统一内存遇上CUDA：RTX Spark要重新定义个人PC

2026年6月1日，今天我守着英伟达NVIDIA GTC Taipei 2026的发布会，早上11点它如约而至。

发布的东西很多，但有一样我觉得真正具有历史意义，必须单独拿出来说一说。甚至，它让英伟达喊出了个人电脑诞生40年以来头一次要重新定义："A New Line，A New Beginning"。

而这一切，都因为一颗全新的消费级芯片——被爆料了很久、代号N1X的那颗芯片，RTX Spark。就是这么个小小的东西。

可以说这是我今年上半年最期待的一场AI大会，因为在这个时代，你几乎很难看到几个巨头联手预热，只为一场发布会。PC的新时代，可能也只有英伟达能攒起这样的局了。那串奇怪的数字，正是老黄演讲的地点——台北流行音乐中心。

看完这场发布会，我相信没人再怀疑这句话了。

整个上半年AI的进展，几乎都围着OpenClaw、Claude Code、Codex这些转，背后全是云端大模型。但消费端的硬件层面几乎毫无进展。可试问，又有谁不想把大模型和Agent真正部署在自己本地呢？低延迟、隐私保护、无需网络，不仅能推理，甚至能微调，那种自由又安全的感觉，永远让人迷恋。我们需要新的硬件，也需要新的芯片，需要一些更有趣的想象。而这一切的目光，几乎都聚焦在这次GTC Taipei 2026上。

终于，RTX Spark如约而至。

熟悉英伟达、或者过去打游戏比较多的人，对RTX和Spark这两个词都不陌生。RTX是英伟达的消费级产品线，见得最多的就是显卡，比如RTX 5080。Spark则同源于去年面向开发者的DGX Spark，这次被正式升级成一整套英伟达全新的业务线。于是，RTX Spark出炉了。发布会那段短片看得我起鸡皮疙瘩。

整体参数如下：RTX Spark底层应该跟DGX Spark相同的GB10芯片，因为这次旗舰版的参数和之前差不多——最高1 PFLOP的FP4 AI性能，20个CPU核心、6144个GPU核心和128GB的LPDDR5X统一内存，能直接在本地轻轻松松跑120B的模型。

老黄还在会上秀了一把未来搭载RTX Spark的合作品牌方做的电脑：你可以在一台厚度14mm、未插电的笔记本上渲染一个90GB的3D场景、编辑12K分辨率视频。非常离谱。而且不光有很薄但性能爆炸的全新笔记本，还有类似Mac Mini那种功耗很低的小盒子。所以最近联想、HP、ARM大涨，不是没有原因的。

能在个人消费级的电脑里，直接用统一内存的方式，以超高速加全面CUDA生态支持，本地跑AI大模型，这应该是整个PC领域头一遭。而且微软会跟英伟达一起，全面重构Windows系统，让搭载RTX Spark的电脑原生支持本地Agent运行。Windows生态感觉有救了。真的，无愧于"个人PC新时代"这个说法，感觉明年全新的Windows换机潮要来了。

我觉得要理解RTX Spark的历史意义，还是得先说清楚一个大家需要知道的东西：到底啥是统一内存？它有啥用？

在过去，传统电脑里一般有两个大家最熟悉的最核心的东西，一个叫CPU，一个叫GPU。GPU大家肯定都很熟，在电脑上经常就是我们常说的显卡，比如我的这块5080。CPU和GPU各有各的内存，是分开的两块：CPU用的叫系统内存（RAM），GPU用的叫显存（VRAM），两边要交换数据，得通过一条通道来回搬。而统一内存，大概就是把这两块合成一块，CPU和GPU共用同一个内存池，谁都能直接访问。苹果把这套玩意搞成了自己的主流，你现在买的Mac，几乎都是统一内存了。但是Windows生态里，CPU和GPU都是不同厂家做的，受限于过去的生态，过去也有人搞过，但都拉胯，也从来没有人能把这么多上下游联合起来大搞特搞。这么大的阵仗，英伟达是第一个。

而这个统一内存，对于跑大模型来说，真的几乎就是决定生死的差别。传统PC的内存架构是分裂的，CPU有自己的系统内存（RAM），GPU有自己的显存（VRAM），两者之间靠一条叫PCIe的东西连起来。比如CPU有一块64GB的RAM，GPU又有一块自己的显存，比如RTX 5080的16GB VRAM。你想在本地跑一个量化后的70B模型，可能要几十G内存，你的电脑内存看起来有64GB，但GPU真正能高速使用的只有那16GB显存。一旦模型太大，显存放不下，就要把一部分权重放在CPU的系统内存里，GPU每次需要这部分权重，就得通过PCIe去系统内存里拿。GPU读自己的显存，带宽大概1TB/s，非常快；但是PCIe这条通道，比如PCIe 4.0 x16单向带宽只有大概32GB/s，差了三十倍，纯龟速。所以你的模型还是跑不动，或者跑得很慢。

统一内存解决的主要问题就是这个。它可以把CPU和GPU的内存变成一个共享池，比如一台机器有128GB统一内存，GPU就可以直接使用这个大池子里的很大一部分。这样你跑本地大模型的时候，就不再被一张显卡的16GB、24GB、32GB显存限制得那么死。统一内存在消费级单机上，几乎是跑本地大模型唯一优雅的解法；数据中心就是另一个世界了，那条路跟我们普通消费者没啥关系。

说到这，肯定想问：既然统一内存这么牛逼，我买Mac不就行了？Mac也有128G统一内存的版本，我买RTX Spark干啥？这是个非常好的问题，而有一个答案还是挺重要的，那就是英伟达真正的杀手锏：CUDA。

CUDA这个词，很多关注AI的朋友应该都听过，但它到底是什么、为什么这么重要，还是值得认真聊一下。很多人以为CUDA就是英伟达的显卡驱动，或者只是什么GPU加速技术，这么理解也不能说错，但它远不止于此。CUDA是一整套的生态，最牛逼的生态。

底层，它让你能把GPU当成通用计算器来编程，除了渲染画面，还能做数学计算。中层，是一堆被打磨了将近二十年的数学库：cuBLAS做线性代数，cuDNN做深度学习的基础运算，TensorRT做推理优化，NCCL做多卡通信，FlashAttention这类关键优化，CUDA路线最成熟，很多新特性也会优先围绕NVIDIA GPU做适配。还有老黄这次演讲里反复强调的CUDA-X，为所有Agent开放的CUDA库，能让Agent直接调用，这下更离谱了——里面有一整套横跨科学计算、工程仿真、芯片设计、基因组学、通信网络、机器人和物理仿真等等的加速库，比如cuLitho做计算光刻，cuOpt做决策优化，cuDSS做稀疏矩阵求解，AI-Q对结构化和非结构化文档做深度研究，Warp做可微分物理，Parabricks做基因组学等等。用老黄的话说，数学太美妙了，CUDA太牛逼了。上层，就是PyTorch、TensorFlow、JAX，几乎所有深度学习框架的GPU后端，默认且首先支持的就是CUDA。从2006年做到现在，CUDA积累了海量的优化库、教程、代码、生态。你今天去看学术论文放出来的开源代码，绝大多数都是在CUDA上写和测的；你今天遇到任何深度学习的问题去搜解法，搜出来的答案也几乎都是默认假设你在用CUDA。整个AI工程界的母语，就是CUDA。

这也是Apple一直以来的一个痛点。它的统一内存确实牛逼，但它的GPU用的是Metal，机器学习框架是MLX。社区里绝大部分开源模型、训练代码、微调工具，都是先在CUDA上做好的，然后才慢慢有人移植到MLX；而且推理还好说，训练和微调在Apple上的生态到今天还是非常薄弱。

所以现在应该能理解，RTX Spark为什么让整个行业都在期待了。因为在RTX Spark之前，想要CUDA和想要统一内存的能效，这两件事在PC上是不可兼得的。RTX Spark第一次把这以前打架的东西捏到了一起，这是以前任何一个单一平台都给不了的组合，这才是它真正最牛逼的地方，也是最大的差异化：运行人类至今创造过的一切，外加Agent。

而基于CUDA生态，这次像Adobe之类的，会针对RTX Spark进行全面优化。比如Adobe直接重新为RTX Spark设计了Photoshop和Premiere的核心架构，拥有高达两倍的速度，而且还原生支持Agent调用。而且这一次，英伟达和微软还要一起携手，重塑Windows上的Agent生态，包括全新的Windows安全基元，能为Agent的原生构建与运行提供身份认证、隔离防护、策略管控和端到端安全能力，还有英伟达自己的OpenShell。一套面向Agent的Windows PC平台已经能看出轮廓了：底层是RTX Spark提供的硬件能力，第二层是Windows系统，微软会把Windows往Agent时代来改，第三层就是安全运行环境，也就是Windows security primitives加NVIDIA OpenShell。

可以说，未来任何一个想要在本地电脑上跑大模型的开发者或者创作者，从硬件上来说，RTX Spark的机器几乎就是最优解。如果你还想打游戏，那相信我，你没有别的选择了，仅此一家，只有RTX Spark。

A New Line，A New Beginning。这就是，个人电脑的新时代。它，不止是为你设计的，还是为Agent所设计的。不止兼容着过去，还带着过去，走进了下一个未来。