A Computex 2026 começou em Taipei e, como de costume, a NVIDIA deu o tom com uma apresentação de Jensen Huang que percorreu todo o roadmap da empresa. Boa parte da apresentação foi dedicada às novidades em GPUs para data centers que já tínhamos visto, com a Vera Rubin agora em plena produção e a já conhecida mensagem sobre agentes remodelando todas as camadas da computação. Não vamos repetir tudo isso aqui.
A novidade genuína, e a razão pela qual esta apresentação foi importante para qualquer pessoa que trabalhe no lado do cliente, foi o PC. A NVIDIA e a Microsoft aproveitaram a Computex para anunciar uma reinvenção do computador com Windows, abrangendo toda uma família de produtos em vez de um único dispositivo. Antes de chegarmos a isso, porém, vale a pena analisar mais de perto um aspecto da história dos data centers.
Uma análise mais detalhada do rack LPX
Um item do data center chamou nossa atenção. O rack LPX mudou. Os sistemas parecem ter sido movidos de 1 OU para 2 OU, e os quatro links Groq C2C também parecem fisicamente diferentes da nossa cobertura anterior do LPX . A NVIDIA nos permitiu ver o rack ainda mais de perto desta vez. Além dessas duas mudanças, nada mais se destacou como obviamente diferente do lado de fora, o que nos deixa muito curiosos para saber o que essa segunda camada realmente abriga.
Uma família de PCs de três níveis
A NVIDIA anunciou uma família de computadores para clientes: um laptop, um desktop e uma workstation, todos construídos sobre a mesma base Spark e Blackwell, e também com o objetivo de suportar o Windows. Jensen apresentou a novidade como a primeira linha de PCs completamente reformulada em 40 anos. Independentemente de você concordar ou não com essa apresentação, vale a pena entender a estrutura, pois cada linha se destina a um público muito diferente. Vamos analisá-las em ordem.
Os laptops RTX Spark
No centro dos laptops está o superchip RTX Spark, que a NVIDIA apresentou no palco sob o codinome N1X e construído em parceria com a MediaTek. Trata-se de um componente com 70 bilhões de transistores, fabricado em um processo de 3 nm da TSMC, que funde dois chiplets em um único SoC. A GPU é um modelo Blackwell de grande porte com 6,144 núcleos CUDA e Tensor Cores de quinta geração com precisão FP4, com desempenho de 1 petaflop em IA FP4. A conexão é feita via NVLink-C2C a 600 GB/s (o número da NVIDIA é aproximadamente 5 vezes maior que o PCIe Gen 5, com consumo de energia muito menor) para uma CPU Grace de 20 núcleos. A memória atinge o máximo de 128 GB de memória unificada com largura de banda de 300 GB/s.
Se isso soa como uma ficha técnica do DGX Spark, é porque é quase isso mesmo. A NVIDIA afirmou isso durante a sessão de perguntas e respostas com a imprensa, descrevendo o chip completo como "baseado no mesmo sistema" do DGX Spark, mas otimizado para uma plataforma diferente, tanto em hardware quanto em software. A ideia é que o DGX Spark seja voltado para desenvolvedores de Linux e IA, enquanto o RTX Spark é um produto com foco no Windows, que integra os recursos de jogos e criação RTX no mesmo silício. A NVIDIA descreve o desempenho como "na mesma categoria de uma GPU RTX 5070 para laptops", com a importante ressalva de que a comparação varia de acordo com a carga de trabalho, já que um SoC com memória unificada se comporta de maneira muito diferente de uma GPU dedicada via PCIe. É aqui que nossa experiência com o DGX Spark desperta nossa curiosidade e onde esperamos que este lançamento seja diferente do anterior. Em nossos testes com o DGX Spark, uma das descobertas mais consistentes foi a similaridade entre os diferentes designs de OEMs. Algumas implementações foram melhor projetadas do que outras, mas como cada unidade foi construída essencialmente na mesma plataforma de referência da NVIDIA, com o mesmo consumo de energia e requisitos térmicos, o desempenho no mundo real ficou bastante homogêneo.
Não esperamos que isso se confirme aqui. O RTX Spark será usado em laptops, alguns com apenas 14 mm de espessura e pesando apenas 3 kg. A NVIDIA confirmou que esses chips terão consumo de energia variando de alguns watts até aproximadamente 80 W nas configurações mais robustas, com cada fabricante livre para escolher sua própria abordagem de resfriamento, desde câmaras de vapor até heat pipes avançados. Em um chassi tão fino, o chip quase certamente terá sua potência limitada, o que, por sua vez, o torna limitado termicamente e em frequência. Isso não é uma crítica. É física. Mas significa que o fabricante que desenvolver a melhor solução térmica, fornecer ao chip um orçamento de energia sustentado maior e ajustar bem as curvas de rotação dos ventiladores, poderá abrir uma vantagem real e sustentada de desempenho em relação a um concorrente mais fino e silencioso com o mesmo silício. Dois laptops com o mesmo chip e a mesma memória podem apresentar desempenho sustentado visivelmente diferente, e descobrir qual fabricante realmente permite que o chip mostre todo o seu potencial é exatamente o tipo de teste que buscamos. O RTX Spark também abrange toda uma família de chips. A NVIDIA deixou claro que haverá várias SKUs, com a versão de especificações completas (20 núcleos de CPU, até 128 GB) no topo da linha. Em toda a família de processadores, a memória variará de 16 GB a 128 GB, e a NVIDIA espera mais de 30 laptops e bem mais de 10 desktops somente na primeira leva, de todos os principais fabricantes, incluindo modelos renomados como o Dell XPS 16 Creator Edition, o HP OmniBook e o Microsoft Surface Laptop Ultra.
Dois detalhes de hardware nos deixam otimistas. O primeiro é a rede, ou melhor, a falta dela. O DGX Spark foi lançado com a placa de rede ConnectX-7 da NVIDIA e conectividade 200GbE integradas, o que era ótimo para um cluster de desenvolvedores, mas consumia espaço na placa, energia e aumentava o custo. A NVIDIA confirmou que os laptops RTX Spark não terão o pacote CX7. Para um laptop Windows para o consumidor final, essa é a decisão correta e, com esse espaço na placa e orçamento de energia liberados, queremos ver um armazenamento muito melhor nesses modelos. O armazenamento do DGX Spark era funcional, mas nunca foi o destaque, e um notebook para o consumidor final, sem a necessidade de um chip de rede dedicado, tem todos os motivos para vir com SSDs NVMe mais rápidos e com maior capacidade. O segundo ponto é a E/S. Como todos os DGX Spark usavam a mesma placa de referência, todas as unidades foram lançadas com as mesmas portas. Após a uniformidade do DGX Spark, uma variedade real de E/S por fabricante seria bem-vinda.
A duração da bateria é a última questão a ser considerada em relação a laptops, e aquela para a qual nossos benchmarks foram criados. A NVIDIA prometeu bateria para o dia todo em produtividade e navegação, embora tenha sido honesta ao admitir que jogos ou uso intenso de IA consomem a bateria de qualquer laptop em 45 minutos a uma hora. O que estamos ansiosos para quantificar é a duração da bateria durante a execução de tarefas reais de IA. Um agente que funciona mesmo quando o usuário não está presente é uma proposta interessante, mas a inferência local com baixo consumo de bateria é um grande atrativo, e a diferença entre o uso de e-mails o dia todo e a execução de um modelo de 120 bits durante o dia todo pode ser enorme. Temos um conjunto completo de benchmarks personalizados de computação pessoal de IA prontos exatamente para esse tipo de plataforma, e planejamos medir o aumento real de produtividade, em vez de aceitar os números de marketing como verdade absoluta.
O desktop RTX Spark
A NVIDIA confirmou que os desktops RTX Spark de formato compacto chegarão neste outono, juntamente com os laptops, e apresentou um modelo da MSI no palco. Honestamente, à primeira vista, parece um DGX Spark, e isso é praticamente tudo o que sabemos sobre ele. O design industrial parece diferente do modelo DGX Spark que analisamos, mas além disso, a NVIDIA compartilhou muito pouca informação.
Nossas perguntas são as óbvias, e terão que esperar até que tenhamos o hardware em nossos testes. Como o desempenho sustentado do desktop se compara aos laptops e ao DGX Spark, considerando que ele deve ter uma margem térmica muito maior do que um notebook de 14 mm? E o desktop mantém a conectividade de rede de 200G que definiu o DGX Spark, ou abandona o pacote CX7, como os laptops, para atingir um preço mais acessível ao consumidor?
Estação DGX
O terceiro nível é o principal, e é uma máquina que já conhecemos. A NVIDIA já apresentou publicamente a DGX Station antes, e recentemente tivemos o privilégio de testá-la. Não entraremos em muitos detalhes aqui, já que as especificações principais já são públicas há algum tempo, e teremos muito mais a dizer em nossa análise completa em breve.
Resumindo: o DGX Station para Windows é baseado no superchip GB300 Grace Blackwell Ultra Desktop, que combina uma GPU Blackwell Ultra com uma CPU Grace de 72 núcleos. Ele possui até 748 GB de memória coerente e até 20 petaflops de FP4, o suficiente para executar modelos com trilhões de parâmetros localmente e, nas palavras da NVIDIA, centenas de agentes simultaneamente. Diferentemente das máquinas Spark para consumidores, esta inclui rede de alta velocidade com uma placa de rede ConnectX-8 SuperNIC capaz de atingir até 800 Gb/s, além de uma GPU opcional RTX PRO 6000 Blackwell para estações de trabalho.
A grande ressalva: será que a Microsoft conseguirá realizar isso?
Para sermos claros, nossa posição é a seguinte: o DGX Spark foi um grande sucesso para a NVIDIA, e estamos muito otimistas em relação a toda essa família de dispositivos. O hardware é excelente, a eficiência é comprovada e a NVIDIA já demonstrou a qualidade do silício. Temos dúvidas quanto à capacidade da Microsoft de dar suporte a esses dispositivos.
A Microsoft tem estado nas manchetes pelos motivos errados ultimamente, com a crescente insatisfação dos usuários com os rumos do Windows. Alguns usuários passaram a chamá-lo de "Microslop" (uma brincadeira com o termo "Microsslop", que significa algo como "Microsslop" em inglês). As reclamações são familiares: a imposição agressiva do Copilot em todos os cantos do sistema operacional, a integração vertical da IA em toda a pilha de tecnologia e práticas antigas, como praticamente forçar o uso do OneDrive. Além disso, o Windows on Arm não é uma plataforma que alguém consideraria madura. A NVIDIA está apostando alto que desta vez será diferente, citando anos de trabalho conjunto no emulador Prism e a colaboração com todos os principais fornecedores de software anti-cheat. A resposta da empresa para a pergunta "Por que o Windows on Arm terá sucesso agora?" é basicamente: "porque todos finalmente estão se dedicando totalmente a ele". Isso pode muito bem ser verdade. É também mais ou menos o que ouvimos da última vez.
Pessoalmente, estou torcendo para que a Microsoft entregue o prometido, porque o potencial é real. O RTX Spark é uma máquina para jogos competente, aproximadamente do nível da RTX 5070. Se a emulação e os drivers funcionarem bem, ele poderá se tornar a alternativa mais barata e eficiente para jogos do que os notebooks com GPUs dedicadas da NVIDIA. Há também a questão do Linux que não podemos ignorar. O silício é o silício, então o RTX Spark deve herdar o mesmo suporte robusto para Linux que tornou o DGX Spark uma máquina tão capaz, e estamos muito curiosos para saber se o desempenho em jogos e gráficos implementado no Windows também se refletirá em ganhos de desempenho no Linux. Se a Microsoft desperdiçar uma plataforma tão boa, essa experiência com Linux significa que este pode ser o lançamento que finalmente dará início ao ano do desktop Linux para as massas.
A maior surpresa para nós foi a decisão da NVIDIA de incluir o Windows na DGX Station. Quando o produto foi anunciado pela primeira vez em 2025, muitos de nossos colegas de outras publicações, incluindo nós, achamos que era uma jogada genial. Historicamente, o suporte de software sempre ficou atrás do novo hardware, muitas vezes por anos, antes que o kernel e as ferramentas amadurecessem o suficiente para aproveitar ao máximo o potencial do silício. A DGX Station era a máquina que os principais laboratórios de IA, pesquisadores e organizações poderiam comprar para começar a desenvolver na arquitetura mais recente, muito antes dos data centers serem criados para ela. O problema é que o produto chegou um ano atrasado. E embora tenhamos gostado bastante do tempo que passamos com o sistema, deixando de lado as peculiaridades de pré-produção (algumas delas me deram pesadelos), não conseguimos justificar a instalação do Windows em uma máquina tão claramente projetada para IA avançada. A B300 não possui núcleos RT, então muitas das cargas de trabalho da própria NVIDIA para estações de trabalho dependeriam da placa discreta RTX PRO opcional, deixando a B300 exclusivamente para tarefas de IA. Estamos muito curiosos para saber como o suporte do Windows na DGX Station se comporta na prática e, francamente, céticos de que a Microsoft consiga oferecer uma boa experiência e aproveitar ao máximo o B300 e a rede ConnectX-8 de 800G em um único host.
Uma nova família de produtos a cada geração.
O detalhe da apresentação principal que mais nos marcou não foi uma especificação.
Jensen apresentou esta linha de PCs como uma família de produtos permanente, prometendo um desktop, um laptop e uma estação de trabalho para cada geração futura de arquitetura, com o que ele afirma ser 100% da indústria de PCs a bordo.
Apenas como observação adicional, finalmente vimos o chip Grace Blackwell Spark Superchip N1 de 400 TFlops, mencionado aqui. Será interessante ver que tipo de dispositivos acabarão utilizando esse chip.
Além do PC: IA Física
A segunda metade da apresentação principal focou-se intensamente na IA física. É um mundo diferente do hardware para clientes mencionado anteriormente, mas complementa o panorama da Computex. A NVIDIA também aproveitou o evento para disponibilizar em código aberto uma vasta coleção de ferramentas e habilidades de agentes de IA física, publicadas em github.com/NVIDIA/skills, incluindo habilidades de dados sintéticos como Reconstrução Neural, Aumento de Vídeo e Geração de Imagens de Defeitos, que parceiros de fabricação, incluindo TSMC, Foxconn e SK hynix, já estão utilizando em linhas de produção. As principais plataformas estão listadas abaixo.
Robô Humanoide de Referência Isaac GR00T
A NVIDIA divulgou um projeto de referência aberto para um robô humanoide, construído sobre um chassi Unitree H2 Plus com quase 1,8 metro de altura e 68 kg, com 75 graus de liberdade no total, graças às duas mãos táteis Sharpa Wave de cinco dedos. Os atuadores são robustos, com torque de até 120 Newton-metros nos braços, até 360 Newton-metros nas pernas e uma capacidade de carga nominal de 7 kg, podendo chegar a 15 kg. Para sensoriamento, ele possui uma câmera estéreo montada na cabeça com um campo de visão horizontal de 140 graus, câmeras nos pulsos para manipulação, uma unidade de medição inercial e as usuais conectividades Wi-Fi 6 e Bluetooth 5.2. O cérebro do robô é o Jetson AGX Thor T5000 da NVIDIA, com uma GPU Blackwell com classificação de 2,070 teraflops FP4, uma CPU Arm de 14 núcleos e 128 GB de memória unificada, consumindo de 40 a 130 watts (configurável) e funcionando com uma bateria de aproximadamente 1 kWh, com autonomia de cerca de três horas. Toda a infraestrutura, desde o Isaac Teleop para captura de dados, passando pelo Isaac Sim e Isaac Lab, até os modelos fundamentais GR00T e o middleware Isaac ROS para implantação, é aberta, e os pesquisadores mantêm o controle de seus próprios dados. Stanford, ETH Zurich, UC San Diego e Ai2 estão entre os primeiros a adotar a tecnologia, com hardware disponível pela Unitree no final de 2026 e um fluxo de trabalho de referência Unitree G1 previsto para breve no GitHub e na Hugging Face. Jensen apresentou as expectativas em termos tipicamente ambiciosos, chamando os robôs humanoides de uma “oportunidade econômica multibilionária”.
Cosmos 3
Cosmos 3 é o modelo de vanguarda da NVIDIA para IA física. Este omnimodelo, uma mistura de transformadores, processa texto, imagens, vídeo, som ambiente e ações em uma única camada, treinada com bilhões de amostras multimodais. Ele desempenha três funções: um modelo de visão e linguagem para raciocínio multimodal, um modelo de mundo para simulação de ambientes físicos e uma base para os modelos de mundo e ação que treinam robôs em tarefas específicas. Está disponível como Cosmos 3 Super para robótica de alta precisão e pós-treinamento de veículos autônomos, Cosmos 3 Nano para raciocínio rápido de vídeo e ação, e Cosmos 3 Edge para inferência em tempo real, com lançamento previsto para breve. A NVIDIA afirma que o Cosmos 3 lidera o campo de modelos abertos em uma longa lista de benchmarks, incluindo Physics-IQ e R-Bench para geração de mundo, RoboLab e RoboArena para políticas de ação e VANTAGE-Bench para compreensão visual, e que pode reduzir os ciclos de treinamento e avaliação de IA física de meses para dias. Está disponível no Hugging Face, GitHub e build.nvidia.com como microsserviços NIM, com uma coalizão em torno dela que inclui Agile Robots, Black Forest Labs, Runway e Skild AI, e empresas como Samsung, LG Electronics, Li Auto e Doosan Robotics.
Alpamayo 2 Super
Para direção autônoma, a NVIDIA apresentou o Alpamayo 2 Super. Trata-se de um modelo aberto de raciocínio, visão, linguagem e ação com 32 bilhões de parâmetros, construído sobre os modelos fundamentais do Cosmos, que raciocina, planeja e age em toda a pilha de direção para desenvolvimento de Nível 4. Ele representa uma evolução em relação às versões anteriores de 10 bilhões de parâmetros e se expande para a percepção completa de 360 graus do ambiente ao redor. Além disso, gera decisões de direção macro e rastros de causa e efeito que as explicam, e sua rotulagem automática de raciocínio pode reduzir os ciclos de anotação de meses para dias. A NVIDIA o posiciona como um modelo de ensino que se desdobra em redes menores para implantação em veículos no DRIVE AGX Thor, e o integra com ferramentas de suporte como o AlpaGym para aprendizado por reforço em circuito fechado, o OmniDreams para criação de cenários generativos e a Reconstrução Neural baseada no Omniverse NuRec para transformar dados da frota em cenas 3D. Versões anteriores do Alpamayo foram baixadas cerca de 400,000 vezes. O novo modelo ganhou o prêmio COMPUTEX Best Choice e deve estar disponível no GitHub e na Hugging Face neste verão.
DRIVE Hyperion
Se o Alpamayo é o cérebro, o DRIVE Hyperion é o carro em que ele roda. Já falamos sobre o Hyperion anteriormente, então não vamos revisitar a plataforma aqui, além de observar que se trata de uma referência da NVIDIA pronta para Nível 4, construída sobre o sistema de segurança Halos e o DriveOS, com computação DRIVE AGX. A história mais interessante desta vez é quem está se posicionando por trás dela. A Uber está integrando diversas frotas com tecnologia Hyperion, incluindo um programa de robotáxis em Munique com lançamento previsto para o final deste ano. A Foxconn e a Foxtron estão planejando lançar robotáxis em Taiwan em 2028, começando por Kaohsiung e expandindo para outros países da Ásia. A VinFast está levando veículos de Nível 4 para o Sudeste Asiático, a Autobrains está trabalhando com a VinFast e a Uber, e a HUMAIN está levando a tecnologia para a Arábia Saudita. Essa lista de parceiros, mais do que qualquer especificação individual, é o que torna o Hyperion algo que vale a pena acompanhar.
Pensamentos de Encerramento
A NVIDIA possui o silício e agora está o implementando em todos os lugares, desde um laptop de 14 mm até um GB300 de mesa, passando pelo peito de um humanoide – e acreditamos que é isso que importa. O que uma ficha técnica não pode nos dizer é se a Microsoft conseguirá justificar o custo do hardware para o Windows on Arm, se os fabricantes de equipamentos originais (OEMs) permitirão que o chip Spark mostre todo o seu potencial ou o limitarão em chassis muito finos, e se as alegações de petaflops e duração da bateria se confirmarão quando pudermos medi-las. Estamos otimistas em relação ao hardware e céticos quanto ao software (Microsoft, não Linux), e manteremos ambas as posições até que as máquinas cheguem ao laboratório. Quando isso acontecer, os benchmarks estarão prontos.
Amazon