它没有更强的算力，只是把"显存"这道墙拆了。拆墙的代价，写在带宽、CPU 和价格上。
10 月 16 日晚上 8 点，北京双井京东 MALL 一楼，剪彩的红绸刚落地。同一时间，京东页面上 128GB 版本的 RTX Spark 笔记本开始变灰。几分钟，售罄。
卖的是华硕 ProArt 创16，128GB 统一内存加 1TB 固态，标价 37999 元。
这个价格放在轻薄本里，属于离谱。但买的人似乎很清楚自己在买什么：一台能在本地跑千亿参数模型的个人电脑。
过去想在本地跑大模型，只有两条路。想要大内存，买 Mac，但 CUDA 生态是缺席的，很多项目要移植、要适配；想要 CUDA，买 NVIDIA 显卡，但显存卡在 24GB，稍大一点的模型就塞不进去。
容量和生态，二选一。RTX Spark 想做的事很简单：把这个二选一取消掉。
这篇文章只回答一条问题链：墙在哪，怎么拆的，拆完跑得快不快，能干什么，代价是什么，最后该不该买。
先算账。账算完，很多营销词就不用解释了。
一个 120B 参数的模型，4-bit 量化后，权重约 60 到 70GB。一个 70B 模型，4-bit 也要 41GB。而过去笔记本上最强的独显，显存是 24GB。
装不下，就是装不下。硬压到 2-bit 能塞进去，但模型会变笨，得不偿失。
就算塞得下，还有第二道墙。传统笔记本的 CPU 内存和 GPU 显存是两块物理上分开的区域，中间隔着 PCIe。模型得一层层换进换出，带宽只有几十 GB/s，生成一个字要等很久。
所以"显存墙"其实有两堵：一堵是容量，一堵是搬运。以前所有方案都在绕过它们，没人真拆。
Mac 的路线是统一内存，M4 Max 的带宽约 540GB/s，容量也够。但 CUDA 在很多 AI 项目里是默认前提，换平台意味着重写和调试。NVIDIA 的路线是 CUDA 原生，可显存只有两位数。两边都只解决了一半。
答案不是"显存变大了"，而是"显存这个概念没了"。
RTX Spark N1X 不是一块显卡，也不是传统的 CPU 加独显。它是两颗 die 用 2.5D 封装合在一起的 SoC，台积电 3nm，中间用 NVLink-C2C 连起来，双向带宽 600GB/s。
一颗 die 是联发科联合设计的 CPU，20 核 Arm：10 颗 Cortex-X925 性能核加 10 颗 Cortex-A725 能效核。另一颗是 Blackwell GPU，6144 个 CUDA 核心，配第五代 Tensor Core，FP4 精度下算力 1 PFLOP。
| 项目 | 规格 | 含义 |
|---|---|---|
| CPU | 20 核 Arm（10+10） | 撑住智能体编排与系统并发 |
| GPU | 6144 CUDA 核心 | 与桌面 RTX 5070 同量级 |
| AI 算力 | 1 PFLOP（FP4） | 低精度矩阵乘，正是推理吃的 |
| 内存 | 128GB LPDDR5X | CPU 与 GPU 共用一个池子 |
| 内存带宽 | 273–300GB/s | 不同口径，这是后面所有速度的上限 |
| 芯粒互联 | NVLink-C2C 600GB/s | CPU 与 GPU 之间不经过 PCIe |
| 整机功耗 | 80W TDP | 桌面版为 140W |
CPU 和 GPU 共享同一块物理内存，模型权重只加载一次，不用在两条总线之间来回搬。
关键在下面那一层。128GB LPDDR5X 是一个物理内存池，CPU 和 GPU 直接共享。最高 96GB 可以划给 GPU 使用。实测中，任务管理器里 64GB 由 GPU 硬件独占，另有 48GB 动态共享，GPU 实际可寻址空间达到 111GB。
对比一下：过去笔记本独显的显存上限是 24GB。现在这个数字变成了三位数。
纸面上的 1 PFLOP 很唬人，但真正改变游戏规则的是容量。算力决定跑多快，容量决定能不能跑。先有后者，前者才有意义。
微软也在这层做了配合：针对 RTX Spark 调整了 Windows 调度器，启用功耗与散热框架，还给显存分配做了一个滑杆，最大能划到 96GB，改完重启生效。
不等于。这里有一个反直觉的答案，也是全文最值得记住的一段。
推理分两个阶段。预填充阶段，模型把输入一口气读完，主要吃算力；解码阶段，每生成一个 token，都要把参与计算的权重从内存里读一遍，主要吃带宽。
而 RTX Spark 的带宽是 273 到 300GB/s。M4 Max 约 540GB/s，独立显卡的 GDDR7 更高。所以从纸面上看，它天生不擅长"一个字一个字往外蹦"。
实测数据也印证了这点，但印证的方式很有意思。
| 模型 | 类型 / 体积 | 实测输出 | 备注 |
|---|---|---|---|
| Llama 3.1 8B | 稠密 / 4-bit | 54.8 tok/s | 首 token 0.27 秒 |
| Qwen3 8B | 稠密 / 4-bit | 53.8 tok/s | 首 token 0.27 秒 |
| Qwen3.8-27B | 稠密 / 开 MTP | 约 30 tok/s | 智能体常驻够用 |
| Qwen3.8-Flash-Next | MoE / 180B，权重 97.68GB | 34.6 tok/s | 激活约 6B，加载 1 分 21 秒 |
| Qwen3.6-35B-A3B | MoE / 开 MTP | 80.6 tok/s | 接近云端网页版体感 |
数据来自公开实测，测试条件（量化方式、是否开 MTP、上下文长度）不完全一致，只用于看相对关系。
看到第三行和第四行，问题就来了：为什么 27B 的稠密模型只有 30 tok/s，而体积大出六倍的 180B 反而跑到 34.6 tok/s？
因为稠密模型每生成一个字，都要把全部权重读一遍。27B 就是 27B 的流量，一个都不能少。带宽就这么宽，再急也没用。
MoE 不一样。180B 的模型里有大量专家，但每次只叫醒最对口的几个。Qwen3.8-Flash-Next 单次激活约 6B 参数。也就是说，128GB 内存负责装下 1800 亿参数的知识，实际每次只搬 6B 的数据。
大容量装知识，小激活绕带宽。这台机器的架构，几乎是照着超大号 MoE 画的。
NVIDIA 自己也是这个思路。10 月 15 日发布的 Nemotron 3.5 Bolt 74B-A9B，740 亿参数、激活 90 亿，2-bit 量化压到 24GB，就是专门为这类设备准备的。
官方说它能跑 120B 模型、上下文到 100 万 token。实测里有一个更贴近真实使用的数字：一轮 250 万输入 token、3.1 万输出 token 的完整 Agent 会话，跑了 1041.7 秒，约 17 分钟，输出速度 38 tok/s。
17 分钟听起来久。但这是一次性把两百多万 token 塞进去读完，中途没有截断、没有分片、没有把资料上传到任何地方。
能跑分不算本事，断网还能干活才算。
有一组测试是这样做的：拔掉网线，打开飞行模式，关掉 Wi-Fi 和蓝牙，然后让本地的 180B 模型接三个工程任务。
说句公道话：这三个案例能成，一半靠模型能力，一半靠提示词。每个 Case 都是几百行的结构化约束。你如果只丢一句"帮我做个好看的 PPT"，它一样会翻车。本地模型和云端旗舰在长链条自纠错上的差距，还在。
但它们的共同点是：全程离线。那些不方便上传的财务底稿、未开源代码、并购材料，终于有了一个不用按"发送"的地方。
有个细节我挺喜欢。一位博主想给自己做一个浏览器翻译插件，因为受够了订阅费和按 token 计费。他选了一个 2B 的翻译模型，设了 6 路并行，半小时写完，效果接近实时。这种事以前不敢做，不是因为难，是因为每次调用都在花钱。
出图也一样。Qwen-Image-2.1 在 BF16、40 步的设置下，一张 1K 图一分多钟；H3 生成 15 秒 720P 视频，本地约 20 分钟。慢，但无限次。
游戏这边，赛博朋克 2077 在 1080p 超高清约 70 帧，QHD 约 47 帧，重光追掉到 30 帧左右。3DMark Time Spy Extreme 6060 分，高于 AMD Ryzen AI Max+ 395 的 4689。它不是游戏本，但能玩。
更关键的是持续能力。跑 180B 模型时，插座上的功率计显示整机功耗稳在 37 到 38W，核心温度约 70°C，风扇 4100 转、人位噪音 53.4 分贝。日常办公续航 8.8 小时；纯靠电池连续跑千亿模型，能撑两个半小时。
这意味着它可以一直开着。待命、轮询、在后台处理任务，而不是演示五分钟就得插电。
拆墙不是免费的。账单分四份寄来。
Geekbench 7 单核 2604 到 2710，多核 23571 到 26310。多核接近 M4 Pro，单核落后 M5 一代。Cinebench 2026 单核 555 到 558，夹在 M3 和 M4 之间。
原因不复杂：Cortex-X925 是 Arm 2024 年的设计，而联发科自己的手机芯片已经用上更新的架构。这颗芯片的工程样品能追溯到 2024 年，开发周期摆在那儿。
影响是具体的：编译、渲染这类多线程活没问题；浏览器、游戏逻辑这类吃单线程的活，会明显吃亏。
Prism 转译已经优化得不错，日常软件和原生 AI 工具链跑得很顺。但内核级反作弊没有原生 Arm 版本的游戏，仍然进不去。《使命召唤》要等到 2027 年。部分 x86 竞技网游会有掉帧。
还有一个小遗憾：那颗 55 TOPS 的 NPU，目前专供微软 Copilot+ 功能，第三方软件调不到。等于有一部分硬件，你买了但用不上。
国行 128GB 加 1TB 的 ProArt 创16 是 37999 元。美国市场 24GB 起步价 2599 美元，64GB 的 ProArt P16 约 4819 美元。同样的芯片，内存翻倍，价格能差出一台车的首付。
而且这是第一代。驱动、生态、兼容性，都还要时间。现在买，买的是"能跑"，不是"跑得顺"。
它没法让你在 5090 上那种速度下玩游戏，也没法在单核性能上追平苹果。它是为"装得下"设计的，不是为"最快"设计的。想清楚这一点，很多失望可以避免。
三个方案服务三种人，不存在谁替代谁。
| 维度 | RTX Spark 128GB | Mac（M4 Max） | 桌面 RTX 5090 |
|---|---|---|---|
| 可分给 GPU 的内存 | 最高 96GB | 统一内存，按配置 | 32GB |
| 内存带宽 | 273–300GB/s | 约 540GB/s | 远高于前两者 |
| CUDA | 原生 | 不支持 | 原生 |
| 形态 | 1.79kg 笔记本 | 笔记本 / 台式 | 台式 |
| 适合的模型 | 100B 级以上 MoE | 能装进内存的模型 | 30B 级，追求速度 |
如果只想要一句话：它的价值不在跑分，在于把"按次付费"换成了"一次买断"。这笔账划不划算，取决于你一年会调用多少次。
把云端模型比作租来的地，把本地模型比作自己的一亩三分地，这个比喻是一个博主说的。他的意思很直白：租来的地更肥、产量更高，但随时可能被收回；自己的地产量低一点，可种什么由自己决定。
RTX Spark 就是一块标价 37999 的地。
它不便宜，也不是给所有人准备的。它真正的意义，是把"个人电脑"这个词的边界推开了一格：以前个人电脑能做的事，是打开软件、处理文件；现在它能做的事，是在断网状态下，替你读完两百万 token 的资料，然后给出一个答案。
至于这一格推得值不值，不用看发布会，看你自己上个月的 API 账单就行。