文：王智遠 | ID:Z201440

有朋友問我，怎么看英偉達和微軟一起做ARM架構的AI PC。

我說，這是個好問題，芯片參數這東西，翻兩頁新聞全知道；真正有意思的是，有人在拆一個存在了40年的聯盟。

PC行業有個老詞，叫Wintel；Windows加Intel，一個出操作系統，一個出CPU。鎖死了全世界幾十億臺電腦的底層架構。

40年了，你買一臺Windows電腦，CPU不是英特爾就是AMD，都是x86架構，沒第三個選項。

這個聯盟，被捅了兩刀。

第一刀，2020年蘋果發M1；把英特爾踢出Mac，自己造CPU自己配系統，效果很好，代價是蘋果只管自己的地盤。macOS跟Windows毛關系都沒有。

第二刀，2024年高通做驍龍X Elite。做Windows on ARM筆記本；我翻了一下Canalys的數據。2024年Q3，驍龍X總共出貨72萬臺。市場份額0.8%。

沒起來的核心原因就一個：軟件生態。

微軟連ARM版Windows 11的官方安裝包都拖著不肯發。大量應用要轉譯，反作弊軟件、企業驅動也沒搞定。高通有芯片，沒生態，一個人撬不動Wintel的鎖。

6月1日，黃仁勛在臺北Computex發了RTX Spark。

英偉達、微軟、ARM三家在同一時間發了同一條消息：「A new era of PC」。

跟高通那次完全不一樣，高通過來做驍龍X的時候，微軟態度是「支持」，發了幾臺Surface，推了個Copilot+ PC的概念，然后，Windows對ARM的適配繼續拖。

這次微軟是主動的，Build 2026大會上，納德拉把Windows重新定義成本地AI Agent的運行平臺，發了Aion 1.0本地模型、Windows Local AI運行時、Project Solara。

微軟第一次把端側AI當正經事來干，是壓了籌碼。

你再回頭看，就清楚了，蘋果那刀砍在自己的院子里，高通那把鎖撬了半天沒撬動，這次呢？造芯片的和造鎖的坐一桌了。鎖都換了。

換的那把鎖，叫RTX Spark。黃仁勛在Computex上給它一個詞：超級芯片（Superchip），不是營銷話術。你把架構看一遍就知道，他沒吹。

過去兩年，PC行業一直在喊AI PC。怎么喊的？拿一顆x86處理器，旁邊貼一個NPU，也就是神經網絡處理單元。跑點輕量AI任務。

微軟給Copilot+ PC定的門檻是NPU算力40 TOPS。

40 TOPS能干嘛？

語音轉文字。做一些圖像識別，支撐Windows Copilot做點基礎的文本補全；想在本地跑一個百億參數的大語言模型？不夠。差一個數量級都不止。

RTX Spark的思路完全不一樣。

這顆芯片，700億個晶體管，臺積電3nm；它把20核的Grace CPU和一顆Blackwell架構GPU封在同一塊芯片上，中間用NVLink-C2C連，帶寬600GB/s。

GPU那邊6144個CUDA核心，AI算力1 petaflop FP4。大概是之前那些NPU的25倍。

翻譯一下，GPU性能大概相當于一塊筆記本版的RTX 5070。以前這個級別的GPU是獨立顯卡，插在主板上。現在它跟CPU長到一起了。

內存也改了。

傳統筆記本，CPU一份內存，GPU一份內存，各跑各的；RTX Spark用統一內存架構，最高128GB，CPU和GPU共享。

你在本地加載一個大模型，不用在CPU和GPU之間來回搬數據，直接在同一塊內存里跑。

這個架構不陌生，蘋果M系列走的就是這條路，統一內存、CPU和GPU封在一起、芯片級集成。

RTX Spark做的事，是在Windows陣營里第一次復刻了這個思路；同時把GPU規模拉到了蘋果給不了的級別。

它有個前身，DGX Spark，英偉達年初發布的桌面AI工作站，定價3999美元。同一顆芯片的桌面版。RTX Spark是它的筆記本化。

OEM已經排好了，微軟Surface Laptop Ultra打頭陣，戴爾、惠普、聯想、華碩、MSI全部跟進。今年秋天上市，RTX Spark是把AI引擎放到了中間，整臺電腦圍著它轉。

芯片是好芯片。問題是，誰要它？郭明錤在RTX Spark發布前一天發了一條分析。他拿的是供應鏈數據。

搭載這顆芯片的設備，未來兩年出貨量大概1000萬臺；1000萬臺，聽著不少。你放到全球PC市場里算一下。一年賣2.5億臺。1000萬分兩年，一年500萬。占比2%。

郭明錤給了個定性：小眾市場。瞄準對端側AI算力有需求的重度用戶。

這個判斷背后藏著一個更扎心的事實。他說，目前PC上的AI應用，核心全在云端。

你打開瀏覽器用ChatGPT，用Claude，用Gemini。算力跑在別人服務器上；你通過API調大模型的token，算力也在云端，你的電腦在這個過程中干的活，就是一個瀏覽器。

什么芯片跑瀏覽器，有差別嗎？沒有。

郭明錤舉了兩個例子：

2026年PC行業最熱的事之一是MacBook Neo。蘋果出了一款低價MacBook，賣瘋了。出貨量預估從500萬臺調到1000萬臺。

消費者買的是什么？低價、設計、生態。跟端側AI算力半毛錢關系都沒有。

第二個是便宜的小主機，Mac mini這類產品，因為能7×24小時掛著跑AI Agent，很多開發者關注。聽著像端側AI的場景對吧？

實際上，這些Agent的推理算力幾乎全部來自云端，小主機干的事是保持在線、調度任務，真正的計算不在本地。

所以我說，這事指向一個根本問題：端側AI目前沒有殺手級應用。不是硬件不夠。

RTX Spark的算力，在本地跑百億參數的模型綽綽有余。問題是，跑它干嘛？用戶想不出一個非要在本地跑不可的理由。

微軟不是沒看到這件事。

Build 2026上發的那一堆東西，本質上都在回答同一個問題：操作系統怎么讓端側AI變得有用。

Aion 1.0是一個140億參數的本地小模型，支持工具調用，直接內置在Windows里；以后Windows上的AI Agent不用每次都去云端取指令，一部分推理和決策可以在你電腦上直接完成。

方向是對的。就是剛起步。

端側AI真正能干、云端干不了的事，其實很清楚，隱私數據不出本機，跨應用的數據調度不經過第三方服務器。低延遲的實時響應。

這些能力需要操作系統層面的深度整合，不是裝一個App能解決的。

那現在是什么局面？很清晰：芯片已經準備好了，操作系統剛邁出第一步，用戶需求還停留在「用瀏覽器上ChatGPT」的階段。

三樣東西跑在三條不同的時間線上，芯片最快，生態最慢。

英偉達又不傻。份額沒多大，干這事圖什么？

黃仁勛在Computex的媒體問答上說了一句：英偉達已經不是一家GPU公司了，是一家基礎設施公司，放在PC語境里，意味不一樣。

英偉達做RTX Spark，不是來搶英特爾那點CPU份額的。PC市場一年3000多億美元，聽著很大；英偉達光數據中心業務，上個季度就做了752億美元。PC那點錢，犯不著讓它專門打一仗。

它要另一件東西，我查了一下。今年3月GTC大會上，英偉達紀念CUDA二十周年，公布了一個數字：600萬開發者。

這600萬人用CUDA寫代碼，跑在英偉達的GPU上。覆蓋AI訓練、推理、科學計算、圖形渲染、視頻生產。整個AI產業的軟件棧，底層是CUDA。

CUDA的護城河是遷移成本。

大學教CUDA，論文發CUDA基準測試，創業公司招CUDA工程師；一個團隊一旦在CUDA上積累了代碼、工具鏈和工程經驗，換平臺？代價是組織級的。

這600萬開發者現在在哪？在數據中心里。用幾萬美元一塊的芯片。RTX Spark干的事，是把CUDA拉到筆記本上。

這些人寫的代碼，不用改、不用重新編譯，直接在一臺筆記本上跑。架構是通的。

黃仁勛在發布會上還說了一句：我們要重新發明人類最重要的工具；說的就是PC。

他同時還宣布了一件事，RTX Spark之后的第二代、第三代芯片已經在規劃中，未來英偉達每一代平臺架構，都會包含一顆Spark芯片，30多款筆記本、10多款臺式機，同時上市。

這不是試水，不過，CUDA能不能真正長到每一臺終端上，取決于一個英偉達自己控制不了的變量：價格。

全球DRAM現在處在供應緊張的周期里，內存漲價；筆記本版第一批產品的起步價不會低；想讓CUDA覆蓋的不只重度用戶，要更多代的產品，和制程、內存的成本曲線配合。

英偉達選在這個時間落子。說白了，因為它看到了一個窗口：

微軟第一次認真對待端側AI；ARM架構在Windows上第一次有了成規模的OEM支持；CUDA的開發者基數已經夠大。

你看，三件事湊到一起了，這是背后動機。