Computex 2028:RTX Spark讓用戶在纖薄的Windows PC於遊戲、專業創作及個人代理式AI有更多加值
NVIDIA在消費級產品導覽與媒體溝通RTX Spark的介紹,實際上與筆者數年參加高通Windows on Snapdragon平台裝置的介紹體驗很類似:Arm架構在Windows的體驗已經與x86不再有明顯區隔,不過不同於高通在PC市場相對AMD、Intel及NVIDIA的新進者身分,長期憑藉GPU耕耘PC市場的NVIDIA賦予RTX Spark裝置的使命不僅於此,NVIDIA希望用戶不僅在RTX Spark有相同的Windows體驗,更重要的是具備只有RTX Spark才有的附加價值。
Arm相容性(應該)已不是問題,積極與微軟合作加速原生支援

NVIDIA跳過RTX Spark最基本的日常文書展示,畢竟在微軟與高通長期合作之下包括文書軟體、瀏覽器、Office與印表機支援的問題已經算是解決,NVIDIA聚焦在透過RTX Spark裝置執行代理式AI、內容創作以及遊戲;在多年前與微軟溝通Windows on Arm時,微軟就表示只要解決相容,GPU並不需要任何轉譯就能100%發揮效能,RTX Spark則透過高達20核心高效能Arm PC級CPU作為後盾,並在微軟持續改善Prisma模擬器下,相容性已不再是嚴峻的情況。
NVIDIA以多項大型應用程式、包括AI、遊戲及創作等示範RTX Spark能夠如同使用搭載RTX獨立顯示的PC裝置一樣使用,也提到NVIDIA與微軟積極與軟體開發商合作進一步,確保基於Arm CPU的RTX Spark有最佳的效能;不過NVIDIA的工作人員表示,雖然當前最新的Prism模擬器實現AVX指令集的相容模擬,基本上已經可相容玩家熟悉的各種Windows環境的應用程式及遊戲,不過畢竟轉譯勢必造成效能的耗損,NVIDIA仍會與微軟合作促使更多應用可原生支援Arm CPU。
遊戲同樣RTX On,強調技術、軟體更新與NVIDIA顯示卡體驗相同

畢竟冠上RTX的名稱,RTX Spark能夠執行遊戲勢必是理所當然,而且GPU驅動原本就是NVIDIA的強項,除了目前玩家熟悉的完整DLSS技術以外,NVIDIA表示(原則上)RTX Spark的驅動更新節奏會與NVIDIA獨立顯示卡看齊,讓玩家同樣保有熱門遊戲Day0的最佳化支援能力;此外現場展示的遊戲當中,已有像是Alan Wake 2原生支援Arm CPU,永劫無間則也提供測試中的原生Arm版本。

不過剛好同業友人看到在場遊戲展示並未率先展示預計在2026年8月隸屬DLSS 4.5當中的第二代光線路徑追蹤,也向展示人員詢問是否有支援性的問題;NVIDIA工作人員表示主要是RTX Spark本身並非鎖定極致遊戲玩家,其GPU性能是考量纖薄設計及效能的平衡點所規劃(註:NVIDIA並未溝通、但外界預期性能約略與GeForce RTX 5070相當),光線路徑追蹤主要是為了4K、全特效情境的技術,故並未特地進行展示,但確實RTX Spark同樣支援路徑光線追蹤,然而要有頂尖的遊戲體驗,NVIDIA仍建議選擇搭載更高規格獨立顯示的電競筆電。
大容量統一記憶體於內容創作及裝置端AI的意義

受限GPU本身性能,RTX Spark高達128GB的大容量統一記憶體對遊戲的影響並不大,但在專業內容創作及AI就完全不同;以內容創作來說,過往高畫質、無損的影音內容剪輯會受限GPU記憶體不得不以CPU執行,然而高達128GB的統一記憶體,使得這些高品質素材可透過RTX Spark的Blackwell GPU以加速方式進行流暢的剪接,並受惠Blackwell透過硬體加速的全新影片格式。


另一個例子則是3D影片及遊戲開發者,NVIDIA展示Unreal Engine 5的大型程式場景,若以一般對於影像品質的需求,實際上支援DLSS增強技術的RTX 5070就已經足以提供相當精緻的3D動畫,但由於獨立顯示卡的VRAM限制,會導致無法載入大型場景,對一些並非需要高精度的3D內容創作者而言,只能不得不由於VRAM需求購買昂貴但VRAM容量及大的RTX PRO專業卡,然而RTX Spark高達128GB的統一記憶體,則能載入一個超大規模的城市場景。

最後就是AI應用,NVIDIA相當自豪RTX顯示卡是Windows平台具有最佳效能的AI加速硬體,同時NVIDIA也提供廣泛且迅速的各種AI支援,但面臨大參數的生成式AI或代理式AI,即便Blackwell架構支援效率更佳的NVFP4精度,畢竟最高階的消費級顯示卡的記憶體仍有上限,容易造成執行上的問題,或代理的過程無法一次性把所有模型載入VRAM,導致過程須不斷中斷重新載入下一個步驟所需的模型,除了費時以外也可能造成模型轉換之間資料的遺失以及前後文錯誤。
高達128GB的統一記憶體,使得RTX Spark得以在裝置上執行更大參數的生成式AI模型,或是透過混合專家(MoE)AI模型,使用戶可在安全、隱私的裝置端打造個人化,且具備更穩定的連續上下文理解能力與更快速的執行速度。