首批搭载英伟达 RTX Spark 超级芯片的 Windows 笔记本电脑已经开售。华硕 ProArt 创16 RTX Spark 是其中之一，16 寸、64GB 统一内存版本定价 28999 元，128GB 统一内存版本 37999 元。
这是英伟达第一次以这样的方式进入 Windows PC 的核心硬件平台。过去的 Windows 电脑大多用 Intel 或 AMD 的处理器，英伟达只向厂商提供显卡。现在，它把自己的 ARM CPU、Blackwell RTX GPU 和统一内存打包成一套能跑 Windows 的完整计算平台。
拿到的是 64GB 统一内存版本。统一内存的形式下，实际可用的 GPU 显存大约 46.7GB，LPDDR5X 内存类型，带宽峰值理论在 300GB/s。这个规格足以运行 Qwen 3.8 270 亿参数这类模型。
过去的 Windows ARM 笔记本主要回答"能不能像 MacBook Air 一样轻薄省电"。RTX Spark 的 ARM64 架构想同时拿到两样东西：类似 Apple Silicon Mac 的高能效和统一内存优势，以及 Windows 的应用生态和 NVIDIA 的 CUDA 能力。
拔掉电源，27B 模型还能跑多久
这台机器的电池是 99.9Wh。本地跑一个 270 亿参数模型持续生成文本和推理，拔掉电源后，电池放电功率大约在 86.5W，剩余电量在 2 分钟内从 98.5Wh 掉到 96.1Wh。
按整机平均功耗 80W 估算，99.9Wh 的理论续航约 1 小时 15 分钟。也就是说，持续运行一个 27B 或更大的模型，不插电能坚持约一个小时。对一台最薄 12.9mm、重约 1.77kg 的笔记本来说，离开电源后它还能继续承担一段时间的高负载计算。
接口方面：3 个 USB4 Type-C，每个最高 40Gbps，支持视频输出和 USB PD 供电；1 个 USB-A（USB 3.2 Gen 2，最高 10Gbps）；1 个 HDMI 2.1 FRL；1 个 SD Express 7.0；1 个 3.5mm 音频接口。这套配置的意义是让它能当移动工作站用——外接高速硬盘、4K 显示器、相机存储卡。
64GB 统一内存能干什么活
微软在日前的特别活动上把 Windows PC 分成三类：开箱即用的迷你台式电脑、具备本地和云端混合智能的 Copilot+ PC、能利用云端和本地 AI 进行创作的 Builder PC。华硕 ProArt 创16 RTX Spark 属于第三类。
本地部署实测：下载 LM Studio，装 Qwen 3.8 27B 模型，思考深度调到极高，问一句"你好"，总共花 18 秒。Prompt Speed 615.7 token/s，生成速度 14.3 token/s，首 token 时间 2.83s。
让它做一个网页项目，比如为 AI PC 活动设计网页，生成速度稳定在 14 token/s 左右，首 token 时间 12.05s，总用时 609.67s。
对 64GB 统一内存来说，30B 左右的模型是这类电脑的舒适区。Qwen3 32B（NVFP4）推理速度在每秒 55–60 tokens，日常对话、文案写作、代码辅助完全流畅；喂长文档做总结时，十万 token 级上下文没有明显衰减。
WorkBuddy 里的本地模型入口
MacBook Air 上的 WorkBuddy，模型配置里只有自定义模型一栏。这台华硕 ProArt 创16 RTX Spark 上多了一个 Beta 功能，可以直接下载并管理本地运行的 AI 模型。
点击下载后电脑自动开始下载模型，并处理好本地部署对应的规则，开启并让它常驻后台，回到 WorkBuddy 任务界面就能选择该本地模型对话。
之前那个 Three.js 屋顶游戏，现在通过 WorkBuddy 也能实现。效果比不上当下最前沿的模型，但用来做初步的项目验证、观察可行性可以试试。整个任务用时 13m59s，对比使用 WorkBuddy 的云端模型，时间可能还更少。任务管理器里 GPU 使用率上升到 100%，风扇声音明显。
WorkBuddy 内没有直接说明这款本地模型来自哪家厂商，但和它简单聊天，能从模型文件头部找到信息：这是腾讯优化过的本地模型，500 亿参数的 MoE 模型，模型大小 16GB，使用 CUDA 13 加速。
配合 WorkBuddy 这套 Harness 的能力，一些日常简单办公——数据分析、数据可视化、报告总结这类繁琐型工作——会有不错的表现。当前也可以通过 LM Studio 本地模型 API 的方式，把 LM Studio 内下载的模型以 API 形式加载到 WorkBuddy 内，加载成功后就能显示对应的自定义模型。同样的方式也能把本地模型加载到其他常用的 Harness 工具里，比如 DeepSeek Harness。
Windows 这边在补什么课
针对 Windows 开发总会有各种问题，这也是 Windows、Linux、macOS 三大系统用户经常纠结的原因。很多开源开发工具最初围绕 Unix/Linux 工作流构建，Bash 脚本、Git、OpenSSL、编译器和各种命令行工具在 Linux/macOS 环境中调用方式相似。Linux 也会遇到驱动、系统库和不同发行版之间的兼容问题；macOS 可能缺少 Python 包的 Apple Silicon build 版本，还可能需要安装 Xcode Command Line Tools。
Windows 一直在解决这些问题。前几天的 Windows 更新中，正在推进的 Microsoft Execution Containers MXC 项目，能为执行文件操作、调用工具的 AI 智能体提供更安全、可控的运行环境。本地模型方面，微软宣布为 Windows ML 引入 llama.cpp 支持，让开发者通过 Windows 的 AI 运行时调用更多开源模型。加上已有的 WSL、Windows Terminal、WinGet，以及持续完善的 ARM64 原生开发工具，Windows 已经比过去更适合开发者使用。
日常体验也在更新。新版 Windows Search 除了搜索文件和应用，还可以让系统执行对应操作，不必再进入设置菜单逐项查找。Copilot 也准备加入更多本地能力，在获得用户许可后，可以读取电脑里的相关文件、执行系统操作，或者调用本地模型完成任务。
要不要为本地 AI 换机
以前一台配备大容量 NVIDIA GPU 的 AI 工作站，往往意味着体积不小的主机、独立显卡和持续供电的桌面环境。现在英伟达把一套能运行大型本地模型、支持 CUDA 的计算平台，放进了一台不到 1.8kg 的 Windows 笔记本里。可以带去办公室，放在咖啡店桌上，甚至拔掉电源让一个 27B 模型继续运行。
但这台电脑也暴露了现阶段本地 AI 的另一面：硬件已经能运行大型模型，软件还没有完全做好让每个人都轻松使用它的准备。WorkBuddy 这类产品正在减少部署门槛，更多智能体也开始尝试直接利用本地算力。软件适配、模型能力、性能与续航之间的取舍，依然会影响最终体验。
如果你每天都需要运行本地模型、开发 AI 应用，或者处理不方便上传云端的资料，这一代华硕 ProArt 创16 RTX Spark 确实提供了一个值得考虑的新选择。如果平时只是使用 ChatGPT、Gemini 等云端 AI 工具，现在还没有必要为了本地运行一个大模型专门换掉手里的笔记本。
热门跟贴