX Spark材料列出了多项主要本地能力：
- 运行120B参数大语言模型
- 使用高达一百万个token的上下文
- 生成4K AI视频
- 渲染超过90GB的3D场景
- 编辑12K 4:2:2视频
- 以1440p分辨率超过100 FPS运行AAA游戏
这些均为平台最大能力声明。
而非针对每种笔记本电脑配置或软件项目提供保障。
个人智能体需要的不只是快速硬件
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。这种访问权限带来了安全问题。一个能力强大的模型不应自动获得对用户计算机的无限制控制权。
英伟达和微软正通过新的Windows安全原语和英伟达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执行的操作。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，同时将经过脱敏处理的任务发送到云端模型。
英伟达表示，OpenClaw和Nous Research的Hermes将把OpenShell和微软的智能体安全原语集成到其Windows应用程序中。这将创建一个混合模型：
- 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。
- 长期运行的助手在保持可用性的同时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都受到控制时，本地AI才能真正提升隐私保护。
本地化创意工作流
128GB统一内存设计也面向那些处理普通笔记本电脑GPU难以承载的大型项目的创作者。
在哔哩哔哩世界展台，英伟达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，该项目文件超过90GB。
消息源称，用户无论在笔记本电脑接通电源还是使用电池供电时，都能流畅地在场景中移动。
英伟达官方将RTX Spark定位为可处理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、资产流式传输、存储速度、散热性能、应用程序优化以及笔记本电脑电源设置。
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。英伟达表示，该平台可处理12K 4:2:2视频工作流。
Adobe正在重构Photoshop和Premiere的部分功能，以充分利用RTX Spark的统一内存、TensorRT加速、GPU合成及媒体管线优势。
预期将带来以下提升：
- 大型时间轴响应更迅速
- AI辅助特效处理速度加快
- 实现GPU加速的色彩校正
- 渲染效率显著提升
- 便携设备可处理更大规模媒体项目
- 减少将项目迁移至独立工作站的需求
Adobe针对RTX Spark的优化预计将与硬件同步推出，实际性能表现将部分取决于应用支持情况。
Arm处理器上的RTX游戏体验
RTX Spark采用Arm架构，而非多数Windows游戏PC使用的x86架构。
这引发了一个明显的兼容性问题：现有PC游戏及反作弊系统能否正常运行？
NVIDIA的解决方案整合了原生Arm版本发布、Windows兼容性优化，以及主流发行商的技术支持。
目前已公开支持RTX Spark的企业包括：
- KRAFTON
- 网易
- Remedy Entertainment
- Riot Games
- Xbox
在Bilibili World上，NVIDIA通过RTX Spark笔记本电脑展示了网易《永劫无间》的Arm原生版本。
RTX Spark笔记本电脑在Bilibili World的演示画面显示，屏幕上两位游戏角色分别处于出拳姿态和圆形标记站立状态，界面包含游戏设置选项、角色状态信息、小地图等元素，与"RTX Spark笔记本运行Arm原生《永劫无间》"的描述相符。该演示还启用了光线追踪和DLSS等RTX特性。
据称该演示采用高画质设置，启用光线追踪、DLSS多帧生成等RTX技术，全程保持流畅运行。
NVIDIA的总体平台目标是实现1440p分辨率下每秒100帧以上的AAA游戏体验。实际效果将因游戏类型、笔记本散热能力、功耗限制、显示分辨率、DLSS模式、帧生成技术及游戏是否为原生版本等因素而显著差异。
RTX技术特性
RTX Spark支持标准现代RTX技术栈：
- 硬件光线追踪
- DLSS
- 多帧生成
- NVIDIA Reflex
- G-SYNC
- RTX创意加速
- CUDA
- 第五代Tensor Core
长期游戏体验将取决于开发者推出原生Arm版本的速度，以及Windows对传统x86游戏的兼容表现。
DGX Spark：面向开发者的桌面级AI超级计算机
RTX Spark主要面向消费级和专业消费级用户，而DGX Spark则定位为开发系统。
DGX Spark搭载NVIDIA GB10 Grace Blackwell超级芯片，配备20核Arm CPU，可实现高达1 petaFLOP的FP4 AI性能，并拥有128GB一致性统一系统内存。
该设备预装NVIDIA AI软件栈。
运行DGX操作系统，这是一款基于Linux、专为AI开发而设计的平台。
DGX Spark 官方能力
| 工作负载 | DGX Spark 能力 |
|---|---|
| 本地推理 | 支持参数高达 200B 的模型 |
| 微调 | 支持参数高达 70B 的模型 |
| 双系统推理 | 支持参数高达 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，最高 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 |
两台 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 平台的重要区别。
开发者可以在将工作负载迁移到 NVIDIA DGX Cloud 或数据中心基础设施之前，在本地进行模型的原型设计、微调、验证和运行。
RTX Spark 对比 DGX Spark
两者在架构和内存容量上有所重叠，但不可互换。
| 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、智能体用户 | 开发者、研究人员、数据科学家 |
| AI 模型目标 | NVIDIA 主要工作流中支持高达 120B 参数的本地模型 | 支持高达 200B 参数的推理 |
| 微调 | 侧重于开发和原型设计；取决于配置 | 官方支持高达 70B 参数的微调 |
| 游戏 | 专注于完整 RTX 游戏体验 | 非定位为游戏系统 |
| 创意应用 | Adobe、3D、媒体及 Windows 创意工作流 | AI 开发软件栈 |
| 扩展网络 | 消费级系统不侧重于 ConnectX 扩展 | ConnectX-7 可连接两台系统 |
| 智能体安全 | Windows 安全基元和 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 |
最简洁的区别如下：
- RTX Spark 是一款个人 Windows AI PC，同时也能进行创作和游戏。
- DGX Spark 是一款本地 AI 开发计算机，将 NVIDIA 软件栈带到桌面上。
使用 NVIDIA Agent Toolkit 构建更安全的智能体
DGX Spark 包含 NVIDIA AI 软件生态系统，并定位为自主智能体开发的本地平台。
NVIDIA Agent Toolkit 帮助开发者将智能体系统连接到工具、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，简化了始终在线智能体的安全部署。
这种职责划分非常有用：
- Agent Toolkit 帮助构建和连接智能体工作流。
- OpenShell 提供沙箱和策略控制的运行时。
- NemoClaw 为支持的自主智能体环境打包了引导、生命周期管理和受控操作。
NemoClaw 可配合 OpenClaw、Hermes、LangChain Deep Agents、本地开源模型、云端前沿模型或推理服务使用。
路由。
将手绘草图转化为网页
在Bilibili World演示中，NVIDIA 使用 35B Qwen 多模态模型在 DGX Spark 上运行了一个个人智能体。
演示者在一张纸上画了一个简化的"五层AI蛋糕"示意图，并将其展示给摄像头。智能体解读了这张草图，并在几秒钟内生成了一个完整的本地网页。
随后可以通过后续指令对结果进行优化。
该演示结合了多种能力：
- 摄像头输入
- 多模态视觉理解
- 结构化解读
- HTML 和 CSS 生成
- 本地执行
- 迭代编辑
由于模型和智能体在本地运行，演示过程中工作流无需依赖按token计费的云服务。
这并不意味着本地执行是免费的。硬件采购、电力、维护、存储和工程时间仍然是实际成本。它将成本模式从按量计费的远程推理转变为本地自有算力的模式。
用于始终在线的私人助手的 NemoClaw
NVIDIA 已将 NemoClaw 适配至 DGX Spark 及其更广泛的本地AI产品线。
NemoClaw 是一个开源参考堆栈，用于在 OpenShell 沙箱中运行始终在线的智能体。它增加了：
- 智能体引导
- 生命周期管理
- 沙箱化执行
- 网络策略
- 隐私控制
- 推理路由
- 对本地和云端模型的支持
对于 DGX Spark 用户而言，其主要吸引力在于能够长期在本地运行智能体，同时减少将敏感数据上传至云服务的需求。
官方安装选项目前包括 OpenClaw、Hermes 和 LangChain Deep Agents。