DGX Spark跳票！英伟达桌面CPU出师不利，黄仁勋也会翻车？

NVIDIA桌面CPU出师不利，没想到黄仁勋也有“翻车”的时候。

在年初CES 2025展会聚光灯下，NVIDIA黄仁勋手持一台迷你机大小的“Project DIGITS”向世界宣告：这是全球最小的AI超级计算机，将彻底改变边缘AI的游戏规则。

官方将其命名为DGX Spark，其采用NVIDIA与联发科共同开发的GB10 Grace Blackwell 芯片，这也被无数媒体解读为NVIDIA在牢牢占据GPU王座之后，欲加速侵入CPU市场。

原本DGX Spark的计划是在7月正式上市，合作伙伴包括华硕、戴尔、技嘉、惠普、联想、微星。这些厂商也都在准备自己的GB10主机，其中华硕预告7月23日发布搭载NVIDIAGB10的Ascent GX10主机。

图源：华硕

如今八月已至，这款被寄予厚望的设备却杳无音信，据外媒Wccftech报道，NVIDIA和OEM厂商都没有任何官宣。在英国，有零售商给出的预计发货时间改到了9月15日。

NVIDIA的桌面处理器首秀，意外卡在了起跑线上。硬件巨头的生态之路，可能远比芯片设计艰难。

NVIDIA的桌面CPU，怎么就“难产”了

照例，先谈谈NVIDIA这颗桌面CPU，成色几何。

从华硕公布的数据来看，GB10作为NVIDIA第一款Arm架构CPU，算力约为1000 TOPS（FP4），并配备了128 GB LPDDR5X的统一内存，256-bit位宽，总带宽为273GB/s。

单从配置来看，最大的特点就是高达128GB的内存，不过GB10的内存是直接集成在芯片内部，并不支持单独升级。NVIDIA给到如此多的内存，其实就是为了确保PC的性能可以满足AI模型的推理需求，后续或许会增加别的内存规格供大家选择，比如192GB版本，以便适配更大参数规模的AI模型。

如果不考虑其他因素影响，这个规格的PC最高可以在FP4精度下运行参数规模达到200B的AI大模型，如果是FP8精度则是100B参数规模。虽然与动辄六七百B，甚至上千B的满血DeepSeek等AI模型无法比，但是已经足够部署一个甚至数个专业垂类AI模型。

图源：华硕

可能具体参数大家不太能理解，你只需要知道在同等体积下，这个世界上可能找不到比它更强的AI PC了即可，

问题在于，这么强的产品，怎么就“难产”了？

提到“难产”，第一反应就是生产线的问题。根据官方数据来看，GB10采用的系统级封装技术由NVIDIA与联发科联合设计，在单个主板上集成了高性能的Grace CPU，包含10个高性能Arm Cortex-X925核心，以及10个低功耗Cortex-A725核心。同时还融入了Blackwell GPU，总之GB10的集成度非常高。

雷科技猜测，正是因为集成度高，导致在量产时良品率偏低。GB10这种创新架构虽能突破传统系统瓶颈，却将生产流程变成所谓的“多米诺骨牌”，每一个环节都不能出现问题。

比如，台积电的CoWoS-L封装工序需要17天完成，内存堆叠环节的温差控制需精确到±0.5℃，任何环节的波动都可能导致全线停滞。

图源：英伟达

另外，黄仁勋可能还没搞定“如何定价”的问题，英国零售商泄露的预售页面显示，基础版128GB内存+1TB存储定价高达3600英镑（约3.3万元人民币），高配机型更是突破4万元门槛。这个价格虽比传统的NVIDIA DGX系统低一个数量级，却仍将普通开发者拒之门外。

在Reddit的开发者论坛，预订用户焦虑地表示，设备延期导致他们的边缘AI项目被迫搁置，而转向AWS云服务的成本将激增三倍。

另外，NVIDIA面向笔记本的N1、N1X处理器最近多次现身跑分软件，但何时发布也是个谜，甚至有说法称推迟到了2026年底。

可见，无论产品有多强大，技术创新若无法兑现为可交付产品，愿景都终将成为镜花水月。

NVIDIA进军CPU：方向正确，难度不小

历史上，关于Arm架构CPU的难题确实不少。微软在Arm PC领域的十年探索，堪称一部“生态长征史”，投入数十亿美元，却长期陷入兼容性泥潭与量产瓶颈，直到近期才稍有起色，NVIDIA作为新入局者，面临的障碍只会更加严峻

首先是两座大山，在CPU领域，Intel和AMD始终是NVIDIA难以逾越的鸿沟。

比如AMD就趁机发动了闪电战，7月31日，Threadripper 9000系列64核处理器如期上市，搭配Radeon AI显卡形成完整解决方案。不过更致命的是，根据Mercury Research 最新公布的数据显示，AMD服务器CPU份额在2025年Q1飙升至39.4%，虽然这是服务器领域数据，但显示AMD在CPU市场的全面扩张势头，对NVIDIA形成包夹。

图源：AMD

AMD之上，还有一个Intel。纵横PC行业多年，与Intel几次交锋的AMD，尚不能从Intel手中抢走太多客户端市场，更不用说新入场的NVIDIA了。正如同Intel进军GPU行业后，发布的几款独显反响平平，NVIDIA进入CPU市场后，想要从Intel和AMD两大巨头手中抢走份额，难度同样很高。

除了两大巨头在前，NVIDIA进军CPU领域，还要面临一大难题——软件生态。

微软虽在不断补足Windows On Arm生态，但现阶段原生Arm架构的应用依然太少了。在实际使用中小雷发现，32位的X86架构应用转译到Arm平台后，性能损失严重，会出现明显的卡顿，64位软件和部分游戏转译后则会直接卡死，而且各类BUG不少，十分影响日常使用。

当然，这只是针对消费级市场而言，在企业级市场，GB10尽管首战延期，DGX Spark代表的技术方向仍具颠覆性潜力，基于GB10的设备可在55瓦功耗下实现1 PetaFLOPS的FP4算力，这种统一内存架构消除数据搬运瓶颈的特性，正是边缘计算的决胜棋。

根据IDC预测，到2026年15%的高性能台式机将转向此类异构架构，市场规模突破240亿美元。

NVIDIA押注的赛道没有错，只是起跑慢了。

在雷科技看来，迷你化的AI工作站必然会成为未来的趋势之一，就像普通计算机从原本占据整个房间的设备，变成能被随身携带。随着AI的需求增长，AI工作站也必然会出现类似的变化：个人化、便捷化、一体化，如此才能更好地迎合AI普及的需求。

在CPU这件事上，NVIDIA无法“单打独斗”

就在NVIDIA陷入延期困境时，竞争对手已开始瓜分市场。

AMD的Threadripper AI方案如期而至，Intel的反击也在酝酿，高通的下一代芯片虎视眈眈。NVIDIA因延期失去的先机，正被对手迅速填补，时间，已成为比金钱更稀缺的资源。

图源：英伟达

而此时NVIDIA面临的生态困境，比微软当年更甚。

后者至少拥有操作系统厂商的深度绑定和长期磨合。而NVIDIA虽在GPU驱动和CUDA生态上建树颇丰，但在消费级CPU的软件栈构建、与海量独立软件开发商的深度合作上，近乎从零开始。其引以为傲的AI开发者生态，能否无缝迁移并支撑起一个全新的Arm桌面平台，仍是巨大的问号。

Arm生态的本质是“合力工程”，操作系统、硬件平台、应用开发缺一不可。

破局的关键在于，NVIDIA能否找到一条“生态速成”的捷径？

个人拙见，我认为NVIDIA在GPU领域的成功，很大程度上源于其定义了标准（CUDA）并建立了近乎垄断的垂直生态。但在CPU领域，尤其是与庞杂的消费级Windows生态对接时，这种模式行不通。

GB10纵有千TOPS算力，若用户日常使用的核心软件（如Adobe套件、专业工具）无法原生流畅运行，或陷入32位应用卡顿、64位软件崩溃的“转译地狱”，其颠覆性性能将沦为纸上谈兵。用户体验的割裂，是性能参数无法掩盖的硬伤。

图源：英伟达

因此，在壁垒森严的CPU战场，强如NVIDIA，也无法仅凭一己之力颠覆游戏规则。

NVIDIA也深知这个潜在危机，因此DGX Spark与主流PC产商合作，但华硕、戴尔等合作伙伴的耐心并非无限。延期已打乱其产品节奏，高昂售价更限制市场接受度。NVIDIA需拿出更灵活的商务策略，甚至开放更多定制空间，与OEM形成真正的风险共担、利益共享体，而非简单的芯片供应商关系。

另外，可以与微软结成更紧密的“攻守同盟”，共同投入资源，强力推动关键应用的原生Arm版本落地，并大幅优化转译层效率。这需要真金白银的投入和强大的谈判能力。

按照现在流行的说法，就是所谓的“生态协同”。NVIDIA若无法放下“单打独斗”的执念，其桌面CPU的雄心恐将止步于边缘计算的市场，难以撼动Intel与AMD把持的主流格局。

毕竟在CPU这个领域，“个人英雄主义”是行不通的。