剛剛，首批搭載英偉達 RTX Spark 超級晶片的 Windows 筆記本電腦開售了。
APPSO 也提前拿到華碩 ProArt 創16 RTX Spark，這款筆記本 16 寸的 64GB 統一記憶體版本價格為 28999 ，128GB 統一記憶體版本則是 37999 。
這是英偉達第一次以這樣的方式進入 Windows PC 的核心硬體平台。以前的 Windows 電腦，大多數是使用 Intel 或者 AMD 的處理器，英偉達只是向電腦廠商提供顯示卡。
現在，英偉達開始把自己的 ARM CPU、Blackwell RTX GPU 和統一記憶體結合起來，推出一套能夠運行 Windows 的完整計算平台。
在體驗了一段時間後 APPSO 給大家挖出了更多細節，作為 AI PC 跟 Mac 對比如何，是不是可以當「理財產品」來等著它增值……
把大模型裝進一台最薄 12.9 mm 的電腦
我們拿到的是 64GB 統一記憶體版本，由於是統一記憶體的形式，實際可用的 GPU 顯示記憶體大約在 46.7 GB 左右，LPDDR5X 的記憶體類型，讓它的記憶體頻寬速度峰值理論在 300GB/s，但這也能讓它運行像 Qwen 3.8 270 億參數這樣的模型。
另一方面，過去的 Windows ARM 架構的筆記本電腦，主要想回答的是「能不能像 MacBook Air 一樣輕薄、省電、續航長」。
而 RTX Spark 的 ARM64 架構則讓這台電腦能獲得類似 Apple Silicon Mac 的高能效和統一記憶體優勢，又保留了 Windows 的應用生態和 NVIDIA 的 CUDA 能力。
圖｜華碩 ProArt 創16 H7607BA，處理器為英偉達 RTX Spark N1X
在續航上，這台華碩 ProArt 創16 RTX Spark 的電池是 99.9Wh，我們找了一個本地 270 億參數模型持續生成文本和推理，拔掉電源，能看到電池的放電功率大約在 86.5W 左右，而剩餘的電量幾乎是在 2 分鐘的時間裡，就從 98.5Wh 掉到了 96.1Wh。
圖｜十分鐘左右的時間，跑一個 27B 的本地推理大模型，電量從 100% 掉到 85%；DischargeRate 通常以毫瓦（mW）表示，88493 表示大約 88.4W 的電池放電功率。 88108 表示電池剩餘大約 88Wh 的能量。
圖｜顯示卡功率大約是 30W，位於 P4，根據英偉達 RTX Spark 技術文檔，P0 為最高性能，P4 平衡性能與功耗，P8 則是更側重省電。插上充電器之後，顯示卡性能會更新為 P0。
假設整機平均功耗是 80W，99.9Wh 理論續航也能達到約 1 小時 15 分鐘。也就是說，如果你正在持續運行一個 27B 或更大的模型，能夠在不插電的情況下堅持約一個小時。
對於一台能在本地運行大型 AI 模型的筆記本，一台最薄 12.9mm，重約 1.77kg 的筆記本，這意味著即使離開電源，它還能繼續承擔一段時間的高負載計算任務。
圖｜GPU 利用率達到了將近 100%
續航之外，這台華碩 ProArt 創16 RTX Spark 筆記本電腦配備了豐富的外部接口，3 個 USB4 Type-C，每個最高 40Gbps，支持影片輸出和 USB PD 供電。
1 個 USB-A 接口，使用 USB 3.2 Gen 2，最高 10Gbps；1 個 HDMI 2.1 FRL 接口用來連接外部顯示器，以及 1 個 SD Express 7.0，用於高速儲存卡和 1 個 3.5mm 音頻接口。
這些接口最大的意義，也是讓它可以成為一台移動工作站：外接高速硬碟、4K 顯示器、相機儲存卡，以及各種創作設備。
64GB 統一記憶體，能讓 AI 干多少活
前幾天，在微軟的特別活動上，他們把 Windows PC 分成了開箱即用的迷你台式電腦、具備混合智能，本地和雲端 AI 的 Copilot + PC，以及能利用雲端和本地 AI 進行創作的 Builder PC。
這台華碩 ProArt 創16 RTX Spark筆記本電腦正是位於 Builder PC，即創作者個人電腦的類別下，而眼下最熱門的創作，自然是用 AI 來進行，生成遊戲、3D 建模，還有簡單的網頁應用等，AI 都必須參與其中。
對華碩 ProArt 創16 RTX Spark來說，引入 AI 的方式之一就是本地部署，因為這樣才能充分利用英偉達 RTX Spark 的能力。
我們下載了 LM Studio，並安裝了 Qwen 3.8 27B 的模型。將思考深度調整為極高，問一句「你好」，這台筆記本總共花了 18 秒，能看到模型讀取、處理輸入內容的速度 Prompt Speed 是 615.7 token/s，生成 token 速度在 14.3 token/s，首 token 的時間是 2.83s。
而當我們嘗試要求它做一些網頁項目時，例如為一個 AI PC 的活動設計網頁。
可以看到生成 Token 的速度還是穩定在 14 token/s 左右，首 token 的時間是 12.05s，總的用時為 609.67s。
對於 64GB 的統一記憶體來說，30B 左右的模型大概就是這類電腦的舒適區。
Qwen3 32B（NVFP4）的推理速度在每秒 55–60 tokens 上下，日常對話、文案寫作、代碼輔助完全流暢；餵入長文檔做總結時，十萬 token 級的上下文也沒有明顯衰減。
WorkBuddy，我的智能體現在 0 元/月
除了單獨的本地部署，這台 Windows 電腦最有意思的地方是和 WorkBuddy 的配合。
打開我 MacBook Air 上的 WorkBuddy，能看到在設置的模型配置里，只有自定義模型這一欄。
而在這台華碩 ProArt 創16 RTX Spark 上，多出來了一個 Beta 功能，我們可以直接下載並管理本地運行的 AI 模型。
點擊下載之後，電腦會自動開始下載模型，並解決好本地部署對應的規則，我們只需要開啟，並讓它常駐後台，回到 WorkBuddy 的任務界面，就可以選擇該本地模型進行對話。
之前的 Three.js 屋頂遊戲，現在通過 WorkBuddy 也能實現，雖然這個效果看著比不上當下最前沿的模型，但用來做一些初步的項目驗證，觀察可行性還是可以試試。
整個任務用時是 13m59s，對比使用 WorkBuddy 的雲端模型，時間可能還更少。
該圖片疑似使用了AI生成技術，請謹慎甄別
也能看到任務管理器里，性能部分，GPU 的使用率開始上升到 100%，風扇轉動的聲音同樣明顯。
雖然在 WorkBuddy 內沒有直接告訴我們這款本地模型是來自哪家模型廠商，但是和它簡單的聊天，就能從模型的文件頭部里找到相關資訊。
這款模型是騰訊優化過的本地模型，500 億參數的 MoE 模型，模型大小為 16GB，使用 CUDA 13 加速，在 GPU 上的推理速度能做到更加流暢。
針對騰訊優化過的本地模型的能力，我們也能找到更適合這款模型的任務，配合 WorkBuddy 這套 Harness 的能力，一些日常的簡單辦公，像是數據分析、數據可視化、報告總結等繁瑣型工作，都會有不錯的表現。
未來隨著軟硬體的配合，以及當前開源模型超越閉源，且都在做更快更小的 Flash 模型趨勢下，在 WorkBuddy 內可直接下載的本地模型也肯定不會只有這一個。
當前我們也可以通過 LM Studio 本地模型 API 的方式，將 LM Studio 內下載的本地模型，以 API 的形式加載到 WorkBuddy 內。
加載成功之後，在 WorkBuddy 內就能顯示對應的自定義模型。
採用同樣的方式，也可以將本地模型加載到其他你常用的 Harness 工具里，像是 DeepSeek Harness。
算力很強，Windows 也在變得更好
如果前面 WorkBuddy 的體驗讓我們覺得，在 Windows 上使用本地 AI 已經足夠簡單，但針對 Windows 開發，又總是會有各種各樣的問題。
這也是 Windows、Linux 和 macOS 三大系統用戶經常糾結的原因。一方面很多開源開發工具最初就是圍繞 Unix/Linux 工作流構建的，例如 Bash 腳本、Git、OpenSSL、編譯器和各種命令行工具，在 Linux/macOS 環境中往往使用相似的調用方式。
另一方面，Linux 同樣也會遇到驅動、系統庫和不同發行版之間的兼容問題；macOS 也可能缺少 Python 包的 Apple Silicon build 版本，還可能需要安裝 Xcode Command Line Tools。
好在現在我們看到的是，Windows 一直在解決這些問題，從前幾天的 Windows 更新，正在推進的 Microsoft Execution Containers MXC 項目，能為執行文件操作、調用工具的 AI 智能體提供更安全、可控的運行環境。
在本地模型方面，微軟也宣布為 Windows ML 引入 llama.cpp 支持，讓開發者能夠通過 Windows 的 AI 運行時調用更多開源模型。
以及之前就有的 WSL 提供 Linux 開發環境，到 Windows Terminal、WinGet，持續完善的 ARM64 原生開發工具，Windows 已經比過去更適合開發者使用。
同時，Windows 日常使用體驗也在更新，新版 Windows Search，除了搜索文件和應用，還可以讓系統執行對應操作，不必再進入設置菜單逐項查找。
Copilot 也準備加入更多本地能力，在獲得用戶許可後，它可以讀取電腦里的相關文件、執行系統操作，或者調用本地模型完成任務。
所以，AI 能成為下一次換機的理由嗎
以前，一台配備大容量 NVIDIA GPU 的 AI 工作站，往往意味著體積不小的主機、獨立顯示卡和持續供電的桌面環境。
而現在，英偉達已經把一套能夠運行大型本地模型、支持 CUDA 的計算平台，放進了一台不到 1.8kg 的 Windows 筆記本里。
我們可以把它帶去辦公室，放在咖啡店的桌子上，甚至拔掉電源，讓一個 27B 模型繼續運行。
但這台電腦也很清楚地暴露了現階段本地 AI 的另一面：硬體已經能夠運行大型模型，軟體卻還沒有完全做好讓每個人都輕鬆使用它的準備。
WorkBuddy 這樣的產品正在減少部署門檻，更多智能體也開始嘗試直接利用本地算力。另一方面，軟體適配、模型能力、性能與續航之間的取捨，依然會影響最終體驗。
所以，如果你每天都需要運行本地模型、開發 AI 應用，或者處理不方便上傳雲端的資料，這一代華碩 ProArt 創16 RTX Spark 筆記本電腦確實提供了一個值得考慮的新選擇。
但如果你平時只是使用 ChatGPT、Gemini 等雲端 AI 工具，現在還沒有必要為了本地運行一個大模型，就專門換掉手裡的筆記本。
眼下對於個人電腦來說，整體的趨勢一定是往越大記憶體、越強算力、越多 AI 的方向發展。
當 AI 智能體越來越多地參與我們每天的工作，電腦本身的計算能力就會重新變得重要。以前我們可能只需要一台電腦連接雲端 AI，以後也可以讓一部分任務直接留在電腦里完成。
