NVIDIA 正式推出 RTX Spark 笔记本与紧凑型台式机，定位为面向 AI 开发的工作站。此前开发者的编码智能体工作流通常分散在本地笔记本、云端模型 API 与云虚拟机之间；RTX Spark 借助 GB10 系统级芯片和大容量统一内存，将本地编码智能体、AI 框架以及测试部署环节收拢到一台 PC 上。
规格方面，RTX Spark 最高提供 128GB 统一内存和 1 petaflop FP4 AI 算力，可在本地运行 Qwen 3.8 Flash Next 等编码模型，从而减少调用云端编码智能体所产生的 token 消耗。系统层面既可运行 Windows，也可使用 WSL：Windows 侧与微软共同提供 Windows Developer Config，预装常用开发框架、默认静音通知、增强终端并支持任务栏侧置；WSL 侧则保持与云端部署一致的依赖环境，降低迁移成本。
NVIDIA 公布的对比数据显示，在以 Intel Core Ultra X9 388H（Panther Lake 12Xe）归一化为 1.0 的测试中，RTX Spark 的编码智能体性能为 4.6 倍、模型微调为 2.7 倍、代码编译为 1.8 倍。三项测试分别采用 AA-AgentPerf-local 搭配 Qwen3.8-27B、Unsloth LoRA 搭配 Llama-3.1-8B，以及 Phoronix Test Suite 编译 Linux 内核。NVIDIA 同时强调，其 GPU 生态覆盖约 1.5 亿台 RTX PC，并兼容主流 NVIDIA GPU 云环境。
软件生态是此次发布的另一重点。NVIDIA 与微软推进 Windows on Arm 开发环境，社区将提供首个 PyTorch-CUDA 构建、原生默认的 Python 3.15、2000 多个可直接使用的 Conda 包，以及前 15000 个 Python 包中超过 97% 的 Arm 兼容版本。开发者还可调用 CUDA-X 库中的 FlashInfer、NeMo 等组件，并通过 NVIDIA Skills 仓库让智能体学会使用这些 GPU 加速能力。
在本地智能体方面，RTX Spark 已与 GitHub Copilot、Pi、Hermes、OpenClaw 等编码智能体完成适配。GitHub Copilot 通过 Windows ML 支持本地 AI，并以 llama.cpp 作为后端；提示词路由 HydraFusion 新增本地模型支持；JetBrains 则推出原生支持 RTX Spark 的 Junie Local，模型与代码均留在本机。安全方面提供 NVIDIA OpenShell 与 Microsoft Execution Containers 的 OS 级沙箱，并支持在本地与云端模型之间按需路由提示词。
面向本地部署的模型也在同步扩充。Nemotron 3.5 Bolt 74B-A9B 采用 74B 总参数、9B 激活参数的 MoE 结构，通过 2-bit 量化与量化感知训练压缩至 24GB，可通过 llama.cpp、vLLM、Ollama、Unsloth 和 LM Studio 运行，并开放训练数据、权重与配方。此外，决策模型已获 llama.cpp 与 Unsloth 支持，官方称其决策速度最高可达传统智能体的 200 倍；AI for Media SDK 也提供视频超分、插帧与 TrueHDR 能力。RTX Spark 笔记本目前已上市，紧凑型台式机将于 11 月推出。
WeChat
Profile