核心命题：PC 的范式转变
2026 年 6 月 1 日，英伟达 CEO 黄仁勋在 Computex 2026（NVIDIA GTC 台北）发布了一句话，精准概括了这场变革的本质。
"在过去的四十年里，大家开启应用、点击、输入命令来完成工作。有了 RTX Spark 和微软 Windows，用户只要提出需求，剩下的交给 PC 来完成。"
这句话背后是一个深刻的范式转变：
- 旧范式：人是主体，PC 是工具。人打开软件、点击按钮、输入指令，PC 执行。
- 新范式：人是目标，Agent 是主体。Agent 自主感知需求、规划步骤、跨应用执行任务。
过去 40 年，PC 的设计逻辑是「以人为中心」——人操作 PC 完成任务。英伟达现在要颠覆这个范式：PC 不再等待人的操作，而是由 AI Agent 自主感知需求、规划步骤、跨应用执行任务。
要实现这个愿景，需要在一台普通 PC 上本地运行 1000 亿参数级别的大语言模型——这在两年前还是天方夜谭。英伟达给出的答案是两款产品：DGX Spark（开发者超算路线）和 RTX Spark（消费级 Windows PC 路线）。
产品时间线：从 Project DIGITS 到 RTX Spark
DGX Spark：开发者超算路线
DGX Spark 的故事从 2025 年 CES 开始：
| 时间 | 事件 |
|---|---|
| 2025年1月 CES | 发布 Project DIGITS，英伟达首款个人 AI 超级计算机 |
| 2025年3月 GTC | 正式更名为 NVIDIA DGX Spark，开放预购 |
| 2025年10月 | DGX Spark 全球正式交付，起售价 4000 美元 |
| 2026年1月 CES | 软件更新：推理速度提升 2 倍，支持 NVFP4 格式 |
| 2026年3月 GTC | 发布 NemoClaw，支持 4 机集群，面向企业级 Agent 部署 |
DGX Spark 核心规格：
- 芯片：GB10 Grace Blackwell 超级芯片（联发科合作设计 CPU）
- AI 算力：1 PFLOPS（FP4 精度）
- 内存：128GB 统一寻址系统内存
- 形态：150×150×50.5mm，重 1.2kg（比 Mac Mini 略小）
- 模型能力：单机推理 2000 亿参数模型 / 双机互联推理 4050 亿参数模型
黄仁勋亲赴 SpaceX 星舰基地，将首批 DGX Spark 之一交付给马斯克。首批用户还包括 Google、Meta、微软、Hugging Face、Docker 等。
RTX Spark：消费级 Windows PC 路线
发布时间：2026年6月1日，Computex 2026
这是英伟达首款专为 Windows 笔记本电脑和迷你 PC 设计的 SoC（系统级芯片），也标志着英伟达正式进军英特尔/AMD 长期主导的 PC 处理器市场。
RTX Spark 核心规格：
- 架构：Blackwell RTX GPU（6144 CUDA 核心，第五代 Tensor Core，支持 FP4）+ 20 核 Grace CPU
- 互联：NVLink-C2C 片间互联（带宽是 PCIe 5 的 5 倍）
- AI 算力：1 Petaflop（FP4 精度）
- 内存：最高 128GB 统一内存，带宽 800 GB/s
- 制程：台积电 3nm
- 形态：笔记本可做到 14mm 厚、1.36kg
- 图形性能：约等于 RTX 5070 移动版
Agent 能力：
- 本地运行 1200 亿参数大语言模型
- 支持 100 万 token 上下文窗口
- 无需云端，完全本地推理
- 通过 NVIDIA OpenShell 运行时 + Windows 安全基元，实现安全、私密的 Agent 执行
生态合作：微软深度合作，重构 Windows Agent 体验；Adobe 重构 Photoshop 和 Premiere，AI/图形性能提升 2 倍；华硕、戴尔、惠普、联想、微软 Surface、微星等 OEM 合作，2026年秋季上市。
技术栈：英伟达的 Agent 基础设施
英伟达不只是卖芯片，而是构建了一套从硬件到框架的完整 Agent 基础设施。
硬件层
GB10 / RTX Spark 的统一内存架构，实现 CPU-GPU 零拷贝，高带宽互联（NVLink-C2C，带宽是 PCIe 5 的 5 倍）。FP4 精度相比 FP8 内存减少约 40%，同等精度下性能提升 2.6 倍。
推理优化层
- TensorRT-LLM：量化压缩（INT4/INT8/FP4/FP8），推理速度加速
- NVFP4：新一代数据格式，双 DGX Spark 运行 Qwen-235B 时，相比 FP8 性能提升 2.6 倍
- 推测解码（Speculative Decoding）：进一步加速 token 生成
Agent 框架层
- NVIDIA NemoClaw：开源 Agent 开发平台，支持构建、评估、优化「更安全的长期运行自主 Agent」
- NVIDIA OpenShell：策略管控运行时，允许用户自定义 Agent 权限，对发往云端的请求自动脱敏隐私信息。黄仁勋将其比作「个人 AI 的操作系统」
- NVIDIA NIM 微服务：标准化 AI 推理接口，与云端 API 兼容，本地/云端无缝切换
安全层（与微软合作）
Windows 安全基元（Security Primitives）提供身份认证、隔离防护、策略管控、端到端安全。NVIDIA OpenShell 实现本地 Agent 权限控制，隐私数据不出本地。
生态层
支持 OpenClaw、Hermes Agent 等开源 Agent 框架；llama.cpp、ComfyUI、LM Studio、Ollama 等工具已适配；DeepSeek、Meta Llama、Google Gemma、Qwen 等主流开源模型均可本地运行。
战略背景：为什么现在是时间节点
大模型小型化趋势
模型压缩技术（量化、蒸馏、剪枝）成熟，「大模型本地化」从不可能变为可能：
- Llama 3.1 405B → 量化后双机可跑
- Qwen-235B → 双机 NVFP4 可跑
- 70B 级模型 → 单机轻松运行
Agent 范式的兴起
黄仁勋在 CES 2026 演讲中指出：2025 年，Agentic AI 系统开始普及，Agent 能够「推理、查找信息、研究、使用工具、规划未来和模拟结果」。传统「应用代码在操作系统内运行」的模式被打破，新模式以 LLM 为核心通过安全套件编排复杂工作流。
隐私与安全需求
企业数据不愿上云（法律合规、竞争敏感信息）。本地推理：数据零上传、完全私密、离线可用。黄仁勋将 OpenShell 比作「个人 AI 的操作系统」，类比 PC 时代的 Windows/Mac。
算力成本下降
DGX Spark 4000 美元 vs 云端 H100 租用（每小时数十美元）。对于重度 AI 用户，本地算力 1-2 年内即可回本。
竞争格局：AI PC 的多路赛跑
| 玩家 | 产品/策略 | AI 算力 | 定位 |
|---|---|---|---|
| 英伟达 | DGX Spark + RTX Spark | 1 PFLOPS（FP4） | 开发者超算 + 消费级 Agent PC |
| 微软 | Copilot+ PC 认证 | ≥40 TOPS（NPU） | 系统层 AI 集成，标准制定者 |
| 苹果 | M4 系列（Neural Engine） | ~38 TOPS NPU | 封闭生态，隐私优先 |
| 高通 | Snapdragon X Elite/X2 | 45-80 TOPS NPU | ARM 架构，高能效轻薄本 |
| AMD | Ryzen AI 300/9000 系列 | 50+ TOPS NPU | x86 + AI，游戏/创作 |
| 英特尔 | Core Ultra（Lunar Lake） | 40-48 TOPS NPU | x86 传统强势，商用市场 |
英伟达的差异化：其他玩家的 NPU 算力（40-80 TOPS）远低于英伟达的 1,000,000 TOPS（1 PFLOPS）。差距在于：英伟达是 GPU 级算力，其他是专用 NPU。英伟达的目标用户是需要运行 100B+ 参数模型的开发者和重度 AI 用户，而非普通消费者。
市场规模（Gartner/IDC 预测）：
- 2025 年全球 AI PC 出货量：7780 万台，占 PC 市场 31%
- 2028 年渗透率：64%
- 2027 年全球 AI PC 出货量：1.5 亿台（IDC）
对 Agent 生态的影响
本地 Agent 运行的核心价值
- 隐私保护：敏感数据（医疗、法律、财务）不出本地
- 低延迟：无网络往返，毫秒级响应，适合实时 Agent
- 离线能力：断网环境下 Agent 照常工作
- 成本节省：消除云端 API 调用费用
- 定制化：可以在本地微调专属模型
RTX Spark 的具体 Agent 能力
- 执行 Windows 应用中的任务
- 跨应用工作流推理（如：从邮件提取信息 → 更新日历 → 生成报告）
- 生成图像和视频
- 编写代码插件和应用
- 语义搜索本地文件
典型应用案例
- IBM OpenRAG：完整本地 RAG 栈（抽取+嵌入+检索+推理）
- Hugging Face + Reachy Mini：本地 Agent 驱动实体机器人
- TRINITY 智能出行车：DGX Spark 作为 AI 大脑，实时视觉语言模型推理
- 金融机构：风险建模本地化
- 医疗研究：隐私数据本地处理，缩短研发周期
关键引语
"PC 正在被重新定义。RTX Spark 将 NVIDIA 打造的一切——CUDA、RTX、NVIDIA AI 平台——集成到一个超级芯片中。本地智能体、前沿模型、创意工作流、RTX 游戏，都能在一台笔记本电脑上运行。这就是全新的 PC，个人 AI 计算机。"
"我们的目标是让每个使用 Windows 的家庭、每张办公桌，都能获得不限量的智能。RTX Spark 的推出，是朝这一愿景迈出的关键突破性一步。"
"RTX Spark 笔记本电脑通过成倍提升上下文处理能力，重新定义了移动端 AI 体验。将推动新一波个人化、高隐私性的智能体发展浪潮。"
总结：范式转变的本质
英伟达的「Agent-ready PC」战略本质上是一场算力民主化运动：
- 过去：超算级 AI 算力只在数据中心，开发者依赖云端 API
- 现在：DGX Spark 把数据中心级算力搬到桌面（4000 美元）
- 未来：RTX Spark 把 Agent 算力带进每一台笔记本（2026 年秋季上市）
这不仅是硬件升级，更是人机关系的根本重构：
- 旧范式：人是主体，PC 是工具，人操作 PC 完成任务
- 新范式：人是目标，Agent 是主体，Agent 使用 PC 的算力来完成人的需求
英伟达在这个转变中的角色：不再只是「卖 GPU 给数据中心」，而是要成为每一台 PC 上 Agent 运行的基础设施提供商——从芯片（RTX Spark）到运行时（OpenShell）到 Agent 框架（NemoClaw）到模型（Nemotron）的全栈布局。
对于 Agent 工程师来说，这意味着什么？本地算力的普及，将让「离线 Agent」、「隐私优先 Agent」、「低延迟实时 Agent」从小众需求变成主流场景。Agent Harness 的设计，也需要开始认真考虑本地推理路径。
数据来源：NVIDIA 官网 (nvidia.com/nvidia.cn)、澎湃新闻、虎嗅、CSDN，整理时间：2026 年 6 月