今天，英偉達的NVIDIA GTC Taipei 2026，在早上11點，終於如約而至了了。
發佈了很多的東西，但是有一個東西，是我覺得真正具有歷史意義的，必須要單獨拿出來的說的。
甚至，它讓英偉達喊出了，個人電腦誕生40年以來，這次，要重新定義。
“
A New Line，A New Beginning
”
而這一切，都是因爲一個全新的消費級芯片。
也就是傳說中的，被各種爆料了很久的代號爲N1X的芯片。
可以說，這是我在今年上半年最期待的一場AI大會，因爲在這個時代，你幾乎很難看到，幾個巨頭聯手預熱，只爲這一場發佈會。
那一串奇怪的數字，正是這次老黃演講的地點，臺北流行音樂中心。
在看完今天的發佈會以後，我相信沒有人會不再相信這句話了。
整個上半年的AI的進展，幾乎都是OpenClaw、Claude Code、Codex等等等等。
可試問，又有誰不想真正的把大模型和Agent，部署在自己的本地端呢，低延遲、隱私保護、無需網絡，不僅僅是進行推理，甚至可以微調，那種自由又安全的感覺，永遠會讓人迷戀。
我們需要新的硬件，也需要新的芯片，需要一些更有趣的想象。
而這一切的目光，幾乎都聚焦在了這次的
NVIDIA GTC Taipei 2026上。
如果比較關注英偉達或者過去打遊戲比較多的朋友，可能對RTX和Spark這兩個獨立的單詞都比較熟。
RTX就是英偉達的消費級產品線，大家見的最多的，就是各種顯卡，比如RTX 5080。
Spark其實同源於去年的一個面向開發者的
DGX Spark，只不過這次被正式升級成了一整套英偉達全新的業務線。
繼續觀看
英偉達發佈全新RTX Spark - 個人PC的新時代。
,
英偉達發佈全新RTX Spark - 個人PC的新時代。
RTX Spark的底層應該是跟DGX Spark相同的GB10芯片，因爲我看這次的旗艦版的參數和之前差不多。
最高1 PFLOP的FP4 AI性能，20個CPU核心、6144個GPU核心和128GB的LPDDR5X統一內存。
這次發佈會上，老黃還秀了一把未來所謂搭載
RTX Spark的合作品牌方做的電腦。
你可以在一臺厚度爲14mm、未插電的筆記本電腦上渲染一個90GB的3D場景、編輯12K分辨率視頻。
而且，不僅有很薄但性能爆炸的全新筆記本，
還有類似於Mac Mini那種功耗很低的小盒子。
所以最近聯想、HP、ARM大漲啥的，不是沒有原因的。
能在個人消費級的電腦裏，直接用統一內存的方式，以超高速+全面CUDA生態支持，來本地跑AI大模型，這應該是整個PC領域頭一遭。
而且微軟會跟英偉達一起，全面重構Windows系統，讓搭載RTX Spark的電腦，原生支持本地Agent的運行。
Windows生態，感覺有救了，英偉達來當救世主了。
感覺上，明年全新的Windows系列的換機潮要來了。
我覺得要理解
RTX Spark
的歷史意義，還是得說一個我覺得大家需要知道的東西：
在過去，我們傳統的電腦裏，一般有兩個大家所熟知的最核心的東西，一個叫CPU，一個叫GPU。
GPU大家肯定都很熟了，在電腦上，經常就是我們常說的顯卡，比如我的這個5080。
CPU和GPU他兩呢，各有各的內存，是分開的兩塊。
CPU用的叫系統內存（RAM），GPU用的叫顯存（VRAM），兩邊要交換數據得通過一條通道來回搬。
而統一內存呢，大概就是把這兩塊合成一塊，CPU和GPU共用同一個內存池，誰都能直接訪問。
蘋果把這套玩意搞成了自己的主流，你現在買的Mac，幾乎都是統一內存了。
但是Windows生態，CPU和GPU都是不同廠家做的做的，受限於過去的生態，過去也有人搞過，但是也都拉了，也從來沒有人能把這麼多上下游，聯合起來大搞特搞。
而這個統一內存，對於跑大模型來說，真的幾乎就是決定生死的差別。
上面我們也說了，傳統PC的內存架構是分裂的，CPU有自己的系統內存（RAM），GPU有自己的顯存（VRAM），兩者之間靠一條叫PCIe的東西連起來。
比如，CPU有一塊系統內存，我們按64GB RAM來算，GPU又有一塊自己的顯存，比如RTX5080的16GB VRAM。
你想在本地跑一個大模型，比如量化後的70B模型，可能要幾十G內存，你的電腦內存看起來有64GB，但GPU真正能高速使用的只有那16GB顯存。
一旦模型太大，顯存放不下，就要把一部分權重放在CPU的系統內存裏，GPU每次需要這部分權重，就得通過PCIe去系統內存裏拿。
GPU讀自己的顯存，帶寬大概1TB/s，非常快。
但是PCIe這條連接CPU內存和GPU的通道，像PCIe 4.0 x16單向帶寬只有大概32GB/s，差了三十倍，純龜速。
統一內存解決的主要問題就是這個。
它可以把CPU和GPU的內存變成一個共享池，比如一臺機器有128GB統一內存，那麼GPU就可以直接使用這個大池子裏的很大一部分。那這樣你跑本地大模型的時候，就不再被一張顯卡的 16GB、24GB、32GB顯存限制得那麼死。
統一內存在消費級單機上，幾乎是跑本地大模型唯一優雅的解法。
數據中心就是另一個世界了，那條路跟我們普通消費者就沒啥關係了。
說到這，那我覺得，你肯定想問，那既然統一內存這麼牛逼，我買Mac不就行了，Mac也有128G的統一內存的版本，我買
RTX Spark
幹啥？
這是個非常好的問題，有一個答案還是挺重要的，那就是英偉達真正的殺手鐧。
CUDA這個詞，很多關注AI的朋友應該都聽過，但它到底是什麼，爲什麼這麼重要，我覺得還是值得認真聊一下。
很多人以爲CUDA就是英偉達的顯卡驅動，或者只是什麼GPU加速技術。
這麼理解也不能說錯，但它遠不止於此。
CUDA是一整套的生態，最牛逼的生態。
底層，它讓你能把GPU當成通用計算器來編程，除了渲染畫面，還能做數學計算。
中層，是一堆被打磨了將近二十年的數學庫。cuBLAS做線性代數，cuDNN做深度學習的基礎運算，TensorRT做推理優化，NCCL做多卡通信，FlashAttention這類關鍵優化，CUDA 路線最成熟，很多新特性也會優先圍繞NVIDIA GPU做適配。
還有老黃這次演講裏反覆強調的CUDA-X，爲所有的Agent，開放的CUDA庫，能讓Agent直接調用，這下更離譜了。。。
裏面有一整套橫跨科學計算、工程仿真、芯片設計、基因組學、通信網絡、機器人和物理仿真等等的加速庫。
比如cuLitho做計算光刻，cuOpt做決策優化，cuDSS做稀疏矩陣求解，AI-Q做對結構和非結構化文檔做深度研，Warp做可微分物理，Parabricks做基因組學等等等等。
用老黃的話說，數學，太美妙了。
CUDA，太牛逼了。
上層，就是PyTorch、TensorFlow、JAX，幾乎所有深度學習框架的GPU後端，默認且首先支持的就是CUDA。
從2006年做到現在，CUDA積累了海量的優化庫、教程、代碼、生態等等。你今天去看學術論文放出來的開源代碼，絕大多數都是在CUDA上寫和測的，你今天遇到任何深度學習的問題去搜解法，搜出來的答案也幾乎都是默認假設你在用CUDA。
整個AI工程界的母語，就是CUDA。
這也是Apple一直以來的一個痛點。
它的統一內存確實牛逼，但它的GPU用的是Metal，機器學習框架是MLX。
社區裏絕大部分開源模型、訓練代碼、微調工具，都是先在CUDA上做好的，然後才慢慢有人移植到MLX，而且推理還好說，但是訓練和微調在Apple上的生態到今天還是非常薄弱。
所以你現在應該能理解，
RTX Spark
爲什麼讓整個行業都在期待了。
因爲在
RTX Spark
之前，想要CUDA和想要統一內存的能效，這兩件事在PC上，是不可兼得的。
RTX Spark
第一次把這以前打架的東西捏到了一起。
這是以前任何一個單一平臺都給不了的組合。
這纔是
RTX Spark
真正的最牛逼的地方，也是最大的差異化。
運行人類至今創造過的一切，外加Agent。
而基於CUDA生態，這次，像Adobe之類的，會針對
RTX Spark進行全面優化。
比如Adobe直接重新爲RTX Spark設計了Photoshop和Premiere的核心架構，擁有高達兩倍的速度，而且，還原生支持Agent調用。
而且，這一次，英偉達和微軟還要一起攜手，來重塑Windows上的Agent生態，雖然這塊是後面纔會跟納德拉具體直播去聊，但是也透了一點東西出來。
包括全新的Windows安全基元，能爲Agent的原生構建與運行提供身份認證、隔離防護、策略管控和端到端安全能力。
還有英偉達自己的Open Shell。
一套面向Agent的Windows PC平臺就能看出來了。
底層是RTX Spark提供的硬件能力。
第二層是Windows的系統，微軟會把Windows往Agent時代來改。
第三層就是是安全運行環境。
也就是Windows security primitives + NVIDIA OpenShell。
可以說，未來任何一個想要在本地電腦上跑大模型的開發者或者創作者，從硬件上來說，
RTX Spark
的機器，幾乎就是最優解。
A New Line，A New Beginning。
以上，既然看到這裏了，如果覺得不錯，隨手點個贊、在看、轉發三連吧，如果想第一時間收到推送，也可以給我個星標⭐～謝謝你看我的文章，我們，下次再見。
>/ 作者：卡茲克
>/ 投稿或爆料，請聯繫郵箱：
[email protected]