NVIDIA RTX Spark 开启预售：N1X 笔记本 45-80W、桌面 140W

NVIDIA 和微软今日开启了 RTX Spark Windows 笔记本电脑的预售，10 月 16 日正式发售，紧凑型台式机将于 11 月跟进，同时预览了 NVIDIA 将于第四季度发布的 Windows 版 DGX Station。这些消息是在旧金山举行的微软 Windows AI 和 Surface 活动上宣布的，黄仁勋与萨提亚·纳德拉同台亮相，微软还宣布其智能体隔离层 Microsoft Execution Containers 在 Windows 11 上正式可用。

Jensen Huang on stage at Computex 2026 beside the RTX Spark superchip, with a slide listing the Blackwell RTX GPU at 1 petaflop of FP4, a 20-core Grace CPU built with MediaTek, and 128GB of unified memory on 600GB/s NVLink-C2C

我们当天早些时候在 Dell XPS 16 Creator Edition 的文章中介绍了这些系统中的第一款，并在 6 月的 Computex 上介绍了该平台本身。本文要讲的是两家公司在活动前后发布的此前未知的信息：N1X 超级芯片的功耗范围、Windows 如何划分统一内存池、一个 1370 亿参数编程模型在笔记本电脑上的实测吞吐量、智能体将运行的沙箱机制，以及 Windows DGX Station 的完整规格表。

RTX Spark N1X：两款芯片，三种功耗范围

NVIDIA 的 RTX Spark 规格表现在将笔记本电脑与台式机分开列出，这种区分比标题数字更有信息量。笔记本电脑有两款 N1X 变体：一款配备 6,144 核 Blackwell RTX GPU、20 核 Grace CPU 和最高 128GB 统一 LPDDR5X；另一款配备 5,120 核 GPU 和 18 核 CPU，最高 64GB；两者的 TDP 均为 45 至 80W。台式机只有 6,144 核、20 核的版本，最高 128GB，NVIDIA 将其标为 140W。

140W 这个数字与 NVIDIA 为 DGX Spark 中 GB10 公布的 TDP 相同，涵盖 CPU 和 GPU，这与 NVIDIA 在 6 月所说的两款芯片是同一系统针对不同平台调校的说法相符。这也意味着笔记本电脑 N1X 的运行功耗是台式机版本的 32% 到 57%，而该系列中每套系统都以相同的“最高 1 petaflop”FP4 性能出售。微软 Surface 的脚注称该数字为使用稀疏性的理论 FP4 性能。

规格	RTX Spark N1X（笔记本）	RTX Spark N1X（笔记本）	RTX Spark N1X（台式机）	GB10（DGX Spark）
GPU	6,144 核 Blackwell RTX	5,120 核 Blackwell RTX	6,144 核 Blackwell RTX	Blackwell，第五代 Tensor Core，第四代 RT Core
CPU	20 核 Grace	18 核 Grace	20 核 Grace	20 个 Arm 核心（10 个 Cortex-X925，10 个 Cortex-A725）
TDP	45 至 80W	45 至 80W	140W	140W（240W 电源）
统一内存	最高 128GB LPDDR5X	最高 64GB LPDDR5X	最高 128GB LPDDR5X	64GB 或 128GB LPDDR5X，273GB/s
媒体引擎	1x 第九代 NVENC，1x 第六代 NVDEC	1x 第九代 NVENC，1x 第六代 NVDEC	1x 第九代 NVENC，1x 第六代 NVDEC	1x NVENC，1x NVDEC
显示与 I/O	PCIe Gen5，HDMI 2.1b，DisplayPort 2.1b	PCIe Gen5，HDMI 2.1b，DisplayPort 2.1b	PCIe Gen5，HDMI 2.1b，DisplayPort 2.1b	HDMI 2.1a，ConnectX-7 200Gb/s，10GbE
操作系统	Windows 11	Windows 11	Windows 11	NVIDIA DGX OS

NVIDIA 没有公布 N1X 的密集 FP4 数字；在 GB300 上，NVIDIA 同时公布了两个数字，其中密集数字是稀疏数字的 75%。我们预计 OEM 的散热设计会让这些笔记本电脑之间产生差异，而这是 DGX Spark 设备从未有过的，在笔记本 TDP 范围内、未经任何厂商调校就有 35W 的跨度，是这一点的首个硬证据。

微软在桌面端又添了一个变数。其 Surface RTX Spark Dev Box 页面提到，铝制机箱内热设计功耗为 100W，配有 1,000 个通风孔，这比 NVIDIA 为桌面版 N1X 列出的 TDP 低了 40W。两家公司可能衡量的是不同东西，一个是芯片额定值，另一个是机箱设计点，但 11 月比较紧凑型台式机的买家应该询问每家厂商其机箱能维持的持续功耗是多少。

内存速度是与 GB10 的另一个平台差异。戴尔 XPS 规格表列出 LPDDR5X 为 9,400 MT/s，在像 GB10 这样的 256 位接口上，这相当于 300.8GB/s，与 NVIDIA 6 月引用的 300GB/s 相符，比 DGX Spark 的 273GB/s 高出约 10%。CPU 和 GPU 两半通过 NVLink-C2C 以 600GB/s 连接。表格其余部分对三款芯片是共通的：第五代 Tensor Core、第四代 RT core、DLSS 5、带 Frame Warp 的 Reflex 2，以及支持高达 4K 480Hz 或 8K 120Hz 带 DSC 的 HDMI 2.1b。

Rear I/O of the NVIDIA DGX Spark in the StorageReview lab, the GB10 system that shares its silicon with RTX Spark, showing four USB-C ports, HDMI, 10GbE, and the two ConnectX-7 QSFP ports

NVIDIA 的市场页面列出了 17 款可预订的笔记本电脑配置，它们显示出该系列中有多少位于主打规格之下。在我们通读的 15 款中，有七款使用 5,120 核芯片，内存有 24GB、32GB、48GB 和 128GB，存储则分为 PCIe Gen4 和 Gen5 驱动器。

Windows 如何划分 128GB 统一内存

内存在 CPU 和 GPU 之间动态共享，GPU 可寻址的最大容量取决于配置。微软和 GitHub 工程博客中的一张任务管理器截图展示了搭载 6,144 核 N1X 的 Surface Laptop Ultra 上的情况。Windows 报告 74.9GB 专用 GPU 内存、35.5GB 共享 GPU 内存、110GB 总 GPU 内存和 51.5GB 系统内存。

Microsoft's Task Manager capture from a Surface Laptop Ultra with the RTX Spark N1X 6144-core GPU, showing 74.9GB of dedicated GPU memory, 35.5GB shared, 110GB of total GPU memory, and 51.5GB of system memory

专用和系统数字相加为 126.4GB，因此 Windows 呈现统一内存池的方式与呈现独立显卡相同：固定的专用分配，GPU 可以从系统内存借用，但有上限。在该设备上，GPU 的上限是 110GB，即已安装 128GB 的 86%，权重、键值缓存和运行时开销都必须容纳在其下。同一截图显示驱动程序为 32.0.16.1630，日期为 7 月 31 日，NPU 被列为与 GPU 分开的设备。

该文章明确指出，模型权重只是内存预算的一部分；操作系统、应用程序、推理运行时，以及为智能体不断增长的上下文保存注意力状态的 KV 缓存，都从同一个池中取用。对于构成大部分预购列表的 24GB 和 32GB 配置，这为 4 位下的 27B 级模型留下了空间，再高就不多了。发布材料中的大模型宣传都假设的是 128GB SKU。

什么能装下：参数数量与每权重位数

同一芯片引用的参数上限似乎略有出入。NVIDIA 的产品页面称支持高达 1200 亿参数的模型，上下文为 100 万 token，其博客引用 Qwen 3.8 Flash Next 作为 125B 的例子。微软称模型超过 1200 亿，然后点名 MAI Code 1.1 Flash 为 1370 亿、DeepSeek V4 Flash 为 2840 亿，作为将登陆 RTX Spark 的模型，而戴尔引用的是 2000 亿。差异归结为每个权重获得多少位。

模型	参数	精度	占用	来源
MAI Code 1.1 Flash	总计 137B，活跃 6.8B（专家混合）	混合精度，每权重约 3.3 位	权重 53GB；256K 上下文时峰值 75.5GB	微软、GitHub
NVIDIA Nemotron（即将推出）	超过 70B	2 位	略高于 20GB	Microsoft
DeepSeek V4 Flash	284B	未说明	未说明	Microsoft
Qwen 3.8 Flash Next	125B	未说明	未说明	NVIDIA
Qwen3.5 27B	27B	Q4_K_M	未说明	Microsoft 基准测试脚注

Microsoft 对 MAI Code 1.1 Flash 给出的数据最为完整。该云端模型采用 BF16 时为 274GB；端侧构建版本为 53GB，Microsoft 称之为减少 80%，在混合精度量化下约为每权重 3.3 位。Nemotron 的数字同样对得上，因为 700 亿权重按 2 位计算，在计入额外开销前为 17.5GB。按我们的计算，DeepSeek V4 Flash 的 2840 亿参数要在 110GB 的 GPU 上限内装下，在加载任何上下文之前，需要每权重约 3.1 至 3.3 位或更低。

质量数据正是让 3 位这一说法值得关注的原因。Microsoft 报告量化后的端侧模型在 SWE-Bench 上为 70.8%，经核验 BF16 云端版本为 72.6%，在 Terminal-Bench 2.1 上为 66.29%，对比 62.9%。第二项结果中量化模型领先，而在 89 个任务的集合上，这相当于三个任务的差距，在我们看来属于噪声。作为对比点的 Unsloth GPT-OSS-120B GGUF 在同样两项测试中分别得分 32.0% 和 23.6%。

吞吐量数据来自一台 Surface Laptop Ultra，运行 Windows Arm64 版 llama.cpp，使用 CUDA 后端以及 Microsoft 所称的 DFlash2 滑动窗口投机解码，测试采用合成代码生成工作负载。Microsoft 的图表没有数据标签，因此以下为我们的估算：2K 提示词下约每秒 63 个 token，8K 时 61，32K 时 57，64K 时 52，120K 时 55，256K 时 39。256K 上下文下的峰值内存为 75.5GB，恰好落在任务管理器截图中专用 GPU 的数值上。

Microsoft chart of MAI Code 1.1 Flash decode throughput on an RTX Spark Surface Laptop Ultra, falling from just over 60 tokens per second at a 2K prompt to about 39 at 256K

提示词处理是智能体工作中需要重点关注的数字。Microsoft 给出 64K 上下文下每秒 923.5 个 token，128K 下为 769.8。冷启动的 64K 提示词处理约需 71 秒，冷启动的 128K 提示词在首个输出 token 出现前约需 170 秒。该博客文章还提出了相关观点：保持模型加载并不保证响应时间恒定，Copilot 在路由任务时会权衡缓存状态，这也是为什么预填充是我们将在评测硬件上首先测量的数字。

MacBook 对比及其脚注

Microsoft 的对比将 RTX Spark PC 与配备 M5 Pro 和 64GB 内存的 16 英寸 MacBook Pro 进行比较：首 token 时间最高快 2.1 倍，图像生成快 4.3 倍，视频生成快 6.2 倍。第一项来自 Microsoft 委托的测试，在 llama.cpp 中使用 Qwen3.5 27B、Q4_K_M 以及固定的 8,192 token 提示词。另外两项是 NVIDIA 在 ComfyUI 中的测试，分别使用 FLUX.2 Klein 4B、四步、1024 x 1024，以及 LTX 2.3 22B、121 帧、八步、1280 x 720。

脚注包含若干限定条件，首先是硬件：所有测试均于 9 月在配备 64GB 内存的预生产 RTX Spark 系统上运行，Apple 系统为 M5 Pro，对比中没有 M5 Max。两项 ComfyUI 测试均以 NVFP4 精度使用模型，脚注未描述 Mac 的软件配置。语言模型结果是单一提示词长度下的预填充测量；两家公司均未公布解码每秒 token 数的对比，而这正是大多数本地 LLM 用户引用的数字。

在游戏方面，NVIDIA 表示 RTX Spark 在 DLSS 5、Reflex 和 G-SYNC 的加持下，能以 1440p 分辨率、超过 100 帧每秒的速度运行 AAA 大作，但没有点名具体游戏或设置。微软的贡献是《战争机器：E-Day》，支持 DirectX 光线追踪、可变速率着色、DirectStorage 和高级着色器交付，微软称后者可将首次启动时的着色器编译从数分钟缩短到数秒，此外还承诺《使命召唤》将于 2027 年登陆 RTX Spark。Prism 和反作弊的细节在我们的戴尔报道中。

Microsoft Execution Containers：智能体沙箱如何运作

MXC 是此次发布中影响范围最广的部分，因为它适用于任何 Windows 11 PC，并以开源库和多语言 SDK 的形式发布，提供 macOS 和 Linux 后端。开发者通过 JSON 策略声明工作负载需要什么：它可以修改的文件、只能读取的文件、入站和出站网络访问，以及它是否可以接触桌面。MXC 将该策略映射到隔离后端并在运行时强制执行，而且策略位于工作负载之外，因此生成的代码无法为自己授予更多访问权限。

MXC 后端	平台	机制	预期用途
进程容器	Windows 11、macOS、Linux	Windows 上的 AppContainer、macOS 上的 Seatbelt、Linux 上的 Bubblewrap	针对模型生成代码和工具执行的低延迟隔离
会话容器	仅 Windows 11	独立的 Windows 账户和会话，拥有自己的桌面、剪贴板、UI 和输入	需要桌面的长时间运行智能体和自动化
WSL 容器（WSLc）	仅 Windows 11	通过 WSL 提供的 Linux 执行环境	以 Linux 为先的智能体工具链
MicroVM	Windows 11 和 Linux（实验性）	硬件强制的虚拟化边界	风险较高的工作负载和不受信任的代码

三种运行模式覆盖了策略编写周期：Enforcement 会阻止策略之外的任何操作，Learning 会阻止并记录到 JSON 活动报告中。Permissive 允许该操作并记录本应被拒绝的内容，这样团队就可以让智能体执行真实工作，并根据证据构建最小权限策略。活动报告仅适用于 Windows 上的进程容器。组织可以通过管理工具在开发者策略之上添加自己的约束，微软表示 Intune 对 MXC 进程容器的管理即将推出。

有必要明确哪些功能已正式可用，而容器隔离正是 10 月 7 日发布的内容。智能体身份——即 Microsoft Entra 将智能体的操作与已登录用户的操作区分开来——被描述为即将推出，将 Agent 365 控制扩展到本地智能体也是如此。在这些功能到来之前，MXC 容器会限制智能体可以触及的范围，但安全工具仍会在用户身份下看到其活动，微软所描述的机群级治理也尚未到位；其自己的脚注补充说，大规模治理可能需要额外的服务。

GitHub 对其自身集成的描述揭示了边界所在。Copilot 在 Windows 上使用进程容器的基础层级，shell 命令以及本地 Model Context Protocol 服务器和语言服务器默认都在其中运行。Copilot 的内置文件工具运行在代理框架中，其中的请求会根据策略进行检查，但不受操作系统隔离，而远程 MCP 服务器则完全在本地沙箱之外。本地推理不会改变这一切，因为无论哪个模型请求 shell 命令，它继承的访问权限都是相同的。

目前支持 MXC 的代理包括 GitHub Copilot、OpenAI Codex、OpenClaw、Replit、LM Studio 和 Unsloth AI，而 Claude Code、Perplexity、Manus 和 Hermes Agent 等则被列为即将支持。NVIDIA 已将 OpenShell 集成到 MXC 中，微软表示这为代理访问文件和推理服务增加了策略控制、高级网络控制、凭据管理以及面向企业的 OCSF 审计。

黄仁勋将这一发布的分量放在了容器层上：“正如 Windows 和 DirectX 彻底改变了应用程序的构建方式，MXC 将彻底改变代理的构建和部署方式。”我们的看法则更为有限：策略模型是合理的，跨平台 SDK 降低了采用它的成本，但迄今为止详细描述的唯一一个集成使用的是最轻量的后端，而代理获得的隔离强度仅取决于其开发者所选择的后端。

混合路由：HydraFusion、Windows ML 和 llama.cpp

本地模型通过 GitHub Copilot 触达开发者。GitHub 今年早些时候推出的 HydraFusion 可将每项任务路由到合适的云端模型，如今它正被扩展到设备上的模型，并将在 10 月下旬于 Copilot 应用、Copilot CLI 和 Visual Studio Code 中提供实验性预览。开发者可以将放置方式保留为 Auto，或显式选择本地模型，既可以通过 Windows ML 提供程序选择 MAI Code 1.1 Flash，也可以选择 OpenAI 兼容本地端点背后的任何模型。

微软还为 Windows ML 添加了 llama.cpp 支持，上述 MAI Code 数据正是在该运行时上产生的，这为开放模型生态系统提供了一条受支持的平台接入路径；我们的最佳本地 LLM 工具页面跟踪了基于它构建的运行时和前端。不过，微软自己对这一说法的规模评估较为保守。其 Dev Box 页面称，智能路由最多可将 20% 的 Copilot 工作负载卸载到本地模型，这将本地推理定位为一种延长 token 预算的方式，而大部分工作仍由云端完成。

系统、价格和日期

NVIDIA slide from Computex 2026 showing the three Windows machines on one architecture: a DGX Station tower, an RTX Spark laptop, and a compact RTX Spark desktop

六家 OEM 厂商的笔记本电脑已开启 10 月 16 日的预售：ASUS ProArt P16 和 P14、Dell XPS 16 Creator Edition、HP OmniBook Ultra 16、Lenovo Yoga 9n 2-in-1、MSI Prestige N16 Flip AI+ 以及微软的 Surface Laptop Ultra。NVIDIA 的市场还列出了 HP OmniBook X 14。MSI 的机型配备 16 英寸 UHD+ 串联 OLED 和 99.9Wh 电池。NVIDIA 还提到 Acer 和 Gigabyte 也在出货 RTX Spark 系统的厂商之列。

Surface Laptop Ultra 起售价为 2,599 美元，这是我们见过的最低 RTX Spark 价格，其机身厚度被微软控制在 18 毫米以内，重量低于 4.5 磅。微软声称其散热能力是当前 Surface Laptop 的 2.5 倍，配备 15 英寸 120Hz 触控屏，分辨率为 3270 x 2180，在 10% 窗口下测得峰值 HDR 亮度为 2,000 尼特，存储可由用户自行拆卸，并配有仍可传输视频和数据的磁吸式 USB-C 充电端口。部分配置随附 140W 电源适配器。NVIDIA 商城中的最低配置将 5,120 核芯片与 24GB 内存和 512GB Gen4 SSD 搭配。

Surface RTX Spark Dev Box 是首款公布价格的紧凑型台式机，128GB 版本售价 5,999 美元，仅通过美国 Microsoft.com 销售，11 月发货，预装 Visual Studio Code、Git、GitHub Copilot、WSL、Python 和 Node。这比 4,999 美元的 64GB DGX Spark 贵 1,000 美元，但内存翻倍。微软列出了两个 USB-C 端口、USB-A、HDMI、以太网和耳机插孔，但未提及让 DGX Spark 能够集群的 ConnectX-7 端口，这是对我们在 6 月提出的桌面网络问题的一个回答。

面向 Windows 的 DGX Station：第四季度，附完整规格表

NVIDIA 面向 Windows 的 DGX Station 页面现在显示“第四季度推出”，微软表示这些系统将于今年晚些时候上市，并首先点名搭载 GB300 的 Dell Pro Precision 和 HP ZGX Fury AI Station。NVIDIA 的合作伙伴名单还包括 ASUS、Gigabyte、MSI 和 Supermicro。硬件是我们在 Ubuntu 上测试过的 GB300 Grace Blackwell Ultra Desktop Superchip，测试机型包括 MSI XpertStation WS300、ASUS ExpertCenter Pro ET900N G3 以及一个双塔集群。

HP ZGX Fury AI Station tower in the StorageReview lab, one of the GB300 systems Microsoft names for DGX Station for Windows

规格	NVIDIA DGX Station for Windows
GPU	1x NVIDIA Blackwell Ultra，252GB HBM3e，带宽 7.1TB/s
CPU	1x Grace，72 个 Neoverse V2 核心，496GB LPDDR5X，带宽 396GB/s
一致性内存	最高 748GB；NVLink-C2C 带宽 900GB/s
FP4 Tensor Core	稀疏模式下 20 PFLOPS；非稀疏模式下 15 PFLOPS
FP8 和 FP6 Tensor Core	10 PFLOPS
FP16 和 BF16 Tensor Core	5 PFLOPS
TF32 Tensor Core	2.5 PFLOPS
FP32 / FP64	80 TFLOPS / 1.3 TFLOPS
网络	ConnectX-8 SuperNIC，最高 800Gb/s：2x QSFP112，每端口 400Gb/s 1x 10GbE RJ-45，1x 1GbE RJ-45（BMC）
存储	4x M.2 PCIe Gen5 插槽
PCIe 插槽	1x PCIe Gen5 x16；2x PCIe Gen5 x16（x8 电气）
支持的 RTX PRO GPU	RTX PRO 6000 Workstation Edition、RTX PRO 6000 Blackwell Max-Q Workstation Edition、RTX PRO 4000 Blackwell SFF Edition、RTX PRO 2000 Blackwell（支持情况可能因系统而异）
解码器	7 个 NVDEC，7 个 nvJPEG
系统功率	1,600W；需要 20A 电路
操作系统	Microsoft Windows；通过 WSL 使用 Linux 工具链

微软描述了 Windows DGX Station 的两种用途。一种是用于工程和研究工作的个人 AI 超级计算机，可运行其列出的 Llama 4 Maverick、Kimi K2.6 和 DeepSeek V4 Pro 等模型，其脚注称硬件支持最高 1 万亿参数的模型。另一种是它所谓的 Windows token 工厂，即一个共享系统，支持 32 个或更多同时运行的智能体，供团队降低云端 token 消耗。微软表示，IT 可以使用其在整个 Windows 设备群中使用的相同工具来管理这些系统。

Rear panels of the HP ZGX Fury AI Station and ASUS ExpertCenter Pro ET900N G3, two GB300 DGX Station designs, showing the QSFP112 ports and expansion slots

可选的 RTX PRO 显卡在 Windows 上比在 Linux 上更重要。正如我们在 Computex 上指出的，GB300 中的 Blackwell Ultra GPU 没有 RT 核心，因此 Windows 设计和工程应用中的光线追踪可视化由附加卡运行，而超级芯片负责处理 AI。NVIDIA 列出了四款支持的 RTX PRO Blackwell 显卡，从 RTX PRO 2000 到 6000，并暗示支持情况可能因系统而异。

六月份留下的那个悬而未决的问题依然没有答案。我们的 GB300 工作全部是在 Ubuntu 上使用 vLLM 和 NVIDIA 容器栈完成的，两家公司都没有说明哪些服务栈能在此硬件上原生运行于 Windows，哪些运行在 WSL 下，也没有说明在配备两个 400Gb/s 端口的 72 核 Grace 主机上 WSL 会带来多少吞吐量损失。当 Windows 设备到达实验室时，这些将是我们首先要测试的内容。

综合来看

发布材料回答了我们留在 Computex 上的几个问题。笔记本电脑以 45 至 80W 运行该芯片，台式机为 140W；128GB 选项与两款芯片中较大的那款绑定；Windows 将 GPU 可寻址内存限制在安装总量以下；微软的首款紧凑型台式机没有列出高速网络。微软 Windows 与设备执行副总裁 Pavan Davuluri 所说的“你可以在这台笔记本电脑上运行那些在传统机器上根本放不下的模型”，对于 128GB 配置而言是成立的，而微软的 137B 编码模型以约每秒 60 个 token 运行就是对此的演示。

仍然缺失的是所有取决于具体机箱的内容：长时间代理会话下的持续功耗、与 Apple M5 Max 和 AMD Strix Halo 系统相比的解码吞吐量、推理时的电池续航，以及大多数 128GB 笔记本电脑的定价。我们也不知道 Windows 何时会登陆基于 GB10 的 DGX Spark，该设备上个月在固件中获得了 Windows 启动证书。评测机将经过与我们的最佳本地 AI 笔记本电脑和最佳本地 AI 台式机排行榜相同的测试套件。