英伟达RTX Spark跨界PC：端侧AI终于等到一个像样的底座了

过去三年，端侧AI讲了无数故事。手机厂商讲、PC厂商讲、汽车厂商讲，所有人都描绘同一个未来：AI不再住在云端，直接跑在设备上。但每次走到落地环节就卡住——模型能跑，跑不快；功能能做，做不深；演示惊艳，真拿到手里就变阉割版。

Computex 2026：黄仁勋扔了一张新牌

刚刚结束的Computex上，英伟达正式发布了RTX Spark PC处理器平台，包含高性能N1X和主流N1两个版本。3nm工艺，集成了CPU、Blackwell架构GPU和NPU，采用统一内存架构，最高支持128GB LPDDR5X内存。

说人话就是：这是一颗把AI推理能力直接焊进PC的"超级芯片"。N1X能提供180到200 TOPS的本地AI算力，支持运行70B参数的模型——之前这个级别的模型只存在于数据中心。

30多款笔记本、10多款桌面系统已经确认采用，合作名单包括联想、戴尔、惠普、华硕、微星和微软Surface。预计今年秋季出货。

端侧AI喊了三年，卡在哪了

从供给侧看，行业其实没偷懒。英特尔推出Core Ultra、AMD发布Ryzen AI、高通靠骁龙X Elite重返PC市场，NPU成了新处理器的标配关键词。Canalys数据，2024年全球AI PC出货约4800万台，占全年PC出货近20%，2025年预计超40%。

但供给的热闹没在需求侧激起水花。大多数用户买回去的AI PC，真正用到的AI功能还是那几个：会议降噪、视频美颜、文档总结。不是说这些不好，而是这些功能用去年的电脑也能跑，犯不着为了它们专门换机。

问题的根在硬件。不是"有没有AI加速"，而是"加速到什么程度"。目前市面上的NPU算力普遍在40到80 TOPS，大概能跑个7B参数的轻量模型。但AI Agent时代需要本地推理的不只是"帮我写封邮件"，而是"分析我这三个月所有的文档和聊天记录，找出现在最该推的项目"——这种任务轻量模型搞不定。

CUDA才是真正的杀手锏

很多人把RTX Spark跟苹果M系列、高通骁龙X Elite放在一起比参数，但参数表之外有更关键的东西：CUDA。

过去二十年，CUDA已经成为全球AI开发者的默认基础设施。PyTorch、TensorRT、llama.cpp这些主流AI工具的第一适配平台都是CUDA，全球绝大多数AI模型的训练和推理管线都建立在CUDA之上。把原本属于数据中心的能力下放到消费级PC，这才是RTX Spark真正和其他方案拉开差距的地方。

高通的NPU算力在纸面上不低，但它依赖QNN框架，和主流AI开发者生态之间隔着一道不小的鸿沟。苹果M系列在端侧AI的能效比是行业标杆，可惜跑的是macOS，不在Windows生态里。

对整个Windows生态而言，RTX Spark带来的意义是：终于有一个方案，既能在本地跑大模型，又能无缝衔接开发者已经用了二十年的CUDA工具链。

价格和现实：不算便宜，但不影响方向

摩根士丹利调研预计，搭载N1X的产品售价可能达到2899美元，约合2万元人民币。标准版N1起售价约1799美元。这不是面向大众消费市场的产品，和天风国际分析师郭明錤的判断一致：未来两年出货约1000万台，主要面向AI开发者、内容创作者和对本地AI算力有需求的重度用户。

与此同时，HBM需求增长正在推高DRAM价格，惠普透露部分产品中内存占整机成本已接近35%。RTX Spark依赖大容量统一内存，成本压力真实存在。

但价格贵不贵和方向对不对是两回事。2013年第一代Retina MacBook Pro卖2199美元，当时也被说贵，但高分辨率屏幕后来成了标配。RTX Spark的意义不在于立刻让每个人买得起AI PC，而在于它证明了一件事：端侧AI的硬件天花板是可以打破的。

从"为人的电脑"到"为AI的电脑"

RTX Spark带来的最大变化，可能不是跑分，而是PC设计逻辑的改写。

过去三十年，PC是围绕"人怎么操作软件"来设计的。CPU多强、内存多大、显卡多快，都是为了让人用得更爽。但AI时代，电脑不再只是给人用的工具，它还要自己跑——跑Agent、跑推理、跑多模态理解。这台电脑上可能同时运行五六个Agent，每个都在后台做不同的事。

黄仁勋在Computex上说了一句话值得注意：AI就是新的用户界面。你不再需要打开软件、找到功能、执行操作，而是直接告诉电脑你想干嘛，AI自己去调度工具完成。

这种场景下，NPU算力、内存带宽、统一内存架构这些硬件指标，会从"锦上添花"变成"基础能力"。RTX Spark能不能卖好是市场的事，但它标记了一个方向：端侧AI的故事，终于不是在云端讲的了。