閱世如閱卷，下筆有錦書

在這里，聽見中國走向世界的號角贊

黃仁勛終于把 AI 算力塞進了 PC。英偉達最新推出的 RTX Spark 芯片，不僅是自家產品布局的新增版圖，更是整個 PC 市場的分水嶺 —— 它讓普通人正式邁入指尖操控大模型的時代。

今天我們就來拆解這款被稱為 “算力核彈” 的芯片，看看它到底有多不同。

英偉達早在 2010 年就嘗試過進軍通用處理器市場，當時計劃自研 ARM CPU，和自家 GPU 集成在同一塊芯片上，比蘋果 M 系列早了整整十年。

不過當時只有移動端 Tegra 芯片落地，最終被高通驍龍和蘋果 A 系列壓制，只能在嵌入式場景露面。如今 AI 浪潮興起，黃仁勛卷土重來，祭出了 RTX Spark 這顆桌面級算力核彈。

這款芯片核心是自研 Grace CPU 和 Blackwell 架構 GPU，官方型號為 GB10，此前曾在 DGX Spark 專業工作站上出現過。

相比面向專業用戶的 DGX Spark，RTX Spark 面向消費市場，做了低功耗適配，還支持 Windows 系統，門檻大幅降低。

RTX Spark 采用聯發科協助定制的消費級 Grace CPU，通過硅中介層和 GPU 集成為一顆完整芯片，搭載了 128G 統一內存。

這一設計意味著 CPU 和 GPU 共用物理內存和地址空間，能實現最緊密的數據交互，GPU 可以像調用本地顯存一樣高速訪問內存。

目前行業內蘋果 M 系列、高通 X 系列、AMD 銳龍系列都有統一內存設計，AMD 最高做到 192G，英特爾也支持相關技術，但集成度遠不如 RTX Spark。

和其他芯片不同的是，RTX Spark 沒有專用 NPU，AI 算力完全依靠 GPU。蘋果、高通、AMD 的消費級芯片，NPU 本質是專用加速器，編程性弱。

英偉達則直接把數據中心級 GB10 芯片適配到桌面場景，GPU 內置大量 Tensor Core 負責張量計算，可編程性極強。

目前 RTX Spark 的 FP4 浮點算力可達 1TFLOPS，遠超當下主流 PC 芯片。蘋果最強 M5 Max 的 NPU 算力約 38TOPS，高通驍龍 X2 約 80TOPS，而且這些算力多基于 INT8 衡量。

英偉達的 1TFLOPS 是 FP4 浮點算力，精度有保障，含金量遠超其他廠商的 NPU 算力。

這里很多人會對比 RTX 5090 筆記本版，它的 FP4 算力也高達 1824 左右，但 RTX 5090 是獨立顯卡，顯存僅 24G（筆記本版），無法承載大模型運行，需要多張顯卡拼接，屬于專業范疇，并非原生 AI 產品。

而 RTX Spark 作為集成顯卡，128G 統一內存可以流暢運行 1200 億參數大模型，這才是真正的本地 AI 利器。

要運行本地大模型，有兩個硬性指標：一是足夠的統一內存承載模型權重、KV 緩存和計算開銷，二是足夠的算力保證流暢的 Token 生成效率。RTX Spark 剛好同時滿足這兩點。

更關鍵的是，當前主流大模型都是基于英偉達 CUDA 生態訓練的，模型訓練時的算法、量化方案、并行策略都針對英偉達硬件優化，在 RTX Spark 上推理時性能損失最小。

其他芯片即便后續提升 AI 算力，原生適配性也不如英偉達自家產品。

此前很多人擔心 Windows on ARM 的生態問題。其實微軟早在 2012 年就推出初代 Surface RT，搭載 Windows RT 和英偉達 Tiger 芯片，但因精簡界面和生態缺失失敗。

2018 年后惠普、聯想等廠商推出高通處理器的 Windows Arm 設備，2024 年高通驍龍 X 系列問世，配合微軟優化的 Prisma 模擬器和原生應用，Windows on ARM 終于迎來轉機。

RTX Spark 選擇 Windows on Arm，正是看準了這一成熟生態。

目前多數常用軟件已支持 ARM 原生，工程軟件、科研軟件也能通過模擬器流暢運行。

這款芯片基于 3nm 工藝打造，后續隨著 2nm 等更先進工藝和 Roaring 架構落地，算力還會大幅躍升。依托英偉達在數據中心市場的技術積累，對消費級 PC 市場來說是實打實的降維打擊。

對于微軟來說，RTX Spark 也是 Windows on ARM 的絕佳機遇。此前微軟和高通合作推進生態，但英偉達的品牌號召力更強，能吸引更多用戶嘗試 Windows on Arm，實現生態拉新。

有人會問，相比高通 X 系列，RTX Spark 真的更值得選嗎？對 AI 從業者來說，答案顯然是肯定的 —— 畢竟這才是適配本地大模型的最正宗配方。

RTX Spark 的出現，讓本地大模型不再是專業工作站的專屬，普通人也能隨身攜帶 AI 算力。它到底能掀起多大的 PC AI 浪潮？留給市場給出答案。