# 英伟达RTX Spark笔记本首发实测，我实现了WorkBuddy额度自由 - 作者：张子豪 - 发布时间：2026-10-16 20:08 - 分类：产品 - 原文：https://www.ifanr.com/1684682 ![](https://s3.ifanr.com/wp-content/uploads/2026/10/7M304984-scaled.jpg) 刚刚，首批搭载英伟达 RTX Spark 超级芯片的 Windows 笔记本电脑开售了。 APPSO 也提前拿到华硕 ProArt 创16 RTX Spark，这款笔记本 16 寸的 64GB 统一内存版本价格为 28999 人民币，128GB 统一内存版本则是 37999 人民币。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147322483-1.png) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147339087-2.png) 这是英伟达第一次以这样的方式进入 Windows PC 的核心硬件平台。以前的 Windows 电脑，大多数是使用 Intel 或者 AMD 的处理器，英伟达只是向电脑厂商提供显卡。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147361825-3.png) 现在，**英伟达开始把自己的 ARM CPU、Blackwell RTX GPU 和统一内存结合起来，推出一套能够运行 Windows 的完整计算平台**。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147366503-4.jpg) 在体验了一段时间后 APPSO 给大家挖出了更多细节，作为 AI PC 跟 Mac 对比如何，是不是可以当「理财产品」来等着它增值…… ## 把大模型装进一台最薄 12.9 mm 的电脑 我们拿到的是 64GB 统一内存版本，由于是统一内存的形式，实际可用的 GPU 显存大约在 46.7 GB 左右，LPDDR5X 的内存类型，让它的内存带宽速度峰值理论在 300GB/s，但这也能让它运行像 Qwen 3.8 270 亿参数这样的模型。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147374200-5.png) 另一方面，过去的 Windows ARM 架构的笔记本电脑，主要想回答的是「能不能像 MacBook Air 一样轻薄、省电、续航长」。 而 RTX Spark 的 ARM64 架构则让这台电脑能获得类似 Apple Silicon Mac 的高能效和统一内存优势，**又保留了 Windows 的应用生态和 NVIDIA 的 CUDA 能力**。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147401757-6.png) 图｜华硕 ProArt 创16 H7607BA，处理器为英伟达 RTX Spark N1X 在续航上，这台华硕 ProArt 创16 RTX Spark 的电池是 99.9Wh，我们找了一个本地 270 亿参数模型持续生成文本和推理，拔掉电源，能看到电池的放电功率大约在 86.5W 左右，而剩余的电量几乎是在 2 分钟的时间里，就从 98.5Wh 掉到了 96.1Wh。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147409119-7.png) 图｜十分钟左右的时间，跑一个 27B 的本地推理大模型，电量从 100% 掉到 85%；DischargeRate 通常以毫瓦（mW）表示，88493 表示大约 88.4W 的电池放电功率。 88108 表示电池剩余大约 88Wh 的能量。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147414999-8.png) 图｜显卡功率大约是 30W，位于 P4，根据英伟达 RTX Spark 技术文档，P0 为最高性能，P4 平衡性能与功耗，P8 则是更侧重省电。插上充电器之后，显卡性能会更新为 P0。 假设整机平均功耗是 80W，99.9Wh 理论续航也能达到约 1 小时 15 分钟。也就是说，如果你正在持续运行一个 27B 或更大的模型，能够在不插电的情况下坚持约一个小时。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147422633-9.png) **对于一台能在本地运行大型 AI 模型的笔记本，一台最薄 12.9mm*，***重约 1.77kg ***的笔记本***，这意味着即使离开电源，它还能继续承担一段时间的高负载计算任务。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147463533-10.png) 图｜GPU 利用率达到了将近 100% 续航之外，这台华硕 ProArt 创16 RTX Spark 笔记本电脑配备了丰富的外部接口，3 个 USB4 Type-C，每个最高 40Gbps，支持视频输出和 USB PD 供电。 1 个 USB-A 接口，使用 USB 3.2 Gen 2，最高 10Gbps；1 个 HDMI 2.1 FRL 接口用来连接外部显示器，以及 1 个 SD Express 7.0，用于高速存储卡和 1 个 3.5mm 音频接口。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147474016-11.png) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147503090-12.png) 这些接口最大的意义，也是让它可以成为一台移动工作站：外接高速硬盘、4K 显示器、相机存储卡，以及各种创作设备。 ## 64GB 统一内存，能让 AI 干多少活 前几天，在微软的特别活动上，他们把 Windows PC 分成了开箱即用的迷你台式电脑、具备混合智能，本地和云端 AI 的 Copilot + PC，以及能利用云端和本地 AI 进行创作的 Builder PC。 这台华硕 ProArt 创16 RTX Spark笔记本电脑正是位于 Builder PC，即创作者个人电脑的类别下，而眼下最热门的创作，自然是用 AI 来进行，生成游戏、3D 建模，还有简单的网页应用等，AI 都必须参与其中。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147526773-13.png) 对华硕 ProArt 创16 RTX Spark来说，引入 AI 的方式之一就是本地部署，因为这样才能充分利用英伟达 RTX Spark 的能力。 我们下载了 LM Studio，并安装了 Qwen 3.8 27B 的模型。将思考深度调整为极高，问一句「你好」，这台笔记本总共花了 18 秒，能看到模型读取、处理输入内容的速度 Prompt Speed 是 615.7 token/s，生成 token 速度在 14.3 token/s，首 token 的时间是 2.83s。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147541658-14.png) 而当我们尝试要求它做一些网页项目时，例如为一个 AI PC 的活动设计网页。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147546081-15.png) 可以看到生成 Token 的速度还是稳定在 14 token/s 左右，首 token 的时间是 12.05s，总的用时为 609.67s。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147558720-16.png) 对于 64GB 的统一内存来说，30B 左右的模型大概就是这类电脑的舒适区。 Qwen3 32B（NVFP4）的推理速度在每秒 55–60 tokens 上下，日常对话、文案写作、代码辅助完全流畅；喂入长文档做总结时，十万 token 级的上下文也没有明显衰减。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147565030-17.png) ## WorkBuddy，我的智能体现在 0 元/月 除了单独的本地部署，这台 Windows 电脑最有意思的地方是和 WorkBuddy 的配合。 打开我 MacBook Air 上的 WorkBuddy，能看到在设置的模型配置里，只有自定义模型这一栏。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147575160-18.png) 而在这台华硕 ProArt 创16 RTX Spark 上，多出来了一个 Beta 功能，我们可以直接下载并管理本地运行的 AI 模型。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147582543-19.png) 点击下载之后，电脑会自动开始下载模型，并解决好本地部署对应的规则，我们只需要开启，并让它常驻后台，回到 WorkBuddy 的任务界面，就可以选择该本地模型进行对话。 之前的 Three.js 屋顶游戏，现在通过 WorkBuddy 也能实现，虽然这个效果看着比不上当下最前沿的模型，但用来做一些初步的项目验证，观察可行性还是可以试试。 整个任务用时是 13m59s，对比使用 WorkBuddy 的云端模型，时间可能还更少。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147586185-20.png) 也能看到任务管理器里，性能部分，GPU 的使用率开始上升到 100%，风扇转动的声音同样明显。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147596255-21.png) 虽然在 WorkBuddy 内没有直接告诉我们这款本地模型是来自哪家模型厂商，但是和它简单的聊天，就能从模型的文件头部里找到相关信息。 这款模型是腾讯优化过的本地模型，500 亿参数的 MoE 模型，模型大小为 16GB，使用 CUDA 13 加速，在 GPU 上的推理速度能做到更加流畅。 针对腾讯优化过的本地模型的能力，我们也能找到更适合这款模型的任务，配合 WorkBuddy 这套 Harness 的能力，一些日常的简单办公，像是数据分析、数据可视化、报告总结等繁琐型工作，都会有不错的表现。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147620329-22.png) 未来随着软硬件的配合，以及当前开源模型超越闭源，且都在做更快更小的 Flash 模型趋势下，在 WorkBuddy 内可直接下载的本地模型也肯定不会只有这一个。 当前我们也可以通过 LM Studio 本地模型 API 的方式，将 LM Studio 内下载的本地模型，以 API 的形式加载到 WorkBuddy 内。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147627805-23.png) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147636491-24.png) 加载成功之后，在 WorkBuddy 内就能显示对应的自定义模型。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147641771-25.png) 采用同样的方式，也可以将本地模型加载到其他你常用的 Harness 工具里，像是 DeepSeek Harness。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147646801-26.png) ## 算力很强，Windows 也在变得更好 如果前面 WorkBuddy 的体验让我们觉得，在 Windows 上使用本地 AI 已经足够简单，但针对 Windows 开发，又总是会有各种各样的问题。 这也是 Windows、Linux 和 macOS 三大系统用户经常纠结的原因。一方面**很多开源开发工具最初就是围绕 Unix/Linux 工作流构建的**，例如 Bash 脚本、Git、OpenSSL、编译器和各种命令行工具，在 Linux/macOS 环境中往往使用相似的调用方式。 另一方面，Linux 同样也会遇到驱动、系统库和不同发行版之间的兼容问题；macOS 也可能缺少 Python 包的 Apple Silicon build 版本，还可能需要安装 Xcode Command Line Tools。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147656959-27.png) 好在现在我们看到的是，Windows 一直在解决这些问题，从前几天的 Windows 更新，正在推进的 Microsoft Execution Containers MXC 项目，能为执行文件操作、调用工具的 AI 智能体提供更安全、可控的运行环境。 在本地模型方面，微软也宣布为 Windows ML 引入 llama.cpp 支持，让开发者能够通过 Windows 的 AI 运行时调用更多开源模型。 以及之前就有的 WSL 提供 Linux 开发环境，到 Windows Terminal、WinGet，持续完善的 ARM64 原生开发工具，Windows 已经比过去更适合开发者使用。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147663283-28.png) 同时，Windows 日常使用体验也在更新，新版 Windows Search，除了搜索文件和应用，还可以让系统执行对应操作，不必再进入设置菜单逐项查找。 Copilot 也准备加入更多本地能力，在获得用户许可后，它可以读取电脑里的相关文件、执行系统操作，或者调用本地模型完成任务。 ## 所以，AI 能成为下一次换机的理由吗 以前，一台配备大容量 NVIDIA GPU 的 AI 工作站，往往意味着体积不小的主机、独立显卡和持续供电的桌面环境。 而现在，英伟达已经把一套能够运行大型本地模型、支持 CUDA 的计算平台，放进了一台不到 1.8kg 的 Windows 笔记本里。 我们可以把它带去办公室，放在咖啡店的桌子上，甚至拔掉电源，让一个 27B 模型继续运行。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147680343-29.png) 但这台电脑也很清楚地暴露了现阶段本地 AI 的另一面：**硬件已经能够运行大型模型，软件却还没有完全做好让每个人都轻松使用它的准备。** **WorkBuddy 这样的产品正在减少部署门槛，*更多***智能体**也开始尝试直接利用本地算力。另一方面，软件适配、模型能力、性能与续航之间的取舍，依然会影响最终体验。** 所以，如果你每天都需要运行本地模型、开发 AI 应用，或者处理不方便上传云端的资料，这一代华硕 ProArt 创16 RTX Spark 笔记本电脑确实提供了一个值得考虑的新选择。 但如果你平时只是使用 ChatGPT、Gemini 等云端 AI 工具，现在还没有必要为了本地运行一个大模型，就专门换掉手里的笔记本。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792147713314-30.png) 眼下对于个人电脑来说，整体的趋势一定是往越大内存、越强算力、越多 AI 的方向发展。 当 AI 智能体越来越多地参与我们每天的工作，电脑本身的计算能力就会重新变得重要。以前我们可能只需要一台电脑连接云端 AI，以后也可以让一部分任务直接留在电脑里完成。