6月2日消息，Arm边缘AI事业部执行副总裁Chris Bergey近日分享了一个颇具前瞻性的观点：随着智能体AI进入“自主工作”阶段，PC的设计逻辑正在被重新定义。

他直言不讳地指出，过去几十年来，PC始终围绕着“用户手动打开应用、逐项操作”的模式运转。而智能体AI的到来改变了这一切——应用程序开始具备自主能力，用户只需下达一个指令，剩下的观察、推理、规划与执行均由AI自主完成。换言之，过去是人跑流程，现在是AI代替人跑流程。

那么，这种转变对算力提出了哪些新要求？Bergey认为，智能体AI催生出两种截然不同的计算需求。一种是极致能效——AI需要全天候在线、随时响应，续航与效率成为硬性指标；另一种是极致性能——用于承载复杂的AI负载、内容创作、软件开发以及必须在本地完成的推理任务。这本质上是“既要又要”的挑战，传统PC架构未必能同时胜任。

正因如此，Bergey重点提及了基于Arm架构的NVIDIA RTX Spark。在他看来，这款产品正是同时满足这两种需求的关键方案。

背景信息显示：在COMPUTEX 2026上发布的RTX Spark，本质上是一次架构层面的深度整合——将Arm架构的Grace CPU与Blackwell RTX GPU集成在同一个主板上，并采用完全统一的内存架构。这意味着CPU与GPU不再各自为政，而是共享同一个内存池，数据调用无需反复搬运，响应速度更快，效率更高。

NVIDIA产品管理副总裁Kaustubh Sanghani也补充道：想要真正实现低延迟的端侧AI体验，智能体需要的并非简单的CPU+GPU拼凑，而是从内存到计算单元的深度集成与优化。RTX Spark正是这一思路的实际落地。

最后，Bergey还抛出了一个值得深思的观点。他指出，随着AI模型使用的词元（token）数量持续增长，降低单任务成本的关键越来越倾向于采用更大的端侧模型。因为大模型能更高效地利用词元，单位成本更低、更可控，同时数据隐私也能从根本上得到更好的保障。

简单理解就是：与其将数据发送到云端进行大模型推理，不如在本地运行一个足够强大的模型，既节省成本又确保安全。而RTX Spark，正是这一方向上的关键布局。