微软这周发布了一款硬件上堪称激进的Surface产品——Surface Laptop Ultra。这是迄今为止性能最强的Surface Laptop，也是首款搭载英伟达RTX Spark的Windows笔记本。

但未必是一台Agent时代的好电脑。

按照微软的定位，Surface Laptop Ultra面向创作者、开发者和AI builders，是为大型3D场景、长时间编译、本地模型和数据集准备的。英伟达则把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。

作为结果，RTX Spark可以在本地运行1200亿参数大模型和最高100万token上下文，渲染90GB以上3D场景，剪辑12K 4:2:2视频，生成4K AI视频，也能在1440p下以超过100帧运行3A游戏。

图片来源：英伟达

强得有点不像传统笔记本。

RTX Spark的强，主要还是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的问题还是能不能在本地跑一个更大的模型，RTX Spark的确很有说服力。但如果把问题换一个角度——Agent能不能长期替用户执行任务，答案就没那么简单了。

Agent意味着拆任务、调应用、查文件、跑代码、开网页、维护沙盒、处理权限、等待外部响应，还要在不同任务之间切换上下文。这些负载需要云端的强大模型能力，也更依赖端侧CPU、I/O、系统调度、安全隔离、应用接口和云端状态。

相反，端侧模型的性能远远不够支持Agent的模型能力需求，即便是RTX Spark这种"怪兽"，也更像是把一台小型AI工作站压进笔记本形态，而不是为Agent时代重新设计的一台个人电脑。或者说，它在用2023年的本地大模型想象，回答2026年的Agent问题。

从NPU到CPU，英伟达强化PC存在

英伟达并不是突然对PC处理器产生了兴趣。

从短期生意看，这家公司甚至没有太多必要亲自下场做一颗PC SoC。它在PC市场本来已经足够舒服：独立显卡长期占据绝对优势，游戏、创作、专业图形和CUDA生态都握在自己手里；数据中心GPU更是供不应求，排队买卡的客户比英伟达更着急。

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。这里说的AI PC，主要指笔记本电脑，不包括DIY电脑主机。

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接进PC，就能稳稳站在性能链条上游。可进入AI PC时代后，越来越多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，NPU比GPU更贴近日常PC形态。

NPU的低功耗、常驻、安静、长续航、系统级调用，正是AI PC早期最需要的体验。而传统独显的数据要在系统内存和显存之间来回搬运，功耗一上来风扇起飞，续航也很难看。对于笔记本这种天然受限于电池、散热和体积的瘦终端来说，NPU的逻辑很有吸引力。

2024年，微软用AI+ PC划了一条线：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厂商也终于有了一个比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。所以英伟达要做RTX Spark，把CUDA、RTX、TensorRT、OptiX、DLSS、FP4、Blackwell GPU和统一内存一起带进Windows笔记本，让PC不只是运行AI功能点，还有本地AI工作流，避免AI PC时代绕开GPU和CUDA。

在微软Build的连线中，黄仁勋提到，三年前他就与微软CEO萨蒂亚·纳德拉讨论了一种新的个人电脑：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，也能和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就是那次对话的结果。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，硬件应该有多激进。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，也能获得更低延迟、更稳定的AI体验。这个逻辑没有错，今天也依然成立一部分。但2026年的AI已经不只是聊天机器人。从推理到Agent，上下文、推理链、KV cache……几乎所有要求都在提高，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进行训练过的大模型，对硬件的要求都大幅超过了以往，量化压缩的模型并不能满足Agent的良好运行，以及用户对于Agent表现的要求。简言之，至少目前来看，端侧根本无法支撑好的本地Agent体验，基于云端必然。所以对个人PC来说，CPU反而更重要。

"过时"的arm CPU，能适应Agent时代吗？

到了Agent时代，用户不只是要一个答案，而是希望AI完成任务。但完成任务和本地生成文本不是一回事。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。它像一个操作员，而不是一个离线模型。越是复杂的工作流，越需要CPU、I/O、系统调度、浏览器环境、沙盒和云端服务协同。

与此相对的，RTX Spark的重点几乎都在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。CPU上，英伟达选择了联发科，采用了10核Cortex-X925、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，同时采用下一代C2核心的SoC也预计将在未来几个月推出。

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。可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，本质上也承认了当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。

但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，则是微软想出的另一个答案。按照微软Applied Sciences Group负责人Steve Bathiche的说法，Project Solara是一个"芯片到云"平台，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，而非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以及桌面形态，并且明确高通和联发科会是第一批芯片合作伙伴。

Project Solara，目前还有两款设备，图片来源：微软

这条路线看起来没Surface Laptop Ultra那么震撼，甚至还很早，但它更接近Agent的真实需求。Agent的价值不在于每个入口都拥有一整座本地AI工厂，而在于能不能在正确的时间、正确的地点、正确的设备上出现，并且把任务交给云端状态和后台智能继续推进。

换言之，Surface Laptop Ultra是把PC做"大"，Project Solara是把设备做"瘦"。Agent时代更需要的，可能恰恰是后者。

写在最后

本地算力不是不重要。隐私数据、本地文件、低延迟交互、离线场景、创作素材和开发环境，都需要足够强的端侧能力。Surface Laptop Ultra对专业用户，对于需要本地模型、本地渲染、本地视频生成、本地CUDA工作流的人来说，它可能会是一台很好的机器。

但Agent时代的个人电脑应该长什么样，Surface Laptop Ultra可能不是最好的答案。Agent天然更适合云端作为中心，再由多个轻设备作为入口。手机、PC、工牌、桌面屏、耳机、眼镜都可以成为Agent的触点，但它们不必都变成一台小型AI工作站。

从这个角度看，Surface Laptop Ultra和RTX Spark这类AI PC，确实像是用2023年的本地推理想象，回答2026年的Agent问题。它们很强，也重要，但不是下一代Agent设备的起点。