Nvidia已将DGX Spark芯片引入Windows笔记本平台，并命名为RTX Spark。该芯片支持最高128GB统一内存及CUDA加速，此前已以其他形态存在。在配备64GB内存的联想Yoga 9n二合一设备上进行的模型运行、游戏及多任务测试显示，这是一台性能强劲的设备，但在加载模型和调整内存设置后，一些规格表中未体现的问题随之暴露。
内存焊死不可升级，选购需着眼未来
RTX Spark芯片内存直接焊接在主板上，购买时的配置即为最终配置。该芯片分为两档：低配版拥有18核CPU和5,120个GPU核心，最高支持64GB内存；满血版为20核，最高支持128GB内存。
终端产品价格差异显著。搭载20核芯片、64GB内存和1TB存储的联想Yoga 9n售价约3,750美元；配置相同的微软Surface Laptop Ultra售价4,300美元，升级至128GB内存则需5,900美元。尽管Yoga 9n支持触控笔且价格更低，但其64GB内存上限无法扩展，直接影响模型承载能力。
实测中，Windows报告的最大GPU内存总量为55.4GB（48GB专用+7.4GB共享）。这对32B规模模型绰绰有余，但无法满足gpt-oss-120b等需约65GB内存的大模型需求。建议用户根据未来两年的模型需求选择内存配置，而非仅考虑当前应用。
GPU内存分割机制复杂，系统资源需权衡
Nvidia应用允许调整统一内存中GPU与CPU的分配比例。通常认为分配给GPU的数值即为显存，但实际情况更为复杂。当设置为16GB GPU分割时，Ollama加载Qwen3 32B模型占用28GB内存，GPU使用率显示100%，任务管理器显示专用GPU内存15.8GB，共享内存12.9GB。
调整为48GB GPU分割后，专用GPU内存使用量增至29.8GB，但Windows可用内存仅剩14.8GB，且加载模型后占用率达86%。此举仅带来约3%的生成速度提升（从11.8 tokens/s增至12.1 tokens/s）。鉴于16GB分割下Windows可用内存更充裕（约46.7GB总GPU内存中），除非模型强制要求更大份额，否则建议保留更多内存给系统。
智能应用控制拦截未签名AI工具
Windows 11默认开启的“智能应用控制”仅允许运行经过签名或微软判定安全的应用。这对常以GitHub压缩包形式发布的本地AI工具构成障碍。测试中，该功能拦截了新版Lemonade构建版和未签名的llama.cpp，仅Ollama能正常运行。值得注意的是，旧版Lemonade未被拦截，更新反而导致失效。用户可在Windows安全性中关闭此功能，且微软近期更新允许无需重装系统即可重新开启，建议在构建工具链前慎重决定。
Arm架构CUDA尚处早期，Linux支持有限
Nvidia今年才将CUDA引入Arm架构Windows，目前RTX Spark设备上的CUDA 13.4/13.5仍属开发者预览版。虽然基础功能稳固，Ollama可顺利运行，但底层软件栈存在兼容风险。Nvidia警告部分PyTorch工作流可能触发GPU超时，且vLLM缺乏原生Windows支持。尽管97%的头部Python包得到支持，用户仍需逐一核查项目依赖的Arm64构建版本。
Linux方面，Nvidia尚未宣布对RTX Spark笔记本提供官方支持。虽有用户在Asus ProArt P16上通过修补驱动成功运行Arch Linux ARM并实现CUDA加速，但这属于概念验证。更现实的路径是使用WSL2，其在Yoga 9n上运行良好，GPU可见且内存识别准确，但需手动调整.wslconfig文件以突破默认内存限制。
综上，RTX Spark是目前本地AI性能最强的Windows笔记本平台，但用户需在购机前明确内存需求，合理配置GPU内存分割，检查软件栈兼容性，并妥善处理智能应用控制设置。Linux支持应视为意外惊喜而非既定计划。