本地跑大模型一直有个尴尬现实：笔记本显存只有 8GB、16GB，70B 级模型基本跑不动；想跑大参数模型，要么上多卡工作站，要么租云端 GPU。NVIDIA 的 RTX Spark 想改变这个局面——10 月 16 日搭载它的笔记本正式开卖，微软、华硕、惠普、戴尔、联想、MSI 六家首发。
它到底是什么
传统笔记本的内存（CPU 用）和显存（GPU 用）是两块独立空间，大模型参数要塞进显存，所以小显存跑不动大模型。RTX Spark 用的 N1X 芯片把 CPU（Arm 架构 Grace）和 Blackwell GPU 做在同一颗芯片上，共享一池统一内存，最大 128GB，GPU 需要多少就拿多少。
首发两个档位：入门版 18 核 CPU + 5120 个 CUDA 核心，统一内存最高 32GB；顶配版 20 核 CPU + 6144 个 CUDA 核心，统一内存最高 128GB。AI 算力标称最高 1 PFLOP（FP4），不过这是基于稀疏计算的理论峰值，真实推理要打折扣；实机跑分目前还没大规模出炉。
软件生态：这次不只是一台贵笔记本
开售同时 NVIDIA 推了一波本地 AI 软件：GitHub Copilot、OpenClaw、Perplexity、Pi、WorkBuddy 等智能体应用做了适配；免费开源的 NVIDIA PAIR（10 月 13 日出测试版）能把 AI 负载分发到局域网多台电脑，支持 llama.cpp 和 Hugging Face 模型直装；10 月 15 日发布的开源模型 Nemotron 3.5 Bolt（74B 参数、9B 激活的混合专家模型，压缩到 24GB）可通过 Ollama、llama.cpp 直接运行——基本就是为 128GB 统一内存准备的。连 CPU-Z 和 HWMonitor 都出了原生 ARM64 更新来支持这个平台。
选购关键：内存档位决定你能跑多大的模型
本地跑大模型有个粗略换算（4bit 量化）：每 10 亿参数约占 0.6~1GB 内存。按此估算：
- 24GB 档：Windows 和日常应用先分走一部分，留给模型的余量不多，适合跑 8B~14B 小模型（写代码、翻译、文档问答）。
- 32GB 档：能比较舒服地跑 14B~32B 模型，个人"本地知识库问答"基本够用。
- 128GB 档：能跑 70B 级模型，这才是"笔记本替代工作站"的核心卖点。
价格方面（以各家官方页面为准）：微软 Surface Laptop Ultra 入门版（18 核 / 24GB / 512GB）$2,599，128GB 顶配 $5,899；华硕 ProArt P16 的 128GB / 2TB 配置 $6,999；惠普 OmniBook Ultra 16 $3,199 起。整体区间约 $2,600 到 $7,000。
谁该买，谁该等
可以认真考虑的人：已经明确要在本地跑 70B 级模型（离线知识库、本地 Agent 开发），128GB 统一内存正好卡在需求上。注意 128GB 只有顶配机型有，预算按 $5,899 起准备。
建议再等等的人：
- 只看中入门档：24GB 被系统分走一部分后留给模型的余量不宽裕，$2,599 起售价却不便宜，同价位传统笔记本加云端 API 额度体验可能更好。
- 在意价格：内存涨价正在传导到整机——DGX Spark 的 128GB 版本已从首发 $3,999 涨到 $4,699。之前我们分析过这轮内存涨价，结论类似：刚需就买，非刚需可以等。
- 想先看评测：Windows on Arm 的软件兼容性、真实续航、持续推理时的散热，都要等第三方实机验证。
另外别搞混：RTX Spark 是跑 Windows 11、面向普通消费者的笔记本/迷你机平台；DGX Spark 是跑 Linux、面向开发者的迷你工作站。芯片同源，用户完全不同，按系统偏好选。
小结
RTX Spark 笔记本开卖，意味着"本地 70B 模型"第一次有了笔记本形态的官方答案，核心价值就是 128GB 统一内存这个以前笔记本给不起的规格。值不值得买取决于你是不是真需要在本地跑大模型：是，顶配档值得认真看；不是，入门档的性价比目前还撑不起价格，等评测、等降价更稳妥。