10 月 15 日，搭载英伟达 RTX Spark 芯片的首批终端深度评测集中放出，"消费级电脑本地跑大模型"第一次变成了可查证的实测数字。而就在 10 月 8 日，华硕、微软、戴尔、惠普、联想、微星六家厂商的首发机型同步开启预售，10 月 16 日陆续发货。首批实测给出的答案是：统一内存确实把"模型装不进笔记本"这块天花板掀掉了——27B 级模型可以边跑智能体任务边从容对话，AI 出图 1.64 秒一张；但"本地跑 1200 亿参数"只对 128GB 顶配成立，消费级普及真正卡住的地方，已经从算力换成了价格阶梯、内存带宽和 Arm 生态这三道门槛。知乎
128GB 统一内存实测：装得下，也跑得动
RTX Spark 的初代芯片 N1X 由英伟达和联发科合作设计，台积电 3 纳米工艺，把 20 核 Arm 架构的 Grace CPU 和 Blackwell 架构的 RTX GPU（高配 6144 个 CUDA 核心）集成在一颗芯片上，两者共用一块最高 128GB 的统一内存池，不再区分"显存"和"内存"。GPU 能分到多少内存，在 NVIDIA App 里用滑块设置，最高 96GB 划给 GPU 当作显存用。微软还在 128GB 机型上做过演示：任务管理器显示约 110GB 可供 GPU 寻址，其中 79.9GB 列为独显内存。知乎专栏知乎知乎
首批实测里最有信息量的是智能体负载。联想 YOGA Pro 15（6144 核/128GB 版）用 Qwen3.8-27B 跑 Artificial Analysis 的 AgentPerf Local 基准——这是一套回放真实编程与协作对话、总输入超 200 万 token 的开源测试。在这台机器上，168 轮对话的高负荷压榨下，最后完成时间约为 20 分钟，解码输出速度约 34.39 Tokens/秒。知乎
同一批测试还给出了这代芯片的日常成色：出图在 1024x1024 分辨率下平均 1.64 秒一张、每分钟约 36 张；轻量模型 PHI 3.5 平均首字延迟 0.27 秒、输出高达 73.45 tokens/s；用无代码工具给 Qwen3.5-9B 做 3 轮 LoRA 微调，全程大约 3 分 40 秒。这些数字背后是一笔容量账：一个 27B~32B 稠密模型 FP16 权重就要约 50GB，加上长上下文 KV Cache 很快逼近 60~80GB——传统消费级独显那点显存装不下，这正是过去"本地大模型"只能待在工作站和云端的原因。知乎
图形侧也能对上现有硬件坐标系：3DMark Steel Nomad 得分 3010，略超 RTX 5070 笔记本 GPU；Blender Cycles 中小场景基本持平桌面 RTX 5070，只有高负载的 Monster 场景受带宽拖累落后；1440p 最高画质加最高光追、配合 DLSS，多款 3A 大作实现或接近 100+fps 的帧率表现，1080p 下所选八款游戏全部破百。一台 16.7mm、约 1.75kg 的笔记本做到这一步，说明 Blackwell 第五代 Tensor Core 和 NVFP4 低精度加速是实打实的——代价则是 CPU 和 GPU 共享同一块内存带宽，混合重负载下会先摸到吞吐上限。知乎
官方口径与实测之间：哪些数字要打折扣
"本地跑 1200 亿参数"这句官方话术，只写给 128GB 顶配，举的例子是 125B 参数的 Qwen 3.8 Flash Next，24GB、32GB 的入门机型根本装不下。"128GB 全给模型"也不成立：微软自己公布的数据里，137B 总参数、6.8B 激活参数的 MoE 代码模型 MAI Code 1.1 Flash 量化后占 53GB，在 256k 上下文下峰值内存仍达 75.5GB，系统和运行时都要从同一个池子里扣。知乎知乎专栏
被广泛引用的宣传数字同样需要限定条件。"对比 16 英寸 M5 Pro 版 MacBook Pro，首 token 时延效率 2.1 倍、AI 图像生成 4.3 倍、AI 视频生成 6.2 倍"来自英伟达自测，基准条件未公布。媒体普遍引用的约 300GB/s 内存峰值带宽，英伟达官方资料中并未确认。知乎知乎
还有一层不确定性在量产机上：此前流出的工程样机测试里，出现过开发版驱动不稳定、CUDA 路径未跑通、Arm CPU 满载接近 100℃ 的情况，这些问题是否已在量产版解决，要等 10 月 16 日发货后的第一批第三方长期实测收口。知乎
价格阶梯：谁先拿到普及的第一张票
这轮预售把消费级"本地 AI 整机"的价格坐标系一次性立住了。Surface Laptop Ultra 起售价 2599 美元，128GB+1TB 顶配 5899.99 美元。国行方面，微软笔记本起售 21,988 元，明显高于按汇率折算的美版，差额主要来自税费。联想 YOGA Pro 15 的 128GB 版参考价为 42,999 元，微软迷你开发机国行合 40,200 元、对应美版 5999 美元档位。知乎专栏知乎知乎
对照之下更有意思：去年以 3999 美元发布的 Linux 版"火柴盒超算"DGX Spark 一路涨价，64GB 新报价 4999 美元、128GB 版涨到 6950 美元。同一方向的硅，Windows 消费版上市价反而更低，还附带游戏和创作能力——这个倒挂本身就是普及信号。知乎专栏
涨价根源在上游：128GB DDR5 5600 内存条市价已冲到约 1.4 万元，大容量统一内存想便宜很难。所以"普及"的第一步不会是人人买得起，而是先落进明确人群：要长期本地跑大模型、需要数据不出本地的开发者和创作者；评测也直言，普通游戏玩家没有强 AI 需求的话，同价位游戏本仍是更优解。知乎
趋势的变量：带宽短板正被软件绕开，生态在补课
统一内存架构公认的死穴是带宽——几十 GB/s 的共享带宽伺候不了高吞吐逐 token 生成，早年按 FP8 粗算，DGX Spark 跑 27B 模型只能得到约 10 Tokens/s 的尴尬数字。但这个判断正在被两类软件进展松动：一类是 Flash 系 MoE 模型，激活参数小、对带宽依赖低；二是社区推理引擎，比如 TensorFold 已让 DGX Spark 单机跑 Qwen 3.8 27B 的普通文本解码达到每秒 58.3 token，编码模式 136.9 token，首字延迟 0.1 秒。同样的引擎与 NVFP4、投机解码会平移到 RTX Spark 上，意味着"装得下"之后，"跑得快"也在逐月兑现——不过这条路径的证据目前全在 Linux 版 DGX Spark 上，RTX Spark 的同类实测还要等量产机。知乎
生态是另一场补课。RTX Spark 跑 Arm 架构 Windows，x86 程序靠 Prism 转译，但 GPU 代码无需转译、直接在本地执行，CUDA 生态与数据中心和 GeForce 同源，现成框架可平滑迁移——相比高通 Snapdragon 阵营，这正是英伟达最大的底气。但 Windows on Arm 目前验证应用约 7000 款，距离"无感兼容"还有距离；实测里 GPU-Z 等个别 x64 工具仍然跑不起来。竞争也会替它把门槛磨低：AMD 的 Ryzen AI Max+395 走的是 x86 统一内存的同一条路，社区里两家"都是统一内存、一个 Arm 一个 x86"的对比早已吵开。知乎专栏知乎新浪微博
所以 RTX Spark 首批实测对"普及趋势"的读数很清晰：容量之门已被实测踹开，价格、带宽、兼容三道门槛决定了接下来两年谁能走进来。值得盯的观察点有三个——10 月 16 日后量产机的第三方长测成绩，24~32GB 入门档的国行实际到手价，以及下一批低激活参数模型会不会把 32GB 机型也拉进"本地 AI 可用"的范围。
