英伟达RTX Spark性能虽强劲但并非Agent实际应用理想方案

时间：2026-06-07 12:36

微软SurfaceLaptopUltra首搭英伟达RTXSpark，GPU性能强悍，可本地运行千亿参数大模型。但Agent时代更依赖云端协同、CPU调度与系统接口，端侧算力难以满足任务执行需求，该方案更像是用2024年的推理想象回答2026年的问题。

这周，微软扔出了一台很不“Surface”的Surface Laptop Ultra。它不仅是微软史上最强的Surface Laptop，更是全球首款搭载英伟达RTX Spark的Windows笔记本。

但话说回来，它未必就是Agent时代的那台“天选之机”。

按微软的规划，Surface Laptop Ultra是为创作者、开发者和AI builders量身打造的——大型3D场景、长时间编译、本地模型和数据集，这些都是它的主场。英伟达那边，更是直接把RTX Spark定义为面向个人AI Agent的Windows PC超级芯片：6144个CUDA核心、第五代Tensor Core、FP4精度，通过NVLink-C2C连接一颗20核NVIDIA Grace CPU，最高支持128GB统一内存。

最终呈现的效果也确实炸裂：本地跑1200亿参数的大模型、最高100万token上下文、渲染90GB以上的3D场景、剪辑12K 4:2:2视频、生成4K AI视频，甚至能在1440p下以超过100帧的速率运行3A级游戏。

图片来源：英伟达

强得确实不像一台传统笔记本。

RTX Spark的强，本质上是GPU的强，是CUDA、Blackwell GPU、统一内存和本地模型推理能力的强。如果AI PC的核心命题仍然是“能不能在本地跑一个更大的模型”，那么RTX Spark确实拿出了足够有说服力的答卷。不过，当问题变成“Agent能不能长期替用户执行任务”，答案就没那么清晰了。

Agent意味着什么？拆解任务、调用应用、查询文件、跑代码、开网页、维护沙盒、处理权限、等待外部响应，还得在不同任务之间灵活切换上下文。这些负载既需要云端的强大模型能力，也极度依赖端侧的CPU、I/O、系统调度、安全隔离、应用接口和云端状态协同。

反观端侧模型，其性能远远不足以支撑Agent所需的模型能力。即便是RTX Spark这样的“怪兽”，也更像是把一台小型AI工作站硬塞进笔记本形态，而非为Agent时代重新设计的一台个人电脑。说得直白一点，它是在用2024年的本地大模型想象，来回答2026年的Agent问题。

从NPU到CPU，英伟达强化PC存在

英伟达并非突然对PC处理器来了兴趣。

从短期生意角度看，这家公司甚至没必要亲自下场做一颗PC SoC。它在PC市场本来就过得足够舒服：独立显卡长期占据绝对优势，游戏、创作、专业图形和CUDA生态全都握在手里；数据中心GPU更是供不应求，排队买卡的客户比英伟达还着急。

但AI PC改变了PC的负载结构，也改变了英伟达在PC里的位置。（注：这里的AI PC主要指笔记本电脑，不包括DIY主机。）

过去，PC的核心负载主要围绕CPU和图形性能展开。英伟达只需要把GPU做得越来越强，再通过PCIe接口接入PC，就能稳稳地站在性能链条的上游。

进入AI PC时代后，情况开始变化。越来越多的负载开始围绕本地推理、多模态理解、语音视频处理、语义搜索、本地知识库和系统级AI功能展开，而NPU比GPU更贴近日常PC的使用形态。

NPU的低功耗、常驻、安静、长续航、系统级调用，这些特性正是AI PC早期最需要的体验。传统独显的数据需要在系统内存和显存之间来回搬运，功耗一上来风扇就开始疯狂转动，续航也跟着崩盘。

对于笔记本这种天生受限于电池、散热和体积的瘦终端来说，NPU的逻辑无疑更有吸引力。

2024年，微软用AI+ PC（最早是Copilot+ AI）划下了一条硬性标准：NPU算力至少40TOPS，才能跑新一代Windows AI功能。高通、AMD、英特尔轮番上场，PC厂商也终于找到了一个比CPU多核性能、屏幕素质和续航时间更新鲜的卖点。

图片来源：微软

但如果未来的PC AI负载都被NPU接管，英伟达在PC里的角色就可能从平台定义者退回到高端图形配件的位置。

所以，英伟达必须做RTX Spark。它把CUDA、RTX、TensorRT、OptiX、DLSS、FP4、Blackwell GPU和统一内存一起带进Windows笔记本，让PC不仅能运行AI功能点，还能承载本地AI工作流，从而避免AI PC时代绕开GPU和CUDA。

在微软Build大会的连线中，黄仁勋提到，三年前他就与微软CEO萨蒂亚·纳德拉讨论过一种新的个人电脑：既适合设计师和创作者，也适合人工智能；既有本地处理能力，又能与Windows、创作软件以及AI软件栈深度整合。

图片来源：X

RTX Spark和Surface Laptop Ultra就是那次对话的产物。它确实回答了一个问题：如果Windows阵营想造一台真正能跑本地大模型、本地创作、本地AI开发的高端笔记本，硬件应该激进到什么程度。

但三年时间，AI已经变了太多。

三年前，整个行业还处在ChatGPT刚刚爆发后的本地推理想象里。很多人相信，AI PC的关键就是把模型跑到本地。这样一来，用户不用把隐私数据丢进云端，不用为每次调用付token账单，还能获得更低延迟、更稳定的AI体验。

这个逻辑并没有错，今天也依然成立一部分。但到了2026年，AI已经不只是聊天机器人了。从推理到Agent，上下文、推理链、KV cache……几乎每个维度的要求都在提高，本地设备和云端模型之间的能力差距，在很多任务上也被进一步拉大。

图片来源：X

事实上，今天几乎所有针对Agent训练过的大模型，对硬件的要求都大幅超过了以往。量化压缩后的模型，根本无法满足Agent的良好运行，也无法达到用户对Agent表现的预期。

简而言之，至少目前来看，端侧根本无法支撑好的本地Agent体验，它必须基于云端。所以对个人PC来说，CPU反而变得更加重要。

「过时」的Arm CPU，能适应Agent时代吗？

到了Agent时代，用户要的不只是一个答案，而是希望AI能真正完成任务。

但完成任务和本地生成文本完全是两回事。一个Agent要执行任务，往往需要访问网页、调用软件、运行代码、读取文件、处理权限、验证结果，还要在后台持续运行。它更像一个操作员，而不是一个离线模型。越是复杂的工作流，就越需要CPU、I/O、系统调度、浏览器环境、沙盒和云端服务的协同配合。

与此形成鲜明对比的是，RTX Spark的重心几乎全部放在GPU和AI侧：1 petaflop AI性能、6144个CUDA核心、Blackwell RTX GPU、128GB统一内存、本地120B模型、百万token上下文。

而在CPU上，英伟达选择了联发科，采用了10核Cortex-X925和10核Cortex-A725。这两个核心已经是Arm两年前发布的IP，被广泛用于过去两年的旗舰、次旗舰手机SoC上，包括天玑9400、天玑8400、玄戒O1、Exynos 2500等。

而去年的天玑9500，已经用上了Arm最新的旗舰架构C1-Ultra，采用下一代C2核心的SoC也预计在未来几个月内推出。

图片来源：Arm

当然，RTX Spark的CPU核心数量要多得多，但从规划到预期，CPU恐怕都不是英伟达打造这款消费级PC SoC的核心。

这也不奇怪，英伟达最强的护城河本来就是GPU和CUDA。但智能体时代会重新抬高CPU的地位。英伟达面向数据中心发布的Vera CPU，本质上已经承认了这一点：当AI从聊天机器人走向智能体，代码执行、数据处理、沙盒环境、任务编排都会变成关键路径，CPU不再只是给GPU打杂的角色。

可RTX Spark把太多预算、功耗、芯片面积和系统想象都压在了GPU和本地推理上，却没有真正回答智能体最关键的执行、调度、长期状态和跨设备协同问题。

而与Surface Laptop Ultra同场发布的Project Solara，则是微软给出的另一个答案。

按照微软Applied Sciences Group负责人Steve Bathiche的说法，Project Solara是一个“芯片到云”的平台，专为agent-first experiences和新的设备形态而设计。它不是把智能带进PC、浏览器或手机，而是让智能进入工作流、环境和任务现场。设备不再围绕App设计，而是围绕Agent设计。

对了，Project Solara用的还是Android，而不是Windows。

更重要的是，Project Solara的状态不是只放在某一台设备里，而是经由Azure覆盖一组专用设备。微软展示了便携形态和桌面形态，并且明确高通和联发科会是第一批芯片合作伙伴。