RTX Spark 体验：NVIDIA 终于将 RTX 游戏与本地 AI 带到 Windows on Arm

过去五天里，我一直在使用ASUS ProArt P16作为我首次真正体验NVIDIA的RTX Spark平台。这是一台不寻常的机器，这也是它有趣的一部分。如果你还不知道，RTX Spark将基于Arm的NVIDIA Grace CPU与Blackwell GPU以及统一内存结合在一起，而不是将x86处理器与独立显卡芯片配对。ASUS提供最高128GB统一内存和16英寸4K OLED触摸屏的ProArt P16，但NVIDIA提供的这台机型拥有64GB内存和分辨率较低的3K OLED显示屏。这些差异在评估笔记本本身时很重要，但在本文中我更感兴趣的是分享RTX Spark能做什么。

那种组合旨在在一台相对轻薄的笔记本中处理创意工作、本地AI模型和PC游戏。NVIDIA的宣传包括利用其RTX技术在本地运行大型AI模型并玩高要求游戏，但我没有足够的时间来妥善测试所有这些，且NVIDIA的评测日程一直很紧张。

然而，即使在短时间内，RTX Spark 已经让 ProArt P16 感觉不同于我习惯评测的 Windows 笔记本。处理器架构是 Arm，但图形方面毫无疑问是 NVIDIA：Blackwell、CUDA、光线追踪和 DLSS 5 都是其中的一部分。这并不是另一台带有集成显卡的轻薄 Windows 笔记本。这是一次将 Arm 的能效与人们期望从 RTX 机器获得的图形性能结合在一起的尝试。

Windows on Arm 是体验的一部分。

RTX Spark 是为 Windows on Arm 打造的，它的到来对 Qualcomm’s Snapdragon X Elite series 具有重要意义，该系列借助专注于日常计算、电池续航和本地 AI 的笔记本，帮助 Windows on Arm 触达了更广泛的受众。RTX Spark 将 NVIDIA 的图形技术和本地 AI 工具带入同一个 Windows 生态系统，但侧重点不同。即便如此，我不认为 RTX Spark 会使 Snapdragon X Elite 过时。这些平台针对不同的优先事项，但 NVIDIA 的加入更有可能鼓励 Windows on Arm 上游戏和应用程序获得更广泛的支持。

除了其 CPU 架构之外，RTX Spark 还加入了不断壮大的围绕统一内存构建的平台阵营。Apple 自 2020 年 M1 问世以来，已在其 Apple silicon Macs 中使用了统一内存架构，而最新的搭载 M5 Max 的 MacBook Pro 最高可配置 128GB。AMD 凭借其 Ryzen AI Max+ series 将类似方案带到了 Windows PC 上，但与 RTX Spark、Apple 的 M-series 以及 Qualcomm 的 Snapdragon X Elite 不同，AMD 的平台仍基于 x86。

那么，有趣的地方在于 RTX Spark 如何将共享内存与 Arm CPU、NVIDIA 的 Blackwell 显卡和 RTX 技术相结合，且全部运行 Windows。Apple 围绕统一内存构建了自己的硬件和软件生态系统，而 AMD 则提供了带有集成 Radeon 显卡的 x86 Windows 替代方案。RTX Spark 为 Windows 笔记本电脑带来了不同的硬件和软件组合，而我认为，观察未来价格更低、采用 RTX Spark 的历代电脑可能如何让 agentic AI 编程（或一般 AI 编程）对主流受众变得更加容易获取，将会十分有趣。

使用 RTX Spark 进行游戏、创作与学习

游戏让我最快地体验到 RTX Spark，不过我也花时间在 Adobe Premiere 中进行剪辑，并尝试了一些简单的 AI 推理任务。我以中端设置和 1440p 分辨率游玩了 Cyberpunk 2077 和 Gears of War: E-Day。Cyberpunk 2077 保持了相当稳定的 75fps，两款游戏在 ProArt P16 的 3K 显示屏上都看起来很棒。那么，在笔记本电脑上玩游戏真的需要 4K 屏幕吗？这由你决定，但我坚持自己过去的说法：在小笔记本屏幕上玩 4K 游戏是对性能的极度浪费。

那么散热和功耗节流情况如何呢？嗯，与我测试过的配备独立 RTX 50 系列 GPU 的标准游戏本相比，ProArt P16 在长时间的游戏过程中也同样保持着相当舒适的使用体验。它的键盘和掌托在较长时间的游戏中的确会变得明显温热，但绝不会到让你觉得手腕被烘烤的程度。

然后是内容创作，我还在习惯用 Premiere 在这台机器上进行编辑，所以我还需要更多时间才能说明它如何处理较长的项目或视频导出。但 AI 方面更让我立刻感兴趣，因为我对大型语言模型（LLMs）和 AI 编程还不熟悉，使用 Ollama 和 LM Studio 等工具在本地尝试一些简单的推理任务，给了我一种实践方式来学习模型如何工作。这也让我好奇 AI agents 如何融入此类工作流。知道这些特定的实验是在本地运行的令人安心（取决于所使用的模型和功能），并且能够在熟悉的 Windows 环境中探索这些工具一直是使用 RTX Spark 较为愉快的部分之一。

初步印象

综合来看，游戏、Premiere 和本地 AI 让我更清楚地了解了 RTX Spark 试图做什么，但我仍对其硬件与 Windows 软件之间的配合程度存有疑问。价格又是一个考量因素。ASUS 在新加坡列出的 ProArt P16 with RTX Spark from S$6,599，配置为 48GB 内存和 1TB SSD。64GB 型号售价 S$7,499（我测试的版本），而 128GB 版本为 S$11,099。相比之下，Apple 的 16 英寸 MacBook Pro with M5 Max 起售价为 S$5,449，配备 48GB 内存和 2TB SSD。以起售价计算，ASUS 价格更高，而提供的存储容量只有一半——我们都知道如今的存储价格如何。当然，这些配置并不相同，而且不同的芯片和操作系统使得这只是一个价格比较，而非性能比较。

然而，对于一小部分买家来说，这个溢价可能更有意义：那些依赖 CUDA 并希望在本地运行 AI 模型的开发者。RTX Spark 将 NVIDIA 的软件栈与最高 128GB 统一内存的配置相结合。Apple 在 M5 Max 上也提供最高 128GB，因此差异在于每个平台所支持的工具、应用和工作流。如果 NVIDIA 的栈适合你需要做的工作，那么额外成本就更容易证明是合理的。

我仍在进行测试和基准测试，在评测 ASUS ProArt P16 本身之前，我会在另一篇专题中介绍性能。但 RTX Spark 也让我思考，谁可能会觉得这样的机器有用。大多数笔记本电脑用于本地 AI 的显存有限，而像 RTX Spark 这样的笔记本凭借其更大的统一内存，为本地模型提供了更多运行空间。对于像我这样刚接触 LLMs 和 AI 编程的人来说，诸如开源的 Ollama 等工具让下载模型并着手实验变得更容易，而无需从零开始搭建一切。毫无疑问，ProArt P16 价格昂贵，因此它不会让所有人都能用上本地 AI。但如果未来同样的内存与 CUDA 驱动的软件组合能普及到更实惠的电脑上（并且当当前的 RAMmageddon 消退后），它就能让更多人以一种直接的方式尝试本地模型和 AI 代理。

RTX Sparks 笔记本电脑现已从 NVIDIA 合作伙伴处发售，包括 ASUS、Microsoft、Lenovo、Dell、MSI 和 HP。