NVIDIA RTX Spark评测：打造智能体时代AIPC新定义

今年Computex的时候，NVIDIA正式带来了RTX Spark。这是一件相当重量级的产品：首先，从硬件配置这块上来说，Windows PC的硬件版图已经维持了多年的风平浪静，一说处理器，大家可能想到的是英特尔，AMD和高通（你愿意的话还可以算上Apple Silicon），能出现一个颇具实力的新玩家无疑是让人兴奋的；其次就是AIPC这个概念的问题了——“AI 智能体时代的AIPC应该是什么样的？”，虽然不少厂商已经提出了自己的解法，但说真的，正如Flash是Pro模型“蒸”出来的一样，让NVIDIA这位AI服务器领域的霸主兼CUDA的创始者来回答这个问题，会不会有一种更贴近本源的答案呢？抱着这些期望和答案，我们打开了这台华硕ProArt 创16 RTX Spark，这次我们收到的是顶配——20核CPU、6144个CUDA核心，以及128GB LPDDR5X统一内存，真的是夯爆了。

额外补充一点，从个人角度来说，我真的很喜欢年初评测的DGX Spark（目前它仍在运行Qwen3.8-27B-FP8和MiniMax H3以支持办公室的日常工作）。因此对于它的兄弟或姐妹，一种爱屋及乌的心态是难以避免的。规格列表预览外观和内在因为ProArt 创16 RTX Spark的定位是轻薄AI创作本，所以它给人的第一感觉就是，这是一台很Pro的笔记本，铝合金机身加上细腻的磨砂表面处理带来了非常出色的质感。四个角和边缘的处理更是柔顺平滑，是华硕一贯的优秀做工。预览A面除了亮面的ProArt标志外就没有其他图案了，非常简约。厚度方面，ProArt 创16 RTX Spark用的是前后等厚的设计而非前窄后宽的楔形设计，给人一种平衡感。重量方面，它达到了1.77kg，比CPU + 独显的创16要轻上百来克。当然，在讨论重量时，我们始终要记得：这是一台16英寸的笔记本。B面会见到我们熟悉的OLED华硕好屏，分辨率达到了3840 x 2400，刷新率则是120Hz。配合华硕ProArt Creator Hub可以切换多种专业色域。哦对了，它还支持触屏，可以和华硕自家的ASUS Pen配合使用。预览C面的话，我相信这块超大全域压感触控板是会比键盘更吸睛的设计。键盘方面，ProArt 创16 RTX Spark和创14的是同款，因此两侧有相当一部分让位给了扬声器。这台RTX Spark共有六扬声器，支持杜比全景声技术。预览说起来这个开机键的位置比较特别，是在F12键的上方，要是能做到键盘内就好了，整机看起来会更和谐一点。接口分布在两侧，左边是一个HDMI 2.1，两个USB 4和一个3.5mm音频接口；右边则是又一个USB 4！然后是USB3.2 Gen2 Type-A和SD Express 7.0读卡器，读卡器对摄影师有多重要应该就不用我多说了。预览而令人关注的点可能是这3个USB 4 40Gbps接口，这可不常见，别的轻薄本最多也就两个同级别的高速接口（雷电4）。不过比较遗憾的是目前手头上的设备不多，不知道3个口插满是不是都能满速——接电使用就没这么多要想的，因为总有一个口要被充电器占据。ProArt 创16 RTX Spark的这个充电器是140W输出的。不知道桌面版的RTX Spark会不会更高一点，毕竟同门的DGX Spark给了240W的充电器。预览D面的设计比较简约，这也符合ProArt 创16 RTX Spark一贯的创作本风格。另外你能在这里看到华硕的一些小巧思：扬声器开孔下方的空间其实是向下沉了一点的，削减了一些厚度。虽然16英寸算得上大，但机子内部的空间相当紧凑，主板区域（包括散热模块）和电池基本上是各占一半，堆满了。中间的是RTX Spark N1X芯片和128GB统一内存。华硕采用的散热方案是3热管 + 2风扇，有一根U形热管是在两根大热管下面的，很明显是给内存芯片用的。预览风扇的锯齿状叶片很明显。不过更明显的是风扇靠芯片侧的凸起部分，还有周围的海绵条——ProArt 创16 RTX Spark也采用了内吹式散热设计，风扇抽入的冷气不仅会穿过上面的散热鳍片，也会从凸起的部分流出，拂过芯片正上方，带走一部分的热量。再看一下可扩展性方面的，虽然ProArt 创16 RTX Spark是轻薄本，但它在这个方面挺大方：左右两端各有一个M.2 2280插槽。右侧预装的是三星的PM9C1b，1TB容量。我特别想说一下左侧的空插槽：你能看见一条软排线从左侧开始，跨过电池接在了主板上，和一般的排线接口不同，因为要传输USB 4.0的高速信号，这个接口处都要用上螺丝固定。最后是这个四芯电池，99.9WHrs，这是满足便携性前提下的最大容量，再大就不能带上飞机了。RTX Spark N1X的简单介绍芯片的事哈哈，觉得眼熟？这颗名为RTX Spark N1X的芯片实际上和DGX Spark的GB10 Grace Blackwell超级芯片没有差别。你看这结构图就很明显了。因此我接下来还是会用NVIDIA在Hot Chips 2025上的幻灯片作介绍。NVIDIA GB10 Grace Blackwell超级芯片2.5D封装RTX Spark N1X分成S-die和G-die，都基于台积电3nm制程打造，并由先进的2.5D封装工艺合二为一。两块die通过NVIDIA NVLink-C2C技术连接。C2C接口总带宽可高达600GB/s。G-die中的G代表Graphics，当然也可以是GPU，总之这部分是NVIDIA负责的，有你熟悉的Blackwell架构的一切要素，比如说RT Core、Tensor Core、NVENC视频编码器等。规模方面，G-die一共有6144个CUDA Core，和GeForce RTX 5070所用的GB205-300一样，和移动平台的GPU相比则是介于RTX 5080 Laptop GPU（7680）和RTX 5070 Ti Laptop GPU（5888）之间。S-die中的S我个人倾向是System，这部分是由联发科和NVIDIA联合开发的——不仅仅是CPU核心，还包括内存控制器、PCIe接口等组件。在这里有个地方比较有趣，S-die中有来自NVIDIA的组件，这里是NPU部分。而CPU部分为20核Arm处理器，组成是10个Cortex-X925性能核加上10个Cortex-A725能效核，这算是定制产品，所以你没法在联发科的官网上找到配置完全一样的处理器。值得一提的是，NVIDIA和联发科在内存子系统这块针对GPU内存流量做了大量的性能建模，保证其性能表现。橙色部分是联发科IP核，绿色部分则是NVIDIA IP核另外，Hot Chips 2025的这份幻灯片里还提到了DGX Spark的ConnectX-7网卡占用了PCIe 5.0 x8，而我们知道RTX Spark上并没有这玩意，这大概也是它在I/O和可扩展性上能火力全开的原因。可惜HWiNFO Arm64读不了总线信息，不然我挺想看看RTX Spark的PCIe是怎么分配的。软件的事说真的，Windows on Arm就好比徐州地方，虽然没有历代征战五十余次那么夸张，但是非曲折难以论说倒也是真的。考虑到我还用过一段时间的Windows Phone，这种感觉就更加真切了。不过在RTX Spark上，微软和NVIDIA做了相当多的工作，让这台ARM设备能发挥出最佳状态。首先是功耗管理方面的，微软针对RTX Spark优化了Windows调度器和启用了MPTF（Microsoft Power and Thermal Framework，微软功耗和散热框架），这样一来设备的功耗、散热都能拥有一个较均衡的表现。针对罕见的128GB超大统一内存，微软也做了优化。他们特别提到了要增加GPU的内存上限，这样一来更大的模型、更长的上下文，以及更复杂的3D场景都不是问题。实际上除了自动分配外，你还能在NVIDIA App里面拉滑杆来分配显存（需重启），最大能到96GB——不过这时候系统还有一部分动态分配的共享内存，留给CPU的内存最低可以到16GB。然后是应用问题，微软已经针对RTX Spark的微架构优化了Prism模拟器，在开发、创作和游戏等负载上都增强了性能和兼容性。需要强调的是，Prism只负责把x86_64 CPU指令转译成Arm64，而GPU一侧的代码则是原生运行的。因此你不需要担心太大的性能损耗。最后是一些功能集的适配，比如Windows ML和TensorRT这些运行时，以及DirectX 12的神经网络渲染和光线追踪优化等，NVIDIA和微软在这些方面都做了很多工作，目标是让用户可以顺利地从x86_64的GeForce PC过渡到Arm64的RTX Spark上。基准测试ProArt 创16 RTX Spark毕竟是ARM64设备，所以它在基准测试上也是比较特殊。我们在这个部分选择的测试全是有Arm64版本的，不会经过Prism转译，可以减少不同指令集带来的影响，测试出N1X的实力。先来看Cinebench 2026和CPU-Z的跑分。Cinebench 2026的多核是7121分，在应用自带的排行榜里面，它和Apple M4 Max接近，都是7000-8000分段的，剩下的一些处理器分数都太低了，没法比。预览var title_text = "Cinebench 2026"; // 标题文字 var subtitle_text = "www.expreview.com | Higher is better "; // 副标题文字 var unit_text = "pts"; //单位 var leftside = "8%"; //左边空白 var topside = 50; //每组间距 var mblur = 0.05; //模糊效果 var bgopacity = 0; //背景透明度，0为全透明 var mysort = 0; //是否排序 var myper = 1; //是否显示百分比 var mylengend = true; //是否显示图例 var toplegend = 50; //图例上端空白 var labelcolor = '#fff'; // 标签文字颜色 var legendwidth = '90%'; //图例宽度 var titlecolor = '#222'; //标题文字颜色 var barheight = 35; //柱高度,当为7倍数时，不显示刻度线 var bargap = 3; //柱间距,相当于百分值，即2% var xaxismax = null; //指定X轴最大值，null时为自动 var autocolor = 0; //是否自动判断颜色，0为否，1根据品牌生成颜色 ，如果 >1 则为AMD NV Intel 标准色, var mycolor = []; //自动生成随机颜色 也可ANIColor("NVIDIA",3)可以生成三种NV绿，可替换成AMD Intel var mycolor = ANIColor('NVIDIA',4); //这样自动生成4种AMD红色，其它如NVIDIA、Intel同理 //var mycolor=['#953f61', '#72355f', '#d77169']; //自定义颜色 AMD红 '#9F1417', NV绿 '#82B41B', Intel蓝 '#0075C5', //var mycolor = ['#0dcc47', '#969696', '#6f7b80','5A94DF']; var data_arr = [ {"type":"RTX Spark N1X","多核":"7121","单核":"543"} ]; TDInit(title_text, subtitle_text, unit_text, leftside, topside, mblur, bgopacity, mysort, myper, mylengend, toplegend, labelcolor, legendwidth, titlecolor, barheight, bargap, mycolor, data_arr, autocolor, xaxismax);

预览

然后是3DMark的部分测试，Fire Strike和Time Spy没有Arm版本，我们就不难为它了。从Speed Way和Steel Nomad等测试来看，N1X比RTX 5060 笔记本电脑 GPU（140W设置）要更强一点。当然仅靠分数这样说不太对，毕竟两者的定位完全不一样，功耗也差不少。

预览

最后是PCMark 10的应用测试，它是基于Office Arm64运行的。子项里 Excel 最高，为 20525；Word 最低，为 8693；PowerPoint 和 Edge 落在两者之间。这类轻量办公负载对 N1X 不构成压力。

预览

AI测试和体验：大内存就是好

首先还是UL Procyon的测试，虽然里面的模型在2026年已经是没什么人用了，但因为它的成绩可以和我们之前的GPU对比，所以在观察N1X的性能这块还是很有用的。对于Mistral、Llama 3.1这些7B、8B级别的int 4量化的dense模型来说，N1X的OTS可以做到50 tok/s的输出。

预览

MLPerf的一般LLM测试也证明了这点，它们用的也是和UL Procyon差不多的8B模型。Qwen3 8B 的 TTFT 为 0.27 秒、TPS 为 53.8 tok/s，Llama 3.1 8B 的 TTFT 为 0.27 秒、TPS 为 54.8 tok/s。

预览

接下来是更加贴近现在AI用法的测试，也就是AI Agent相关的。这里我们还是先来MLPerf的Agentic测试。RTX Spark N1X 的预计耗时是 57.495 秒，其中平均工具耗时 5.211 秒，占 9%。也就是说工具调用的往返只吃掉不到十分之一的时间，剩下的 52 秒上下全花在模型推理和流程编排上。

预览

之后是aa-agentperf-local。这款工具由著名的AI评测机构Artificial Analysis推出，旨在测试设备本地运行AI Agent的速度。我们选择的后端是llama.cpp，模型是Qwen3.8-27B-UD-Q4_K_M.gguf并开启了DFlash推测解码。上下文长度设置为65536——这只是测试需要，实际用大家可以设置得超级高。RTX Spark N1X 跑完一轮用了 1041.7 秒，约 17 分钟，输出速度是 38 tok/s。也就是说，一轮 250 万输入 token、3.1 万输出 token 的完整 Agent 会话，在这台笔记本上 17 分钟跑完。

预览

当然，实际使用也不用先开个llama，再把agent连上去这么麻烦。NVIDIA和腾讯合作，为大家爱用的WorkBuddy带来了本地推理功能，只需要在设置里面点击下载就完事了——虽然这个功能的本质也是跑一个llama后端，但能方便点总是好事。除了WorkBuddy外，你还可以选择Hermes和 Perplexity这些agent平台。

不过也许是为了减轻用户的选择困难症，WorkBuddy没有很详细地说明这个模型叫什么名字，只有local_model这么一个名字。在主界面中则可以看到WorkBuddy给它开了256K上下文，足够大了。

拿这个模型来完成一些简单的日常任务是没啥问题的（鹈鹕骑自行车毕竟是个很抽象的测试）。另外，NVIDIA App甚至还有个MCP，接了之后就能用WorkBuddy查询驱动更新，调整游戏优化设置等，都挺方便。

我其实还想运用WSL跑一下vLLM啥的，毕竟上面这些Q4量化的模型都挺轻量的，但是时间确实不太够，只能留待日后了。

最后是图像/视频生成相关的测试，说起来现在Comfy Desktop已经非常易用了，下载安装非常方便，跟剪映差不多了。我们ComfyUI测试用的是Flux.2 Dev NVFP4图像模型和LTX-2.5 NVFP4视频模型。

预览

预览

Flux.2 Dev NVFP4 出一张图用时 41.8 秒，挂上 Turbo 加速 LoRA 后降到 16.6 秒，缩短约 60%，也就是接近 2.5 倍的出图速度，代价是采样步数被压缩。LTX-2.5 NVFP4 生成一段视频用时 70.12 秒。这里特别要说一下LTX-2.5 NVFP4，它在VAE解码部分要吃掉接近50GB的显存，于是RTX Spark的超大统一内存在这方面就显得相当有价值了。

另外，MLPerf 还有一项基于FLUX.2 Klein 4B 的图像生成测试，我们跑了两种精度。FP8 为 26.67 图/分钟、1.78 步/秒，NVFP4 为 36.64 图/分钟、2.44 步/秒，NVFP4 快了约 37%。Blackwell GPU的FP4格式支持对生成效率的提升也是立竿见影。

预览

玩游戏：DLSS左手帧率高，右手高帧率

接下来的这个环节应该是大家最喜欢的。ProArt 创16 RTX Spark的屏幕分辨率为4K，对于N1X的配置来说是略高了，我们在这里降一档，游戏分辨率设置为2K。然后和以前一样，游戏的图形设置会在图表上说明。

预览

预览

Windows on Arm 上的 x86 游戏要靠 Prism 转译，这一步是有代价的。我们通过《漫威争锋》来展示这点：走 Prism 的 x86_64 版跑出 44 帧，Arm64 原生版是 52 帧，转译损失约 15%。然而这点损耗放在实际游戏里并不致命，原因就是 DLSS——超分辨率加帧生成直接力大砖飞，第二个图表里面的游戏全是转译，但是一开DLSS就能喂饱这块120Hz高刷OLED屏幕。

温度和功耗如何？

这部分和以前稍有不同，问题在于，我们常用的工具HWiNFO Arm64拿不到N1X的功耗和温度，而且因为N1X是一整块SoC，也没有惯用的CPU/GPU温度功耗之分，即使Windows确实作出了设备区分就是了。还好，nvidia-smi这种基础的监控工具还是能用的。

由于以上限制，严格来说这应该不算测试，而是观察。我们又跑了一次aa-agentperf-local去观察N1X在高负载下的表现。环境温度为27度，N1X的温度始终在80摄氏度以下，最多也就是75-76摄氏度，nvidia-smi显示的功耗是60W左右。

续航测试

续航这一项跑的是 PCMark 10 的应用程序电池寿命测试，屏幕亮度设为 100 尼特（约 44% 档位），标准性能模式，飞行模式开启，把电量从 100% 一直放到 3%，成绩是 10 小时 41 分。按 99.9Whr 的容量和 97% 的放电量折算，它在 PCMark 10 的轻办公负载下整机平均功耗只有 9 瓦出头——10 小时 41 分正是从这儿来的。

总结

虽然体验和测试的时间不长，而且相当一部分时间花在处理测试工具上（比如下载模型和让鲸小妹写一堆pwsh脚本），但RTX Spark仍然是一台各种意义上让我觉得与众不同的设备：它是一台Windows on Arm笔记本，但主打的不是极致的轻薄和续航，而是将矛头指向性能——6144个CUDA核心，完整的Blackwell特性支持，还有这超大的统一内存，都意味着它将挑战此前Windows on Arm的不可能，甚至可以说是一般Windows PC的不可能。

接下来说说软件。和硬件的新鲜感不同，软件这块让我感受到的，则是熟悉。然而这种熟悉并不是坏事，因为这意味着硬件的差异对于体验的影响变小了。我安装了很多exe，有Arm64的，有X86的，大多都能正常跑而不会弹出什么“不能在该电脑上运行”的提示。虽说因为转译，X86应用的首次启动耗时往往会比Arm64的更长，转译也会带来效率的降低，但决定性的差异是没有的，这是很好的一点。

最后是AIPC部分，AIPC作为两三年前就提出的概念想必大家都已经听得耳朵起茧，但在实际体验中，你会发现AIPC的概念更多的落实在软件上，比如说，这台笔记本预装了某某助手，这就完事了。虽然这些预装软件里面也确实会有个LLM，但这参数量不客气地说一句难堪大用也是没什么问题的。而RTX Spark就不一样了，最高96GB的可分配统一内存，什么27B、35B的LLM都不在话下，甚至还能塞下Qwen3.5-Flash-Next（当然也是量化版），对Agent至关重要的上下文长度也可以随便开。而Blackwell和CUDA 13则确保了它在功能上和主流的完全接轨：市面有这么大统一内存的设备不一定原生支持FP8、FP4加速，llama、vLLM、ComfyUI这些框架的支持也可能没那么及时。这样看来，其实AIPC这事颇有种“解铃还需系铃人”的意味——四个字，“还得是你”。