昨天，受邀在北京参加英伟达的活动，跟他们一起在店里庆祝，RTX Spark的全球开售。毫不夸张的说，现场真的人山人海。 在剪彩开售的一瞬间，我去京东看了下，几分钟不到，128G的版本，直接就被抢空了？？？大家对本地算力的需求，比我想象的还要旺盛。而我自己呢，其实在一周以前就已经收到了RTX Spark的机器，是华硕的ProArt创16，128G统一内存+1T版本，目前在京东售价37999，也就是上面那个在京东直接被抢空的版本。在所有的同机型里，性价比应该是最高的了，其他的同型号有的甚至要贵上万块。只能说，感谢英伟达。 说实话，第一次拿到手的时候，我最惊讶的地方，其实是它的体积和重量。 你很难想象，这么一台薄至约12.9mm、轻至1.79kg的16英寸轻薄本，里面居然塞进了一颗原生支持CUDA、最高拥有128GB统一内存的RTX Spark芯片。 目前我也已经深度使用了一周的时间了，非常想跟大家来分享一下我在这段时间，使用RTX Spark的体验。其实今年6月，老黄第一次在发布会上发布RTX Spark 的时候，我就写过一篇文章：英伟达发布全新RTX Spark - 个人PC的新时代。在那之后，我其实就一直等着这台电脑发售，虽然我现在有两台Mac Mini在家24小时跑着Agent，但是谁又能拒绝一个有着统一内存，还有CUDA生态，能在本地跑模型，还能打游戏的超轻薄的RTX Spark电脑呢。因为过去我们想在本地跑大模型，一直有一个非常蛋疼的问题。你想要大内存，那可能就得买 Mac。苹果的统一内存确实很牛逼，但是很多AI项目的底层都是围绕NVIDIA的CUDA生态开发的，在Mac上跑起来，有时候就需要各种移植和适配。你想用CUDA呢，那就得买英伟达显卡。但是传统消费级显卡的显存容量又有限，5090也才32G，稍微大一点的模型，就有可能塞不进去。而RTX Spark这次，把这两件事情直接结合到了一起。128GB的统一内存，加上CUDA生态，作为一个喜欢折腾AI、并且还是一个游戏佬的我来说，没办法，RTX Spark还是太有吸引力了，而且基本就是唯一解。所以一周以前拿到手以后，我除了先下了Steam之外，干的第一件事，就是开始疯狂去部署各种各样的模型。玩AI的这几年，好像都没有这么痛快过。而且模型自由、Token自由的感觉，真爽。可以先给大家看一下我这台电脑的配置。RTX Spark N1X芯片，128GB统一内存，加上1TB SSD。我知道，大家肯定都还会想跟5090比一下，但这块我想说，RTX Spark主打的还是大容量、便携、以及超高能效。我简单做了一下表。为了大容量和轻量便携，所以英伟达做了一些妥协，压低了带宽和算力，但是换来的，是完全不同功耗。RTX Spark把功耗压到了80W，而5090纯单显卡，就需要恐怖的575w的功耗，你在笔记本和一些小机型里，根本不可能带的动。所以，相比之下，我个人还是觉得，对于绝大多数的玩家来说，RTX Spark的适用性和泛化性，还是高于5090的，基本就是用更加广泛的场景，来换取慢一点的速度。因为这一次英伟达为了让大家开箱即用，所以也贴心的跟WorkBuddy合作了，他们搞了一个RTX Spark专区，所以国内用户完全可以直接下载WorkBuddy，这样可以非常方便的开箱即用。首先，打开WorkBuddy，在左上角找到这个RTX Spark专区，然后点击切换。你就可以来到RTX Spark的专区首页了。英伟达给了一些预设，你可以快速的进行一些便捷操作。当然，最核心的，肯定还是在这台电脑上，使用本地模型，我都用RTX Spark了，那肯定是要用本地模型的嘛对吧。点击设置，进入到模型，就能看到这边有个本地模型的选项了。如果你是第一次拿到这台设备，那右边是一个下载的选项，就可以直接一键把模型下载下来放到你的本地了。这个模型是单独预设的，所以跑的速度还是不错的，能跑到80 Token/秒。同样的，你也可以自己部署其他的模型，不需知道太底层的原理，可以直接让Agent帮你跑。对于一台128G统一内存的机器来说，吃下一个100B左右的Q4量化版本，我觉得是没啥问题的，但是相对于日常使用来说，我不建议跑的这么满，需要给别的东西留下一点空间。所以，我无比推荐大家，换上我觉得本地的一个最牛逼的模型，甚至是能跟曾经的Opus 4.6相匹敌的，且能无时无刻常驻后台的模型。他就是Qwen 3.8-27B。这玩意是真的猛，猛到一定的级别了，在AA上，以一个27B的模型，跟一众几千亿的模型打的有来有回。而且是完全可以本地部署的，而且Token无限，绝大多数的活，它其实都足够了。想在本地部署它，并且在WorkBuddy里一起用，或者放到别的Agent里面变成可选模型，也特别简单。一句话的事，记得一定要说开启MTP。。。