英伟达 RTX Spark 评测：Windows 笔记本最强 GPU，带宽有坑

英伟达的 RTX Spark 笔记本周五开售，对量产硬件的首批独立评测证实了 5 月黄仁勋在 Computex 上预览该芯片时其架构所暗示的事：N1X 超级芯片带来了 Windows 笔记本里有史以来最强的移动 GPU，同时引入一个能在本地运行 1200 亿参数语言模型的统一内存平台 —— 这项能力此前需要台式工作站或云算力。华硕、戴尔、惠普、联想、微软和微星的首发机型起价 2599 美元，128GB 配置超过 4800 美元。评测同时证实的是，英伟达营销材料里醒目的 600 GB/s 带宽数字描述的是芯片内部的裸片间连接，而不是决定 AI 推理速度的内存带宽。后者是 300 GB/s —— 大约是苹果 M4 Max 的一半。理解这两个数字的区别，就能解释 RTX Spark 在 AI 计算版图中位置的大部分要点。

笔记本里的 Blackwell GPU 裸片：N1X 封装如何工作

N1X 不是缩小版的桌面芯片，也不是硬加了 AI 加速器的改款笔记本处理器。它是一个双芯粒的 2.5D 封装，把两颗完整的半导体裸片并排放进同一个物理封装，由英伟达的 NVLink-C2C 互连以 600 GB/s 连接。一颗裸片是联发科设计的 ARM CPU；另一颗是 Blackwell RTX GPU 裸片 —— 与英伟达数据中心加速器所用的同一 Blackwell 架构，适配到消费级笔记本的功耗包络。

CPU 裸片包含两种配置共 20 个 ARM 核心：10 个 Cortex-X925 高性能核心和 10 个 Cortex-A725 能效核心。两者都是 ARM 2024 年一代的设计，在台积电 3nm 制造。GPU 裸片在旗舰 N1X-H 配置中带有 6144 个 CUDA 核心（较小的 N1X-S 为 5120 个）、支持英伟达 FP4 和 NVFP4 精度格式的第五代 Tensor Core，以及用于硬件光线追踪的第四代 RT Core。两颗裸片都在台积电 3nm 制造。

两个芯粒共享一个 LPDDR5X-9400 内存池，通过 256 位接口连接。最高配置的最大容量为 128 GB，其中最多 96 GB 可供 GPU 访问。这个内存池的带宽 —— 任一裸片从 DRAM 读取数据的速率 —— 约为 300 GB/s，英伟达的产品公告对此有确认。

营销用语在这里值得推敲。英伟达在产品材料中醒目地宣传 600 GB/s 带宽，这个数字对它所描述的对象是准确的：封装内 CPU 裸片与 GPU 裸片之间的 NVLink-C2C 连接。NVLink-C2C 让两颗处理器能以这个速度彼此交换数据。但 NVLink-C2C 并不决定 GPU 在 AI 推理期间从 DRAM 读取模型权重的速度。那个速度由 LPDDR5X 内存控制器决定，为 300 GB/s。对于每一种需要从内存循环读取大块模型权重的 AI 工作负载 —— 也就是绝大多数 —— 300 GB/s 才是起作用的数字。

实际的先例是 DGX Spark GB10，英伟达 2025 年 3 月在 GTC 上以 3999 美元发布的桌面 Grace Blackwell 系统。N1X 本质上是该架构的笔记本改编版：GPU 裸片属于同一 Blackwell 家族，CPU 设计相关，但 N1X 去掉了让 DGX Spark 能与数据中心基础设施互操作的高速网络接口。笔记本芯片把持续功耗限制在 80 瓦，不过评测的华硕 ProArt P16 在 GPU 密集负载下录得接近 138 瓦的峰值尖刺。

入门级机型搭载的较小配置 N1X-S 有 18 个 ARM 核心（9 个 Cortex-X925 和 9 个 Cortex-A725）和 5120 个 CUDA 核心。它最多支持 96 GB 统一内存。两种配置的 LPDDR5X 带宽和 NVLink-C2C 速度相同；区别在于 CUDA 核心总数、最大内存容量，以及可用于可并行负载的 CPU 性能核心数量。

封装里还有一个 55 TOPS 的神经处理单元。该单元处理微软 Copilot+ 功能 —— 回顾、实时字幕、实时翻译。发布时它不对第三方软件开放。

GPU 基准结果：Windows 领先地位是真的

多家独立评测媒体的 3DMark 结果一致且明确：N1X 在迄今测试过的所有 Windows 笔记本中取得了最高的移动 GPU 分数。

在考验 GPU 计算和带宽的 DirectX 12 负载 3DMark Time Spy Extreme 中，N1X 得分约 6060。次强的竞争者、以瘦客户端台式配置出货的 AMD Ryzen AI Max+ 395 Strix Halo 得分约 4689 —— 差距 29%。英特尔 Panther Lake 集成显卡得分约 3226。

光线追踪结果进一步拉大差距。在测试硬件加速光追的 3DMark Solar Bay 中，N1X 得分约 10594，AMD 为 6047，英特尔为 4015。Blackwell 第四代 RT Core 在这里显得尤为有效，与同一架构在独立桌面 GPU 上的性能特征一致。

游戏方面，《赛博朋克 2077》1080p 极致画质在早期评测中跑出约 70 帧/秒 —— 这是其他任何 Windows 笔记本集成 GPU 在该设置下都未达到过的可玩性能。微软 Surface Laptop Ultra 在视频播放测试中的续航达到 14 小时 35 分钟，即便考虑到芯片的峰值功耗行为这个数字也站得住，因为能效核心和内存子系统在视频解码时的功耗远低于 3D 渲染或 AI 推理。

CPU 性能的故事更复杂。在 Geekbench 7 多核测试中，不同评测者手中的量产 N1X 得分在 23571（Windows Central）到 26310（Tom's Guide）之间 —— 这一差异表明各评测配置的散热管理或测试条件不同。早期 PassMark 结果把多线程分数放在约 42000，单线程接近 4450。

单核数字是竞争比较转为不利的地方。苹果在起价约 2000 美元的 MacBook Pro 配置中搭载的 M5 Pro，Geekbench 7 单核分数比 N1X 高约 15% 到 20%。原因直接追溯到 ARM 核心世代：英伟达和联发科用的是 ARM 2024 年一代的 Cortex-X925 和 Cortex-A725，而联发科自家面向智能手机的天玑 9600 系列已经采用更新的 ARM Cortex-X4 和 Cortex-X2 后继设计。这颗消费级笔记本芯片发布时用的是苹果在 M4 系列就已超越的同代核心。

AI 推理现实：CUDA 生态对内存带宽

RTX Spark 对 AI 工程师最具影响的维度不是 GPU 渲染性能，而是本地 LLM 推理能力，而这项能力由三个相互作用的因素决定：内存容量、内存带宽和软件生态。

内存容量决定哪些模型能跑得起来。在 FP4 精度 —— Blackwell 第五代 Tensor Core 支持的 NVFP4 格式 —— 下，一个 700 亿参数模型大约需要 35 到 41 GB 存储，取决于量化实现。64 GB 的 N1X 配置能容纳该模型，并为随上下文长度增长的 KV 缓存留出空间。128 GB 配置允许 1200 亿参数模型，英伟达已演示其以一百万 token 上下文窗口运行。没有其他 Windows 笔记本出货时统一内存超过 64 GB；RTX Spark 的 128 GB 配置在 Windows 平台上独一无二。

内存带宽决定这些模型生成 token 有多快。Transformer 推理主要是受内存带宽限制的负载：GPU 不断从 DRAM 加载模型权重矩阵、执行矩阵乘法、返回结果。在 300 GB/s 下，一个 70B FP4 模型生成 token 的速率被评测者描述为足以交互使用。然而苹果的 M4 Max运行在 546 GB/s —— 内存带宽比 N1X 高 80% 以上。对于任何两个平台的内存都装得下的模型，苹果的硬件按比例生成 token 更快。

软件生态对一个特定但庞大的 AI 开发者群体逆转了这一优势。CUDA —— 英伟达的并行计算平台 —— 是几乎每个主流机器学习框架的基础。PyTorch 的 CUDA 后端、TensorRT-LLM、TensorRT 以及 CUDA 优化的 llama.cpp 分支都能在 N1X 上运行。苹果的 macOS 不支持 CUDA。AMD 的 ROCm 平台是 CUDA 在 Windows 上最接近的对应物，但 ROCm 与生产级 ML 库的兼容性仍不完整；主流框架官方支持它，但在特定算子覆盖和工具支持上有已知缺口。高通的 Snapdragon X Elite 则完全没有可用于 LLM 推理的对等 GPU 计算栈。那些在 TensorRT-LLM 上构建了流水线、使用 CUDA 加速库做微调工作流、或依赖英伟达特定内核优化的推理服务器的开发者，无论带宽或能效差异如何，在苹果、AMD 或高通笔记本上都没有对等路径。对这群开发者而言，RTX Spark 是第一台无需云基础设施就能在本地运行其完整技术栈的笔记本。

NPU 值得专门关注，因为它缺席第三方工作流在架构上意义重大，而英伟达的产品信息对此解释得并不清楚。N1X 封装上的 55 TOPS NPU 在固件和驱动层面被保留给微软 Copilot+ 功能。发布时第三方应用和 AI 框架无法调用 NPU。这不是硬件本身的技术限制 —— 而是英伟达与微软之间的平台治理决定。后果是所有第三方本地推理都跑在 GPU 上，比专用神经处理硬件更耗电、更发热。英伟达的 OpenShell 智能体运行时与 RTX Spark 同期发布、作为管理本地 AI 智能体的框架，也不向外部开发者提供 NPU 访问。

Windows on Arm 兼容性：有进展，仍有缺口

RTX Spark 笔记本运行 Windows on Arm，这意味着需要 x86 指令集的应用通过微软的 Prism 模拟层运行。Prism 支持 32 位和 64 位 x86 应用，包括使用 AVX 和 AVX2 指令扩展的应用 —— 这是许多生产力和科学计算工具的前提。实践中，多数商业应用、创意软件和 AI 开发者工具无需修改即可运行。Python、Node.js 和主流机器学习框架都有原生 ARM64 构建，或能通过模拟正确运行。

游戏兼容性是最明显的剩余缺口。内核级反作弊系统 —— 在 Windows 内核层面运行以检测作弊的软件 —— 无法被模拟，需要游戏发行商提供原生 ARM64 构建。《使命召唤》这款全球玩家最多的游戏之一，需要其 Ricochet 反作弊系统的 ARM64 构建，而这尚未可用；英伟达表示预计支持将在 2027 年到来。其他主要多人游戏处境类似。把游戏访问完整 Windows 软件库放在首位的买家，应在购买前核实各个游戏的兼容性。

DLSS 5 在 RTX Spark 发布当天收到了更新的模型。此次更新把神经网络参数量减少约 24%，4K 显存占用减少约 20%，DLSS 神经渲染的 GPU 开销减半 —— 使它在 DLSS 处理上比上一代模型快约一倍。能从单个渲染帧合成最多六个显示帧的多帧生成也受益于更小的占用。这些改进在 RTX Spark 上有实际意义，因为 GPU 300 GB/s 的内存带宽在游戏中是硬约束；减少 DLSS 的内存占用就为游戏渲染腾出了带宽。首款搭载更新版 DLSS 5 模型的游戏是《NBA 2K27》。

RTX Spark 的位置，以及仍不确定的事

RTX Spark 占据了一个今天之前并不存在的正当生态位。运行 CUDA 负载的开发者、在本地而非通过云 API 处理敏感数据的组织，以及需要在不租用 GPU 算力的情况下推理 70B 或更大模型的 AI 从业者，现在都有了一个此前不存在的笔记本选项。它在 Windows 上的 GPU 基准地位清楚，并经多家独立评测确认。

与苹果的竞争比较更微妙。苹果 M4 Max 和 M5 Pro 笔记本提供更高的单核 CPU 性能、明显更高的内存带宽，以及针对硬件优化的紧密集成软件栈。对于小于 64GB 的模型 —— 当前开放权重模型的大头 —— 的本地 LLM 推理，苹果平台生成 token 更快。对于依赖 CUDA 的工作流、大于 96GB 的模型以及 Windows 游戏，RTX Spark 胜出。两个平台都不是全面占优。

独立基准尚未提供的，是在同等条件下跨模型规模和量化级别的完整 LLM 吞吐比较。量产硬件上市才几小时，不是几周。开发者和研究社区需要时间用量产 N1X 做系统评估 —— 尤其是测试 FP4 推理吞吐、长上下文下的 KV 缓存行为，以及持续推理负载下的热节流效应。这些结果将决定 300 GB/s 的带宽上限是否不如英伟达 CUDA 优化推理栈所显示的那么重要，还是说与苹果更高带宽硬件的每秒 token 差距在实际中比原始数字所暗示的更大。

NPU 访问问题也仍悬而未决。英伟达和微软没有给出向第三方开发者开放 55 TOPS NPU 的时间表。如果这种访问永远不到来，RTX Spark 最节能的计算资源就会永久保留给 Copilot+ 功能 —— 这一立场会让该芯片在面对从第一天起就把 NPU 当作通用资源的未来 ARM 平台时竞争力下降。这项政策如何演变，将决定 RTX Spark 的架构是成为长期平台，还是一个让后继者从其访问限制中吸取教训的过渡设计。