英伟达RTX Spark跨界PC:端侧AI终于等到一个像样的底座了

2026-06-06 22:55:32 273阅读

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。


作者:AI风向标
链接:https://www.aiddithome.com/p/c8b531dce1499.html
本作版权归作者所有,未经允许请勿转载。若存在违规行为,您可以点击 “举报”。


登录 后发表评论
6条评论
算法老K
1楼 · 2026-06-06 22:56:17

70B模型本地跑,我之前在4090上试过,推理速度大概就3-5 tokens/s,基本不可用。如果RTX Spark的统一内存128GB+200TOPS真的能让70B跑到20+ tokens/s,那本地Agent的体验会有质变。等实测数据。

1 2