AI 正从云端加速下沉至终端,改变着创作、开发与娱乐方式。凭借三十余年在 GPU 与 AI 领域的积累,NVIDIA 在超过 1 亿台 RTX AI PC 装机基础上,构建起超过 1000 款 RTX 加速游戏与应用的生态。2026 年 11 月 11 日,NVIDIA RTX Spark 媒体分享会在上海举办,台式版 RTX Spark 也在现场进行了演示。

打开网易新闻 查看精彩图片

RTX Blackwell 架构:为游戏、创作与本地 AI 打造

一颗 RTX Spark超级芯片,桌面与笔记本两种形态

本次分享会围绕一个问题展开:RTX Spark 能做什么。按 NVIDIA 的定位,这是一台面向本地智能体的 Windows PC,最高可在本地运行 1200 亿参数大模型,支持 100 万 token 上下文,数据留在本机,无需订阅与按次计费。过去要提交到云端或靠多张显卡堆工作站才能完成的任务,如今一台小型 PC 即可承接。

支撑这些能力的是 RTX Spark超级芯片:一颗 Blackwell 架构 RTX GPU(6144 个 CUDA 核心)与一颗 20 核 Grace CPU,由 NVIDIA 与联发科合作定制,采用 Arm 架构;两颗芯粒通过 NVLink-C2C 互连,互连带宽可达 600GB/s,并支持双向缓存一致性。官方给出的 AI 算力为 1 PFLOP(FP4 精度),整机功耗 140W,笔记本为 45–80W。

打开网易新闻 查看精彩图片

RTX Spark Compact Desktops

与传统 PC 的核心差异在于内存架构:最高 128GB 统一内存由 CPU 与 GPU 共享同一内存池,模型权重与 KV Cache 可完整载入,这是“独立显卡+系统内存”的常规架构难以实现的。也正因如此,约一升大小的小型主机才具备了承载千亿参数级模型的条件。

平台还引入整套 RTX 技术栈,CUDA、TensorRT、光线追踪、DLSS、Reflex、G-SYNC 均有对应。游戏方面,首发前 100 款热门游戏中有 97 款可运行,既有原生 Windows on ARM 版本,也有 Prism 模拟版本;模拟只作用于 CPU,GPU 不参与。创作方面,Adobe 的 Photoshop、Premiere、Illustrator 与 InDesign 四款应用完成原生适配,均已脱离 Beta 阶段。

Day 0支持至关重要,新模型首周的下载量往往能占其生命周期的 20%,错过这一周,也就错过了大半尝鲜用户。RTX Spark 的应对是发布当天完成适配——过去三周问世的 8 个新模型,均在当天跑通。

支撑这套体验的是几项底层机制。NVIDIA App 通过 MCP 接口把 GPU 管理能力开放给智能体调用;Switchyard 判断任务该留在本地还是送去云端;OpenClaw 则在 MXC 划出的受控环境中运行,权限被限定在必要范围内。现场还演示了多任务并行:智能体在后台跑长任务时不会抢占前台界面,用户可以照常办公,甚至继续打游戏。

打开网易新闻 查看精彩图片

Day 0 支持为何关键

本地运行的价值可以用一组数字说明:NVIDIA 给出的例子是,同样生成 6100 万 output token,云端 API 约需 1200 美元,本地电费约 20 美元。按官方设定的功耗、电价与运行时长测算,本地跑的边际成本只剩下电费。

打开网易新闻 查看精彩图片

6100 万 token 的云端费用与本地电费对比

产品分级也相当明确:桌面主机只有 128GB 一档,4399 美元起,面向长时间不间断运行;笔记本版 2699 美元起,内存覆盖 24–128GB,主打便携。

打开网易新闻 查看精彩图片

官方规格与指导价格:三档配置

现场演示:智能体如何改变工作流

创作工位展示的是一条视频重制工作流。一段 30 年前的录像带素材,两分钟视频先用 Premiere 切成约 60 段、逐段抓取关键帧,再交给 ComfyUI 重建角色与场景、识别人物姿态,随后送云端渲染 1080P,最后回到本地用 RTX 超分拉到 4K HDR。云端渲染约需 8 小时,本地环节加起来不到 30 分钟;讲解人介绍,若一开始就在云端直出 4K,时间和成本都要翻上数倍。现场还演示了更轻量的场景:一句语音指令交给智能体,它调用 NVIDIA Broadcast 的超分与插帧能力,把手机拍摄的 1080P 30 帧视频升到 4K 120 帧。据现场介绍,这意味着创作者不必为 4K 专门购置拍摄设备,用 1080P 录制、后期升格即可。

打开网易新闻 查看精彩图片

本地部署使用ComfyUI+云端渲染的工作组合

机器人仿真工位展示的是开发门槛的降低。讲解人把开源项目的 GitHub 链接交给智能体,它读完文档便能说明机器人参数、自动部署仿真环境。要让机器人左右摇头,只需用自然语言下达指令,由智能体验证动作范围、生成控制脚本并送进仿真器执行。另一段演示用强化学习训练机器人踢球,跑了 1250 个回合,模型练好后直接部署到机器人本地板子。据现场介绍,整个过程不再要求手工编程或掌握电机、舵机知识。

打开网易新闻 查看精彩图片

通过本地大模型模拟仿真,完成机器人自我训练

实体机器人工位展示了两套本地方案。一套是特效小哥演示的看板娘:机器人头部经改装后交由 RTX Spark 接管,可识别人脸、由本地大模型应答,实现人机交互,动作视频也在本地生成——对话与生成全程不出本机。另一套是两台双足机器人,在 Spark 上用强化学习训练,练好后部署到机器人本地板子;讲解人反复把机器人踹倒,它都能立刻爬起来,本地推理的低延迟和高响应保证了这种即时反应。

打开网易新闻 查看精彩图片

特效小哥通过RTX Spark本地部署的“看板娘”

打开网易新闻 查看精彩图片

本地部署的强化学习模型,让机器人跌倒后快速起身

智能体工位展示的是英伟达与国内大厂合作推出的 RTX Spark 定制智能体。它可接收手机端经微信转发的指令,读取飞书中的未读消息和项目群信息,按轻重缓急整理出待办事项,再把安排和建议推回手机,前后约 30 秒;追问一句汇报需求,还能在已有上下文里找到演示文稿,列出需要修改的内容并同步回文档。本地推理支持一键部署,模型与推理框架可自动安装;另一款办公应用接入钉钉数据源,总结项目群消息后自动更新进度表。待办、文档等敏感数据全程留在本机,不必上传云端。

打开网易新闻 查看精彩图片

NVIDIA和WorkBuddy合作,打造RTX Spark专属本地智能体

通过本次分享会,我们再一次感受到,RTX Spark 真正的变化,是把原本要依赖云端的工作搬到了桌面。128GB 统一内存让 120B 参数大模型得以在本地常驻,视频重制、机器人仿真这些任务不再需要上传素材;算力留在身边,token 费用也省了下来。对于需要智能体长期在线的用户,这一变化提供了新的选项。这就是 RTX Spark 真正的价值。