Nvidia RTX Spark 平台实测：本地 AI 性能强劲，游戏表现受限
Nvidia 首席执行官 Jensen Huang 在 2026 年计算机展上宣布推出 RTX Spark 平台，旨在“重新发明 PC”。该平台将 GB10 超级芯片与针对本地人工智能代理安全封闭执行的 Windows on Arm 版本相结合。Nvidia 及其合作伙伴 Microsoft、Dell、HP、MSI、Lenovo 和 Asus 共同推动这一新架构的落地。
近期，媒体前往旧金山对 RTX Spark 平台进行了详细测试。该系统的硬件配置包括 20 个 CPU 核心、6144 个 CUDA 核心以及 128GB LPDDR5X-9400 内存。尽管电池寿命等移动体验指标备受关注，但相关数据尚未完全公开。目前的测试重点集中在性能基准对比及实际应用场景评估上。
本次评测主要将搭载 RTX Spark 的 Microsoft Surface Laptop Ultra 与两款竞品进行对比：一是配备 Apple M5 Max SoC（40 核 GPU、18 核 CPU、128GB LPDDR5X 内存）的 14 英寸 MacBook Pro；二是 AMD Ryzen AI Halo 系统，作为最新 ROCm 堆栈和 llama.cpp 构建的数据参考源。实验室中暂无移动版 Ryzen AI Max+ 395 设备。
在常规负载下，RTX Spark 所采用的 MediaTek Arm CPU 复合体是其相对薄弱环节。Geekbench 测试显示，其单核和多核 CPU 性能均显著落后于 Apple M5 Max。
本地 AI 性能表现
为了更准确地反映代理式工作流程中的端到端效率，测试采用了新的基准方法 AgentPerf-local，而非传统的仅关注首字延迟或每秒生成代币数的指标。该方法通过测量完成特定任务的总时间来评估系统效率。
测试使用了两个兼容模型：密集的 Qwen 3.8-27B 和混合专家模型 Qwen 3.6 35B A3B。推理后端采用最新版 llama.cpp，并分别利用 CUDA、Metal 或 ROCm 加速。
在 Qwen 3.8 27B 测试中，使用 Unsloth 提供的 Q4_K_M 量化模型。RTX Spark 和 MacBook Pro 启用 DFlash2 投机解码，Ryzen AI Halo 则使用内置 MTP。结果显示，尽管 M5 Max MacBook Pro 在纸面内存带宽上占优，但其完成 AgentPerf 基准的时间比 Surface Laptop Ultra (RTX Spark) 长约 25%。部分原因可能涉及软件成熟度差异，且需注意 Surface Laptop Ultra 为 15 英寸机型，而对比用的 MacBook Pro 为 14 英寸。
目前，RTX Spark 平台在本地 AI 任务处理速度上领先于 Apple M5 Max 和 AMD Ryzen AI Max+ 395。后者完成相同测试所需时间是前两者的两倍。即便考虑到 Ryzen AI Halo 迷你桌面形式可能带来的散热优势，其性能差距依然明显。
在较轻量的 Qwen 3.6 35B A3B 测试中，Surface Laptop Ultra 用时 8 分钟，比 14 英寸 MacBook Pro 的 10 分钟快约 25%，也优于 Ryzen AI Halo 的 13 分钟。这表明若追求合理性能，需在模型智能密度上做出权衡。
虽然 AMD 强调 Strix Halo 系统相比 Nvidia DGX Spark 桌面版及 RTX Spark 笔记本具有成本优势，但在时间即金钱的代理工作场景中，更高性能的昂贵系统能完成更多任务。
游戏性能初步评估
尽管拥有 6144 个 CUDA 核心的 Blackwell GPU，RTX Spark 在游戏方面面临挑战。多数现有游戏未针对 Arm CPU 本地编译，需依赖 Prism x86 模拟器，带来额外开销。此外，该平台最大 300 GB/s 的共享内存带宽低于 RTX 5060 移动版的 384 GB/s 专用带宽，而图形渲染通常是内存带宽敏感型负载。
以《Gears of War: E-Day》为例，在高预设和 2x DLSS 分辨率下，GPU 平均利用率仅为 85%，且在地图过渡时出现卡顿。降低分辨率或设置反而加剧了 CPU 瓶颈。数据显示：
| 平均 FPS | 1% Low FPS | 平均 PC 延迟 (ms) | |
|---|---|---|---|
| Microsoft Surface Laptop Ultra (RTX Spark) | 77.7 | 39.9 | 83.5 |
调整为 2560x1440 窗口模式，启用 DLSS 性能升级、高预设及 MFG 3x 帧生成后，帧率接近屏幕刷新率，体验有所改善：
| 平均 FPS | 1% Low FPS | 平均 PC 延迟 (ms) | |
|---|---|---|---|
| Microsoft Surface Laptop Ultra (RTX Spark) | 109.2 | 51.6 | 78.3 |
然而，输入延迟仍高于标准 GPU 测试设备的可接受范围，开启光线追踪会进一步增加延迟。总体而言，RTX Spark 的游戏体验需要在基础帧率、DLSS 升级、画质和帧生成之间寻找狭窄平衡点。即使启用 Nvidia Reflex，Grace CPU 的输入延迟仍高于基于 Ryzen 7 9800X3D 的平台。对于追求低延迟和高性能的玩家，尤其是计划启用光追的用户，配备独立 RTX 50 系列 GPU 的传统游戏本仍是更佳选择。
总结
Nvidia RTX Spark 是一个雄心勃勃的新 PC 平台，并非渐进式更新。测试表明，尽管 CPU 性能一般且内存带宽较低，但 GB10 上的 Blackwell GPU 提供了足够的 AI 算力，使该平台在本地 AI 任务上超越了 Apple M5 Max 和 AMD Ryzen AI Max+ 395。
无论选择高密度模型还是轻量级模型，RTX Spark 都显示出与本地智能代理配对的良好潜力。然而，该平台目前无法取代专用游戏笔记本，受限于 Prism 模拟开销和共享内存带宽，游戏体验不尽如人意。
此外，Windows 系统在支持 Nvidia 提出的安全、可管理本地代理愿景方面尚待完善，微软承诺的安全代理 AI 功能目前无法在 Windows 11 中完整测试。
作为一个第一代移动平台，RTX Spark 成功集成了复杂 IP 并实现了高度集成的笔记本形态，展现了令人印象深刻的工程成熟度。测试期间，Surface Laptop Ultra 在日常使用中表现稳定。
当前最大的障碍在于价格。测试所用的 Surface Laptop Ultra 售价高达 5899 美元（仅 1TB 存储），相比之下，从 OpenAI 或 Anthropic 购买云服务的成本更低。除非用户极度重视隐私、离线可用性或对数据主权有严格要求，否则高昂的价格使得该平台难以普及。
鉴于 Nvidia 自身 Vera Rubin 架构推出的时间表，未来几年内 RTX Spark 的发展将面临激烈竞争。对于非狂热信徒而言，建议等待 Microsoft 和 Nvidia 进一步完善软件生态后再做考虑。
