英伟达正式推出 RTX Spark 紧凑型迷你 AI 工作站,华硕、戴尔、微星的机型已经上市,宏碁、技嘉、惠普后续跟进;这款迷你主机搭载 Grace Blackwell 超级芯片,最高配备 128GB 统一内存,FP4 精度 AI 算力达到 1Petaflop,可以本地直接运行 1200 亿参数大语言模型,支持最长 100 万 token 上下文,数据全部保存在本机,不用持续调用云端 API,省去按 token 计费的成本,非常适合 AI 开发者、创作者、本地智能体玩家长期挂机跑模型、图生视频、小批量微调,整机体积小巧,功耗控制在 140W,相比传统多卡工作站更省电、占用空间更小。
RTX Spark 迷你工作站核心硬件参数
| 项目 | 规格详情 |
|---|---|
| 芯片方案 | 20 核 Grace CPU + Blackwell 架构 RTX GPU(6144 个 CUDA 核心),NVLink-C2C 互联,带宽 600GB/s |
| 内存 | 最高 128GB LPDDR5X 统一内存 |
| AI 算力 | 1 PFLOP(FP4 精度) |
| 整机 TDP | 140W |
| 系统 | Windows11 |
| 网络 | 标配万兆以太网,方便持续挂机、局域网分发算力 |
可以落地的 AI 任务清单
- 本地大模型推理:120B 参数大模型常驻内存,长文档阅读、代码助手、本地 AI Agent
- 多模态生成:ComfyUI 图生图、视频生成、3D 场景渲染
- 模型微调:小规模 LoRA 微调、数据集本地处理,素材不上传云端
- 创意生产:视频剪辑加速、光线追踪渲染、DLSS5 加速游戏和设计软件
- 7×24 小时挂机:本地智能体自动执行跨文件检索、定时任务
RTX Spark 产品形态区分
- 桌面迷你工作站(本次上新):140W 功耗、128GB 大内存版本为主,主打长时间不间断本地 AI 任务,适合工作室、开发者工位固定部署。
- RTX Spark 笔记本版本:功耗 45–80W,内存档位 24GB–128GB,主打便携外出调试 AI 模型。
- DGX Spark:面向专业科研,最高支持 200B 参数模型,和 RTX Spark 不是同一条产品线。
优势和局限说明
优势
统一内存架构,CPU 和 GPU 共享内存池,加载超大模型的时候不会频繁交换硬盘;自带完整 CUDA、TensorRT 软件栈,生态和云端英伟达算力保持一致,本地调试好的模型可以直接迁移上云;本地计算隐私性更强,敏感文档、企业资料不用外发。
局限
只适合推理、轻量微调,不适合大规模预训练;120B 模型是 FP4 量化后的运行效果,原生高精度版本占用内存会更大;属于 Arm 架构 Windows 平台,少数老版 AI 插件、驱动兼容性还在持续完善。
【常见问题】
问题 1:英伟达 RTX Spark 迷你 AI 工作站,最高能本地跑多大参数的模型?
回答 1:英伟达 RTX Spark 迷你 AI 工作站最高支持本地运行 1200 亿参数大模型,配备 128GB 统一内存,支持 100 万 token 超长上下文,采用 FP4 量化推理。
问题 2:英伟达 RTX Spark 迷你 AI 工作站和普通 RTX 游戏显卡主机差别在哪?
回答 2:RTX Spark 迷你 AI 工作站是 Grace+Blackwell 一体化超级芯片,采用统一内存,万兆网口,优化 7×24 小时挂机本地 AI Agent;普通独显主机显存和内存分离,大模型加载容易爆显存,长时间稳定跑超大模型能力弱很多。
问题 3:英伟达 RTX Spark 迷你 AI 工作站适合哪些人群入手?
回答 3:英伟达 RTX Spark 迷你 AI 工作站适合 AI 独立开发者、视频和 3D 创作者、需要本地处理涉密文档的研究员,用来跑本地大模型、图生视频、LoRA 轻量微调;不适合需要做大模型预训练的团队。
【参考资料】
[2026-11-19](英伟达 RTX Spark 迷你 AI 工作站上市 最高支持本地运行 1200 亿参数模型)36 氪
[2026-11-18](NVIDIA RTX Spark Compact Desktops Out Now)NVIDIA 官方博客
[2026-11-18](把 120B 大模型装进 PC!RTX Spark 媒体分享会)电脑报
[2026-11-18](英伟达 RTX Spark 迷你 AI 工作站正式开售,华硕戴尔微星首发)财联社
[2026-11-10](RTX Spark 平台规格与模型支持说明)英伟达开发者官网
【免责声明】
本文仅为硬件资讯整理,英伟达 RTX Spark 迷你 AI 工作站实际模型运行速度、兼容性受模型量化方式、插件版本影响;机型售价、供货、上市地区以华硕、戴尔、微星等合作品牌官方信息为准;不构成硬件采购、算力投入决策建议。
