“轻薄”和“高性能”互斥？“本地跑大模型”更是工作站、服务器的专属话题？不，有新生力量正试图摧毁这些固有印象，NVIDIA RTX Spark平台同时撕掉了这几张老旧标签，它把Blackwell架构的RTX GPU、最多20核的Grace Arm CPU，以及高达128GB的统一内存，塞进了一台厚度仅14mm、重量2kg左右的笔记本里。NVIDIA将其称为“One PC”，我们更愿意相信它是一台同时服务于创作者、玩家与AI智能体的机器。RTX Spark的出现，势必改写Windows PC的既有格局。随着本地智能体时代的开启，RTX Spark也很可能会成为大众消费级别端侧AI的第一张入场券。RTX Spark它来了，你们准备好了吗？
RTX Spark 到底是什么
到达评测室的机器是联想的YOGA系列最新作——联想YOGA Pro 15 RTX Spark，但是要理解这台机器，必须先理解 RTX Spark 这个平台。
先期发布的NVIDIA RTX Spark N1X不是一颗独立的单功能芯片，也非传统意义上“CPU+独立显卡”的简单拼盘，它是一颗以SoC形态高度集成的“超级芯片”。这颗芯片由 NVIDIA Grace CPU与RTX Blackwell GPU通过片内高速互连组成，CPU与GPU共享同一块统一架构内存池。
NVIDIA在公布的白皮书里给出的官方描述非常直白——“RTX Spark是Windows PC 的一个新起点，为创作者、玩家和 AI 智能体打造”。显然它的野心来自一个判断：计算正在进入“智能体时代”。AI 不再只是聊天框里的对话，而是要能跨文件、跨工具以及跨应用去“执行”任务。要让一台笔记本电脑或迷你PC具备本地承载这类负载的能力，靠的不只是算力，更是显存容量与内存带宽——而这恰恰是传统轻薄本最缺的东西。RTX Spark用“统一内存”这个思路，把过去要数十GB 独立显存，甚至要数据中心级专业显卡才能塞下的模型，直接放进了一台便携电脑里，不管它的形态是笔记本还是迷你台式机。
另外，软件基础也是非常重要的一环。RTX Spark的软件基础是已经非常成熟且完整的NVIDIA CUDA加速计算生态，与全球最先进数据中心、GeForce RTX 消费级显卡、NVIDIA RTX PRO 专业显卡以及 DGX Spark、DGX Station 等专业系统使用的是同一套生态——这意味着大量现成的 AI 框架、推理运行时、开发工具和加速应用可以平滑迁移过来，而不是一个封闭的“玩具平台”。对创作者而言，Blender、DaVinci Resolve、Affinity、Adobe Photoshop 等Arm原生应用已经就位；对玩家而言，完整的 RTX 光追、DLSS家族、G-SYNC、Reflex以及ACE等也一应俱全。你完全可以认为，RTX Spark是NVIDIA把“数据中心级 AI”“工作站级创作”以及“RTX游戏”三件事压进同一颗移动 SoC 的一次架构级创新的大胆尝试。
NVIDIA RTX Spark N1X， 3nm的“移动工作站心脏”
RTX Spark N1X 目前公布了两款规格型号，二者共享同一套架构与内存子系统。其一是RTX Spark N1X-5120 Core，它包含40组SM单元和5120个CUDA核心，CPU部分则是18核CPU(9颗Arm Cortex-X925大核+9颗Cortex-A725小核)。另一档则是48组SM单元、配置6144个CUDA核心，配合20核CPU(10 X925+10 A725)。Cortex-X925性能大核最高主频在3.9GHz 至4.1GHz 之间，A725能效小核为2.8GHz。我们本次拿到的 YOGA 15 Pro 属于面向高性能的机型，搭载6144个CUDA核心的高配 N1X-6144 Core以及128GB统一架构LPDDR5X内存。
GPU 部分是RTX Spark N1X的心脏，这款GPU采用的是Blackwell架构RTX GPU，配备第四代RT Core与第五代Tensor Core，第五代Tensor Core为 DLSS 5 的“3D 引导神经网络渲染”、AI 出图与本地大模型推理提供了专门的高吞吐算力，原生支持 NVFP4 这类低精度数值格式，而第四代光追核心则保证了即便在轻薄本上，也能开启完整光追/路径追踪画面。
统一架构设计的内存系统是RTX Spark区别于一切传统轻薄本平台的核心卖点，也是它能否跑大模型的直接决定因素。RTX Spark N1X采用 LPDDR5X 统一内存设计，内存设计为16通道，位宽256-bit，速率最高可达9400Mbps，内存带宽峰值可达 300GB/s，稳定带宽也能达到273.2GB/s。之前我们在测试NVIDIA DGX Spark时也曾讲解过，“统一内存”是一个特别的设计——CPU与GPU不再各自完全独立地配置系统内存和GPU显存，而是访问同一块内存池，通过 NVLink C2C实现600 GB/s的双向带宽，把基于Arm架构的Grace CPU与基于Blackwell架构的GPU耦合成一个一致性系统。这种设计带来的直接结果是，最高128GB的整体系统内存可以在NVIDIA App里以滑块方式分配GPU当作显存使用(最高96GB显存分配，超出需求还可以动态使用更多)，理论上可让一块“显存”大到足以装下几十GB的模型权重与KV Cache，这对于当今的独立显存时代，尤其是消费级独显市场来说是不可想象的。代价则在于：因为 CPU、GPU 共享同一块 LPDDR5X，300 GB/s 的峰值带宽既要伺候图形与游戏的突发吞吐，也要承担大模型逐 token 解码的带宽压力，一旦进入混合并发负载，LPDDR5X 共享带宽的约束就会有所体现。不过这也是必要的架构取舍——虽然牺牲了一些多任务带宽隔离能力和随机访问性能，但消费者得到的是超大统一内存池，消除CPU-GPU数据拷贝开销，从而在轻薄本形态下轻松实现百亿大模型本地运行能力，完全不亏，还是血赚。
在工艺、功耗方面，RTX Spark N1X 的CPU和GPU均采用TSMC 3nm工艺，SoC整体 TDP为45～80W可配置。这个可调 TDP 区间正是轻薄本“性能—续航—散热”三角博弈的旋钮：厂商可以按机身散热能力，在45W的安静长续航与80W的满血释放之间取舍。显示输出支持HDMI 2.1a与经由USB 4输出的DisplayPort 2.0。
表： NVIDIA RTX Spark N1X 平台规格参数参考
注：表中为RTX Spark N1X平台级规格。实际内存容量与整机功耗、数据率以及可外接显示接口数量等随具体机型配置而不同，联想YOGA 15 Pro RTX Spark 的具体内存/显存划分以本机为准。
Grace CPU与Blackwell GPU之间的NVLink C2C是一条把CPU和GPU封装在同一底座上，以芯片间互连速度直连的高速通道。这种设计配合硬件级缓存一致性，使GPU能像访问显存一样低延迟地访问这块 LPDDR5X内存池，而不必像传统PCIe独显那样在显存与内存之间反复搬运数据。正是这条通道，把“最多128GB、可划给GPU 96GB的显存”从纸面规格变成了可落地的能力。另外，我们认为45～80W的“可配置 SoC TDP”并不是一个摆设数字，而是把整机定位权交给了联想这样的OEM厂商。同样一颗 6144 核的RTX Spark N1X，装进以性能为目标的游戏本可以常态跑在70W甚至更高的极致帧率上，装进偏轻薄的全能本则可能在45～55W之间换取更好的便携与续航——所以“平台参考值”给出的是能力上限，而“这台 YOGA 到底放出多少持续功率、满载噪声多大”，才是决定体验下限的关键。RTX Spark平台告诉了你天花板在哪，散热和供电策略才决定你实际能摸到几层楼。
Windows on Arm 与软件生态：从“能用”到“好用”
除了硬件上的统一架构内存池设计，RTX Spark的另一半值得讲的故事则是它是跑在Arm架构的Windows上。坦白讲，“Windows on Arm”这个概念并不稀奇，之前也曾有过不少基于高通Soc平台的产品，消费者对这些产品大多还停留在“生态稀、兼容性差”的旧印象里，而RTX Spark平台的情况有些不一样。
NVIDIA表示，微软与NVIDIA针对RTX Spark的架构做了联合工程优化，投入覆盖性能与电源管理、统一内存、图形与本地AI加速，以及应用兼容性等多个层面。在调度层面，微软为RTX Spark实现并优化了“工作负载配置调度”，帮助Windows调度器在X925大核与A725小核之间高效分配任务；同时启用“微软电源与热框架”，让系统在负载变化时协调性能、功耗与散热行为。针对统一内存，Windows也做了适配，让应用能更好地利用这块可被GPU访问的大内存池。这些“看不见的底层工程”，恰恰决定了这台机器在日常使用与重负载之间切换时是否跟手。
RTX Spark平台基于Arm架构，因此Windows同时兼顾了两类软件：原生Arm64程序，以及通过Prism兼容层运行的x86/x64程序。Prism是Windows内置的模拟层，无需重新编译即可在Arm PC上运行32位x86与64位x64软件。需要特别说明的是，Prism只负责把x86/x64的CPU指令转译成Arm指令，而GPU上的代码无需转译，直接在NVIDIA GPU上本地执行——因此GPU计算本身不承担转译开销。在实际可用性上，Blender、DaVinci Resolve、Affinity、Adobe Photoshop等专业创作软件均已提供原生Arm版本，覆盖3D创作、视频剪辑、平面摄影等主流工作流。这也意味着，大多数专业用户的工作习惯不会因Arm架构打破。
但还是需要说明，虽然NVIDIA和微软为了RTX Spark的兼容性做了许多努力，然而对于x86/x64和Arm两套不同的底层架构系统，部分x86/x64原生Windows程序在RTX Spark机器上运行仍然会产生一些问题。在我们的测试过程中就遇到了GPU-Z等一些x64程序无法正常运行的情况，但大部分常用程序已经达到了非常优秀的运行状态，算是瑕不掩瑜吧。
联想YOGA Pro 15 RTX Spark，RTX Spark初亮相
联想YOGA Pro 15 RTX Spark最核心的差异化卖点就是搭载了前面介绍过的NVIDIA RTX Spark N1X 超级芯片，配合最高128GB LPDDR5X统一大内存与 2TB 高速固态硬盘，让 AI 运算、本地大模型部署、3D 渲染与 3A 游戏创作都能在同一台轻薄的笔记本上从容完成。机器还内置“天禧 AI”智能能力，将AI深度融入日常办公与创作场景。YOGA Pro 15 RTX Spark有64GB和128GB两个版本，本次测试我们拿到的是128GB统一内存容量版。
YOGA Pro 15 RTX Spark 延续了YOGA系列一贯的高端质感与极简设计语言，整机以“雷霆灰”作为主色，金属质感的外壳在光线下呈现出克制而沉稳的高级灰调，既契合专业创作者的审美偏好，也不易留下指纹与划痕。得益于内部高度集成的一体化设计，机身被压缩到薄约16.7mm、轻约1.75kg——这是一台把“超级芯片+大容量存储”全部塞进去的15.3英寸性能本，却能以接近轻薄本的便携身材随身携带，兼顾了桌面级算力与移动办公的双重需求。
屏幕采用16:10的黄金生产力比例，三面窄边框带来极高的屏占比，开盖即一块近乎满屏的沉浸式画布，C 面布局干净利落，整体观感简约而有秩序感。它搭载一块15.3英寸、分辨率达2560×1600的高分屏，支持100% DCI-P3电影级广色域与165Hz 高刷新率，色彩还原准确、画面流畅顺滑，无论是视频调色、平面设计还是照片精修，都能呈现细腻真实的色彩层次；同时这块屏幕还支持触控操作，配合联想天禧AI与Windows 11，让创作交互更直觉、更高效。
设计上，YOGA Pro 15配备了手感舒适的“韵律键盘”，搭载9.2M高清 IR 摄像头并支持人脸识别，开盖即用、安全便捷；无线连接上则用上了最新的Wi-Fi 7与蓝牙5.4，为高速传输与多设备协同留足余量。整机内置92.5Wh大容量电池，为长时间的外出创作与移动办公提供扎实的续航底气，并预装正版Office，开箱即用。
联想 YOGA Pro 15 RTX Spark以“雷霆灰金属质感+16.7mm轻薄机身+高素质触控屏”构筑外观，以“RTX Spark 超级芯片+128GB超大统一内存+联想天禧 AI”定义内在，是一台把旗舰级AI与图形算力真正装进便携身材的高端轻薄创作本，尤其适合追求性能、颜值与移动性兼得的创作者与专业用户。
联想YOGA Pro 15 RTX Spark参数规格一览
SoC：NVIDIA RTX Spark N1X 超级芯片，整机80W性能释放。
内存：最高128GB LPDDR5X 9400MT/s
存储：板载不可升级存储至高2TB SSD，双M.2 插槽支持扩展。
屏幕：15.3 英寸、16:10 OLED 触控屏，2560×1600@165Hz ，100% DCI-P3 广色域。色准ΔE<0.5，逐片校色。
接口：2×USB 3.2 Type-C、1×HDMI 2.1、2×USB-A 10Gbps、UHS-II SD 读卡器、3.5mm 音频二合一接口。
电池：92.5Wh
快充：140W USB-C
重量及尺寸：347mm×242mm×16.7mm，约1.75kg(不含适配器)
操作系统：Windows 11家庭中文版(内置天禧 AI)，原生支持 CUDA，支持本地百亿参数大模型推理，出厂预置 35B 本地大模型。
参考价格：42999元
AI 性能实测，RTX Spark的第一主场
本地AI才是 RTX Spark存在的最重要价值。在此前的RTX Spark发布会上，NVIDIA 把“在设备上本地跑 AI”的价值讲得很清楚：模型和软件装好后即可离线运行；敏感的输入输出全部留在本地，不外传；本地执行的负载不用为每一次请求支付云端API费用；开发者对模型、检查点、数值格式、运行时与数据通路拥有完全控制权；并且拥有独立于云服务可用性的专用本地算力。对一个需要“随时、随地、断网也能用”的智能体工作站来说，这几点合在一起，就具备了不可替代性。
支持的模型方面，RTX Spark 面向当前主流的强本地模型，如Qwen3.8-27B、Qwen3.8 Flash Next甚至NVIDIA 自家的 Nemotron Bolt 等。它不只是“能加载”模型，而是端到端加速整个智能体回路：AI智能体的推理由Blackwell GPU的张量核心与 llama.cpp等CUDA兼容框架加速；再通过NVIDIA PAIR做“智能提示路由”，把推理请求动态分配到本地乃至家庭/办公室网络里空闲的算力上，把多智能体、子智能体的瓶颈用可用余量缓解掉；配合NeMo Switchyard SDK 实现本地与云端混合路由。个人认为更简单一点的理解是——本地跑不动的部分可以溢出到云端或局域网，本地能吃的尽量本地吃——这是一套面向现实的流程工作取舍。下面我们将具体看看RTX Spark在AI性能上的具体表现。
Artificial Analysis AgentPerf Local基准测试
AgentPerf Local是Artificial Analysis推出的一个新基准测试，它将其广为人知的 AgentPerf 基准测试扩展至本地系统。这是一套开源基准，通过回放录制好的真实智能体对话，测试服务的吞吐量与延迟。它的测试素材来自SWE-bench、PinchBench等真实编程与协作场景，兼容OpenAI接口。完整默认负载包含8个任务、共168轮对话，总输入Token超200万、输出约3.1万Token，大量输入Token复用KV缓存。
我们首先在联想YOGA 15 Pro上安装部署了Llama.CPP、DFlash和Qwen3.8-27B，并设置了以DFlash为后端的模型服务器。然后安装了AgentPerf Local Artificial Analysis(TUI)作为本地模型能力基准测试工具，通过前述的AgentPerf Local来衡量联想YOGA 15 Pro这台RTX Spark笔记本电脑的本地AI性能。从测试结果来看，128GB统一内存架构为显存、内存两端留足了27B大模型的运行空间，联想YOGA 15 Pro驾驭27B大模型可以说是不要太轻松，在168轮对话的高负荷压榨下，最后完成时间约为20分钟，解码输出速度也达到了约34.39Tokens/秒。Qwen3.8-27B是稠密模型，每生成一个token都要把整份权重从内存里读一遍，在128GB LPDDR5X的冗余量下，token输出速度的表现在大模型下还是非常不错的。
UL Procyon AI Image Generation的AIGC性能测试表明，RTX Spark成功地将原本需要强大桌面显卡才能胜任的AI图像生成任务，高效地带入了笔记本电脑这一形态。无论是用于快速创意构思的Light模型，还是用于精细创作的Standard模型，它都能提供流畅的体验。即便是面对SDXL这样的大模型，也能在本地完成工作，保证了数据隐私和工作流程的完整性。
在基于LLM模型的智能文本应答AI性能测试方面，轻量级模型PHI 3.5平均首字延迟为 0.27秒，平均输出速度高达 73.45 tokens/s。在LLaMA-3.1这种业界标杆级的开源大模型面前，其推理和逻辑能力表现更为强悍，接近50 tokens/s的速度依然表现出了“流畅交互”的态势。测试也证明了RTX Spark平台的硬件底子非常扎实，能够应对更高复杂度、更强智能的AI模型。
在ML Perf Client GUI的LLM大语言模型推理能力测试上，联想YOGA Pro 15的表现也很优秀，交互体验极其跟手，完全没有本地跑模型的卡顿感。即使是最复杂的“大量文本摘要”任务，TPS 也维持在 73.4，全程丝滑，无需等待。
“数据分析师智能体”和“软件工程智能体”是基于本地人工智能体的性能测试，不再是单纯的问答，而是让 AI 自主调用工具完成任务。平均工具调用时长仅约 5.3秒 ，说明设备不仅能“聊天”，还能在本地高效地帮你写代码、分析数据，展现了极强的综合计算能力。
在 1024x1024 的高清分辨率下，平均生成一张图片仅需 1.64 秒，换算下来每分钟能产出约 36 张图片。对于需要快速构思、批量生成素材的创作者来说，这种效率能够极大地缩短“灵感－成图”的迭代周期。RTX Spark机器在这里展示了其作为“生产力工具”的硬实力——不仅能秒级出图，而且在持续高频生成时表现极其稳定，完全可以胜任专业级的AI图像设计工作流。
在 llama.cpp + DFlash 体验中，最直观的感受是长上下文场景下的响应更稳。过去在普通笔记本电脑上跑大模型，上下文一长，首字延迟和生成速度都会明显变差；而在 联想YOGA Pro 15 RTX Spark 上，由于 KV Cache 可以更多留在统一内存中，模型处理长文档、长对话或多轮任务时不容易出现明显卡顿。坦白讲，RTX Spark未必能在单模型原始生成速度上全面碾压高带宽独显，但在“大模型+长上下文+本地部署”这一组合里，其优势非常明显。
在 Hermes 智能体体验中，RTX Spark 的价值进一步被放大。Hermes 本身强调可靠性、工具调用、子智能体编排和自我进化，适合长期本地运行。 这类智能体不是简单问一句答一句，而是会持续维护上下文、调用工具、拆解子任务、保存技能。128GB 统一内存让它可以在本地同时承载更强的模型和更长的会话记忆，而不必频繁依赖云端或担心显存溢出。 实际使用中，这种能力会体现在更连贯的多步任务执行、更稳定的本地文件/工具调用，以及更少的“模型被截断、上下文丢失”的焦虑。
整体来看，RTX Spark在这两个应用上的表现说明它的定位已经不只是“能跑本地大模型”，而是开始接近一台个人本地AI工作站：llama.cpp+DFlash提供了更高效的推理底座，Hermes智能体则把RTX Spark这套算力变成了可持续工作的智能体系统。对于需要在本地处理长文档、多模型并行、隐私敏感任务或持续运行AI智能体的场景，这台128GB 统一内存机器的体验优势会比单纯看tokens/s更明显。
RTX Spark的本地AI能力不止于“推理”，还包括“定制”。在评测过程中，我们用开源无代码工具Unsloth Studio(GUI)，基于从 NVIDIA FrameView 用户手册派生的问答数据集，给Qwen3.5-9B模型挂一个LoRA适配器进行了微调，训练轮数设置为3、学习率0.0005、批量大小4、梯度累积步数1，目标是让模型输出更短、更直接、更贴近ASD-STE100简化技术英语的答案风格。
整个训练调校过程大约耗时3分40秒。在训练完成后，我们在对话框中设置同时对训练前的基础模型和调校后的模型进行同一问题的对话，最后结果显示原来的基础模型给出了冗长且格式细节错误的回答，而经过 3 轮 LoRA 微调后的模型则明显收敛到目标风格，回答简洁、快速且非常准确。
总的来说，从我们的整体AI侧体验结果而言，我们认为，对开发者和AI应用“惯犯”而言，一台能推理、能跑代码智能体，还能就地微调的便携机器，意味着“想法—原型—训练—验证”可以在同一台设备上闭环，而这在过去要么靠云，要么就得靠满配置的工作站。因此对侧重AI应用的消费者而言，RTX Spark的出现着实意义重大，毕竟背靠CUDA生态这棵AI基石大树，总是有着事半功倍的天然优势。
想再强调一下128GB容量对本地 AI 的决定性意义：一个 27B~32B 级别的模型，光是 FP16 权重差不多就要50 GB，再叠加长上下文的 KV Cache 很快逼近 60~80GB，这正是 32GB无法跑、64GB相对紧张，而128GB 机型才游刃有余的原因。因此，RTX Spark通过NVIDIA App给GPU分配内存绝对不是玄学开关，而是为消费者在推理、微调或出图之间设置的一道容量预算总阀门。在具体的AI应用中，YOGA 15 Pro RTX Spark究竟配64GB显存还是更高，直接决定它能不能把27B及更大的模型与长上下文一起装下。这些都需要玩家根据实际应用环境和条件灵活设置。但从我们的实际体验来看，128GB统一内存的设计，让RTX Spark切实地将超大模型的本地部署在消费端实现了落地，且拥有强悍的性能表现，超大模型落地端侧，对终端消费者来说，这或许才是RTX Spark最大价值之一。
内容创作，得心应手
在AI应用落地之外，基于RTX Studio生态圈的设计创作用户，或许会是 RTX Spark最看重的第二人群。Arm原生专业应用(及大部分x86兼容应用)+RTX GPU/Tensor Core加速，这就是RTX Spark在设计创作领域的底气。而且NVIDIA在RTX Studio的设计创作生态圈建设上花费了大量精力且取得了不俗战果，也奠定了深厚的软件技术基础，因此我们在测试之初就猜测RTX Spark在这一领域应该同样有着强大能量。下面就让我们一起去看看。
首先看YOGA 15 Pro RTX Spark在Comfy Desktop应用中的表现。从测试结果可以看出，无论是32B、320亿参数的Flux2.DEV-NVFP4，还是轻量化之后的Flux2.Klein 4B，YOGA 15 Pro RTX Spark都能轻松部署运行，面对之前很多高端独显都崩溃的ComfyUI+Flux2.DEV组合，RTX Spark给出了41.97秒/张的产图数据，表现非常不错。而Flux2.Klein 4B凭借其极小的“体重”，能够把RTX Spark机器的硬件带宽优势发挥到极致，跑出了14.12秒/张的惊人速度。
同时在视频生成方面，RTX Spark也不含糊，搭配LTX 2.5蒸馏版NVFP4量化模型之后，在Comfy Desktop中以8步生成1280×720、120fps的短片耗时约80秒。显然，这里要特别表扬一下“NVFP4”，Blackwell GPU的第五代张量核心原生支持FP4 精度加速，这也是这款RTX Spark机器在55W左右的总移动功耗预算里还能做到这种出图速度的重要原因之一。
RTX Spark在专业渲染领域也有着不俗的实力，我们用Blender Cycles Benchmark(TUI, Arm64) 对其进行了测试。Monster、Junkshop和Classroom三个场景的得分分别为1870.65、1493.03和1334.19，数据表现稳定且比较高效。在Junkshop和Classroom两个小模型的渲染性能表现上基本持平桌面RTX 5070，在复杂的Monster怪兽模型渲染上，受限于显存带宽带来的总吞吐量，性能表现弱于桌面版RTX 5070。但不要忘记，YOGA Pro 15 RTX Spark的SoC 功耗设计为80W左右，交出这份成绩单已经可以说是非常不错的了，而且已经在性能上不输于RTX 5070笔记本电脑GPU。
YOGA 15 Pro RTX Spark在V-Ray 6 Benchmark测试中表现非常稳健，RTX模式得分2909，CUDA模式得分2438。128GB统一内存可无损加载超大场景，避免显存溢出降速，就专业渲染稳定性而言，RTX Spark远超普通消费显卡甚至大部分主流专业显卡。
除了Benchmark跑分，我们其实更关注RTX Spark在设计创作软件中本地AI 工作流上的表现。因此，我们用Adobe Photoshop和Premiere进行了RTX Spark在这方面的一些体验。
在Photoshop 28.0中，启用擦除画笔的生成式AI之后，我们用擦除工具圈选涂抹掉了图片中书桌顶端的雕像手、书架上的球体以及书桌表面左右侧的绿植盆。在整个过程中YOGA Pro 15 RTX Spark的计算非常迅速，几乎是瞬间完成，而且涂抹之后的画面补缺也较为精准，除了桌面左侧的书有一些变形之外，其他部分的涂抹处理都非常合理且几乎没有留下痕迹。
在另一张图片的生成式AI处理上，首先用查找干扰项让RTX Spark机器通过AI计算直接去掉了电线杆之间的繁乱电线，再用擦除工具去掉电线杆，瞬间就能得到一张非常干净的图片，整个处理过程几乎都是瞬间完成，几乎感觉不到处理延迟，也说明了RTX Spark在面对设计创作本地AI工作流时的强悍性能。
借助 TensorRT for RTX 提供的硬件加速，YOGA 15 Pro RTX Spark能在Adobe Premiere的音频增强中，把一段约数十秒的会议录音在1分钟内(实测耗时57秒)内完成对白/音乐/环境声分离与增强。增强前环境音非常嘈杂，背景回声明显，使用AI加速增强之后，可以明显感到背景回音大幅减弱，对白更加清晰，效果还是非常明显的。
另外在本次测试中我们也体验了基于本地AI工作流的Adobe Premiere Object Masking(物体遮罩)功能，它可以在整段视频中用 TensorRT 对选定物体做跟踪遮罩，用YOGA Pro 15 RTX Spark在回放中渲染这段遮罩跟踪视频，整体帧率没有严重下降，保持了非常优秀的流畅度。
▲从左到右依次为“关闭降噪”“OPTIX降噪”以及“DLSS降噪”
此外，在Blender软件中，在测试阶段，可以通过替换DLSS DLL(RTX Spark机器正式上线，Blender也许会更新为内置功能)，还能开启DLSS 4.5的光线重建（Ray Reconstruction）功能。此时玩家可以用“DLSS 降噪”替代“OptiX 降噪”来加速交互式编辑预览。从测试结果来看，DLSS降噪相比OptiX降噪在渲染反馈方面更加及时，几乎不存在渲染延迟和卡顿。同时，DLSS降噪还带来了更丰富的细节表现和更准确的光照效果。玩家们不妨等RTX Spark上线之后尝试一下。
其实设计创作工具的本地AI工作流也不是现在才出现的新鲜事物，但这些能力过去要么依赖云端、要么本地响应迟缓，而现在能在离线笔记本上完成——这正是RTX Spark“统一内存+本地算力”给创作者带来的实际工作方式改变。
极致画质百帧畅玩3A游戏，轻松带出门
AI、创作，接下来我们应该谈谈RTX Spark在游戏性能上的表现了，毕竟它拥有与RTX 5070对等的6144 CUDA核心配置，也确实让人对RTX Spark的游戏体验表现充满期待。光线追踪、路径追踪、DLSS 4.5甚至是DLSS 5……RTX Spark会在游戏领域交出怎样的答卷？
在这部分的体验测试中，我们将选择用3DMark测试RTX Spark的基准3D性能，用8款热门3A游戏来考察RTX Spark的真实游戏性能。
光追两项测试中，Port Royal 8689分、图形测试 40.23fps；Speed Way 2945 分、显卡测试29.45 fps，表现还是非常不错的。如果要与移动端GPU进行比较的话，它在光追两项上表现出来的性能大致与满功耗版的RTX 5070笔记本电脑GPU相当，性能是合格的。
纯光栅化图形性能测试的Steel Nomad项目中，联想YOGA Pro 15 RTX Spark的表现仍然不错，3010的得分略超过了RTX 5070笔记本电脑GPU。
接下来就来看看RTX Spark在具体游戏中的表现吧。
我们选择了Steam平台上的七款热门3A游戏大作进行测试，其中6款游戏是基于x86的，而《漫威争锋》则是选择了Arm 64的Beta体验版。在所有游戏的体验测试中，我们统一设置为最高画质加最高光追效果，我们也很想知道在强悍的AI、设计创作性能之外，RTX Spark能否让玩家畅游游戏世界。
测试结果非常理想，在最高画质、最高光追效果(支持的游戏开启路径追踪)设置下，RTX Spark在DLSS技术的支持下，在1440p分辨率(个别游戏强制为1600p)下几乎都实现或接近100+fps的帧率表现。请注意我们这里设置的是最高画质+最高光追效果，在《黑神话：悟空》《赛博朋克2077》这两款游戏中，1440p分辨率下的帧率接近100fps，仍然非常流畅。但只需要略微降低画质或光追等级，即可达到轻松破百。而在1080p分辨率下，所选择的8款游戏更是都达到了100+fps的绝对流畅运行水准。所以整体而言，RTX Spark的游戏性能表现还是非常亮眼的，你甚至可以叫它最会玩游戏的AIPC，似乎也非常恰当。
在游戏体验的最后，说下RTX Spark在DLSS 5方面的表现。想必玩家们都知道DLSS 5带来的最大改变就是“3D引导神经网络渲染”这一光追游戏画质增强技术。作为Blackwell架构GPU独家支持的技术，RTX Spark自然也未落下。我们用RTX Spark体验了支持DLSS 5的游戏《NBA 2K27》，在游戏中，DLSS 5增强了皮肤次表面散射、面部毛发的受光，以及球衣与篮球之间的接触阴影。DLSS 5的3D引导神经网络渲染利用游戏已渲染的帧与运动矢量，在不破坏场景结构与角色身份的前提下，极大地增强了光照与材质细节，为画面带来“有生命的”光照与材质质感。当然，RTX Spark的用户也能无障碍体验这一最新的DLSS技术。
编者注：RTX Spark平台还有许多可玩性极高的AI应用，比如NVIDIA PAIR的AI程序联动、NVIDIA App下的AI智能管理问答、NVIDIA Broadcast与AI智能体联动、在RTX Spark下养龙虾等。遗憾的是，由于本次评测周期时间较为紧张，这些应用没法深入体验。在以后的RTX Spark使用体验文章中，我们将着重呈现这些本次未能展现的应用心得。
续航与散热
文章的最后，我们来看下作为一款以笔记本电脑形态出现的RTX Spark机器，联想YOGA Pro 15 RTX Spark在散热和续航方面的表现。
在Furmark+CPU-Z Stress的双烤状态下，联想YOGA Pro 15 RTX Spark能稳定输出GPU 45W+CPU 15W，即60W左右的性能释放，峰值超过80W，基本与该款产品设计相符。而YOGA 15 Pro RTX Spark的整体功耗输出在双烤状态下为106W左右。
在续航性能表现上，YOGA 15 Pro RTX Spark在平衡模式下运行高负载路径追踪游戏《赛博朋克2077》时，持续游戏时间为1小时36分钟；而在性能模式下则能坚持1小时左右。运行负荷相对较低的CS2时，电池设置为平衡模式，能坚持约1小时49分钟；能效模式下则可以达到2小时40分钟。
持续视频播放比较能代表真实办公应用状态，在平衡模式下持续播放视频的续航时间约为7.5小时，能效模式下则可以达到9小时38分钟。因此当你将YOGA 15 Pro RTX Spark当作办公机用时，坚持一天一充基本没问题。
最后看看YOGA 15 Pro RTX Spark的散热情况。室温25℃，持续使用1小时之后，我们用FLIR热成像仪对这款笔记本电脑的散热情况进行了测试。最后发现，YOGA 15 Pro RTX Spark的发热高温点主要集中在机器中部区域和铰链处的出风口，这里也是RTX Spark N1X芯片所在位置。键盘区中部最高温度约45.3℃，触摸有热感。不过在两侧的主要操作区域内，温度被很好地控制在了35℃左右，左右手的触感都非常舒适。
一机三吃，端侧AI落地
如果要给联想YOGA 15 Pro RTX Spark以及在背后支撑它的NVIDIA RTX Spark平台下一个定义，我们想到的词是“一机三吃”。在过去，一台1.75kg、厚度约16.7mm 的笔记本，你很难同时要求它扮演三种角色——既要是一台能把27B稠密大模型和长上下文完整装进本地、随手就能微调出专属模型的AI工作站，又要是一台能在ComfyUI里跑Flux2.DEV、在Blender与V-Ray里从容渲染的专业创作机，还要能在最高画质加最高光追下把3A大作拉到接近百帧，甚至尝鲜DLSS 5的游戏本。而RTX Spark用统一内存+Blackwell GPU+CUDA生态这套组合拳，把这三个原本相互打架的领域压进了同一颗3nm的SoC里，这本身就是一次足够大胆的架构级尝试。
RTX Spark平台的性能表现自然无须我们再赘述，相信通过前面的体验测试玩家们心中已经有了答案。在过去，本地跑大模型、模型微调以及大规模3D渲染往往是台式工作站、服务器的专属领地，普通笔记本要么只能依赖云端API，要么受限于内存与显存，连完整加载大模型都十分吃力。YOGA Pro 15 RTX Spark的出现，则把这部分能力实实在在带到消费级移动平台。断网状态下运行百亿参数大模型、本地完成 AIGC出图、LoRA模型微调、Blender渲染与光追游戏，全部可以在这台笔记本闭环完成，兼顾了数据隐私、使用成本与创作效率。
当然它并非完美。Windows on Arm的兼容性仍有边角需要补齐，个别 x64 程序跑不起来是当下无法回避的现实；统一内存把带宽这块“公共蛋糕”分给了图形与大模型两端，在复杂混合负载下会触到吞吐上限，Monster这类高负载场景仍不及桌面 RTX 5070……但在我们看来，恰恰是这些“必要的让步”，换来了过去只在工作站或云端才有的能力，如今能塞进一只简单的背包里，断网也能跑、数据不外传、不必为每次请求付API账单。这笔账，我们认为消费者是赚的。YOGA Pro 15 RTX Spark是一台把“个人AI智能体”真正落地成产品的创作本。它不一定适合所有人，但对于需要端侧完整AI能力的人而言，它几乎重新定义了轻薄创作本的天花板。最适合选择它的人是AI开发者与科研人员、需要本地AI的内容创作者以及追求数据隐私与零Token成本的高性能用户。而对于普通游戏玩家来说，如果没有太强的AI应用需求，那么还是选择游戏本更好。
所以，就我们的观点而言，我们更愿意把这台YOGA 15 Pro RTX Spark看作一张“入场券”，而不是一台终点的机器。对侧重AI的开发者与创作者而言，它让“想法—原型—训练—验证”第一次得以在一台便携设备上闭环；对玩家而言，它是那台“最会玩游戏的AI PC”；而对整个行业而言，RTX Spark 真正验证的是一件更重要的事——超大模型的本地部署，已经切切实实在消费端落了地。当“轻薄”“高性能”“本地跑大模型”这几张原本互斥的旧标签被一并撕下，Windows PC的既有格局确实到了该被改写的时候。端侧AI的史诗创世剧场正在开幕，RTX Spark，现在已经把第一张票递到了你的手里，接还是不接？请您考虑。
友情提示
MCer请注意，由于微信公众号调整了推荐机制，如果你发现最近很难刷到Microcomputer（微型计算机）公众账号推送的文章，但是又不想错过微机的精彩评测内容，可以动动小手指把Microcomputer设置成星标公众账号哦！
