2026 年台北国际电脑展 (Computex 2026) 已拉开帷幕，NVIDIA 一如既往地以黄仁勋的主题演讲为展会定下了基调，演讲内容涵盖了公司未来的发展蓝图。其中很大一部分内容是我们之前已经见识过的数据中心 GPU 技术，例如 Vera Rubin 架构现已全面投产，以及关于智能体将重塑计算各个层面的理念——这些内容我们早已耳熟能详。在此，我们不再赘述。
真正具有创新意义，也是本次主题演讲对所有客户端人员而言至关重要的原因，在于个人电脑（PC）。NVIDIA 和微软利用台北国际电脑展（Computex）宣布对 Windows 系统进行全面革新，此次革新涵盖整个产品系列，而非仅限于单一设备。不过，在此之前，我们不妨先仔细了解一下数据中心领域的一些重要内容。
LPX机架详解
数据中心的一项变化引起了我们的注意。LPX机架发生了变化。系统似乎从1个OU扩展到了2个OU，而且四个Groq C2C链路的物理外观也与之前有所不同。 我们之前的LPX报道这次NVIDIA让我们更近距离地观察了机架。除了这两处变化之外，外观上并没有其他明显的不同，这让我们非常好奇第二层究竟装了些什么。
三层PC系列
NVIDIA 发布了一系列客户端设备：笔记本电脑、台式机和工作站，全部基于 Spark 和 Blackwell 平台打造，并旨在支持 Windows 系统。Jensen 将其描述为 40 年来首个完全重新设计的 PC 产品线。无论你是否认同这种说法，了解其产品结构都十分重要，因为每个产品层级都针对截然不同的用户群体。我们将逐一介绍。
RTX Spark 笔记本电脑
这些笔记本电脑的核心是RTX Spark超级芯片，NVIDIA在发布会上以代号N1X展示了这款芯片，它由NVIDIA与联发科合作开发。这款芯片采用台积电3nm工艺，拥有70亿个晶体管，并将两个芯片组融合到一个SoC中。GPU部分采用大型Blackwell架构，拥有6,144个CUDA核心和第五代Tensor Core，支持FP4精度，FP4 AI性能达到1 petaflop。GPU通过NVLink-C2C以600GB/s的速度（NVIDIA的数据约为PCIe Gen 5的5倍，但功耗更低）连接到20核Grace CPU。内存方面，最高配备128GB统一内存，带宽为300GB/s。
如果这看起来像是DGX Spark的规格表，那是因为它几乎就是。NVIDIA在媒体问答环节中也明确表示，这款全规格芯片“基于与DGX Spark相同的系统”，但在硬件和软件方面都针对不同的平台进行了优化。其定位是，DGX Spark专为Linux和AI开发者打造，而RTX Spark则是一款Windows优先的产品，它在同一芯片之上叠加了RTX游戏和创作堆栈。NVIDIA将其性能描述为“与RTX 5070笔记本GPU处于同一级别”，但同时强调，由于采用统一内存的SoC与通过PCIe连接的独立GPU的性能差异很大，因此性能比较会因工作负载而异。这正是我们最感兴趣的DGX Spark体验所在，也是我们预期此次发布与上次发布会有所不同的地方。在我们的DGX Spark测试中，最一致的发现之一是各个OEM厂商的设计方案之间的差异非常大。有些实现方式比其他实现方式设计得更好，但由于每个单元基本上都是基于相同的 NVIDIA 参考平台构建的，具有相同的功耗和散热范围，因此实际性能非常接近。
我们预计这种情况不会在这里得到体现。RTX Spark 显卡将应用于笔记本电脑，其中一些笔记本电脑的厚度仅为 14 毫米，重量仅为 3 磅。NVIDIA 确认，这些芯片的功耗范围从个位数瓦到最高配置的约 80 瓦不等，每个 OEM 厂商都可以自由选择自己的散热方案，从均热板到先进的热管散热。在如此纤薄的机身中，芯片的功耗几乎肯定会受到限制，进而导致其散热和频率也受到限制。这并非贬低，而是物理定律使然。这意味着，如果 OEM 厂商能够打造更出色的散热方案，为芯片提供更高的持续功耗预算，并优化风扇曲线，那么即使使用相同的芯片，也能在性能上真正超越更薄、更安静的竞争对手。两款搭载相同芯片和相同内存的笔记本电脑，其持续吞吐量也可能存在显著差异，而找出哪家 OEM 厂商能够真正让芯片发挥全部性能，正是我们梦寐以求的测试。RTX Spark 还涵盖了整个芯片系列。 NVIDIA明确表示，将推出多个SKU，其中顶级配置版本（20个CPU核心，最高128GB内存）将位列榜首。整个产品系列内存容量范围从16GB到128GB不等。NVIDIA预计，仅在首批产品中，各大OEM厂商就将推出超过30款笔记本电脑和超过10款台式机，其中包括戴尔XPS 16 Creator Edition、惠普OmniBook和微软Surface Laptop Ultra等知名产品。
两项硬件细节让我们感到乐观。首先是网络，或者更确切地说，是网络功能的缺失。DGX Spark 出厂时内置了 NVIDIA 的 ConnectX-7 网络和 200GbE 连接，这对于开发者集群来说固然很好，但却占用了电路板空间、功耗和成本。NVIDIA 已确认 RTX Spark 笔记本电脑将不会采用 CX7 芯片组。对于消费级 Windows 笔记本电脑而言，这是一个正确的决定，节省下来的电路板空间和功耗预算，让我们期待看到这些设备配备性能更佳的存储设备。DGX Spark 的存储虽然够用，但从未成为亮点，而消费级笔记本电脑无需为网络芯片供电，因此完全有理由配备速度更快、容量更大的 NVMe 固态硬盘。其次是 I/O 接口。由于所有 DGX Spark 都使用相同的参考电路板，因此所有设备都配备了相同的接口。在 DGX Spark 的统一性之后，我们期待看到真正意义上的、每个 OEM 厂商都能拥有多样化的 I/O 接口。
电池续航是笔记本电脑的最后一个关键问题，也是我们基准测试的重点。NVIDIA 承诺笔记本电脑可以满足全天办公和浏览网页的需求，但也坦诚地表示，玩游戏或运行高强度 AI 程序会在 45 分钟到 1 小时内耗尽任何笔记本电脑的电量。我们迫不及待地想要量化的是实际运行 AI 工作时的电池续航时间。即使用户不操作也能运行的智能体固然吸引人，但真正关键的是电池续航时间，而全天收发邮件和全天运行 1200 亿字节模型之间的差距可能非常巨大。我们已经准备好了一整套定制的个人 AI 计算基准测试，专门用于此类平台，我们计划衡量实际的生产力提升，而不是仅仅相信营销宣传的数据。
RTX Spark 台式机
NVIDIA 确认，小型化的 RTX Spark 台式机将于今年秋季与笔记本电脑一同发布，并在发布会上展示了一款来自 MSI 的产品。说实话，乍一看，它就像一台 DGX Spark，而我们对它的了解也仅限于此。它的工业设计似乎与我们评测过的 DGX Spark 有所不同，但除此之外，NVIDIA 并未透露更多信息。
我们的问题显而易见，但只能等到拿到硬件进行测试后才能解答。考虑到台式机的散热空间应该比14毫米厚的笔记本电脑大得多，那么它的持续性能与笔记本电脑和DGX Spark相比如何？台式机是否保留了DGX Spark的200G网络，还是像笔记本电脑一样为了降低价格而放弃了CX7芯片组？
DGX站
第三层级是重头戏，也是我们已经有所了解的一款机器。NVIDIA 之前已经公开展示过 DGX Station，我们最近也有幸上手体验了一台。由于其主要规格参数早已公开，我们在此就不赘述了，更多细节将在即将发布的评测文章中详细介绍。
简而言之：DGX Station for Windows 基于 GB300 Grace Blackwell Ultra 桌面级超级芯片，将 Blackwell Ultra GPU 与 72 核 Grace CPU 相结合。它拥有高达 748GB 的相干内存和高达 20 petaflops 的 FP4 运算能力，足以在本地运行万亿参数模型，并且正如 NVIDIA 所说，可以同时运行数百个代理。与消费级 Spark 设备不同，这款产品配备了速度高达 800Gb/s 的 ConnectX-8 超级网卡，并可选配 RTX PRO 6000 Blackwell 工作站 GPU。
最大的疑问是：微软能做到吗？
让我们明确一下我们的立场。DGX Spark 对 NVIDIA 来说是一项重大成功，我们对整个系列都非常乐观。硬件设计无可挑剔，能效也达到了预期，NVIDIA 已经验证了芯片的性能。我们对微软能否支持这些设备持怀疑态度。
微软最近频频登上新闻头条，但都是因为负面新闻，用户对Windows的发展方向越来越不满。一些用户甚至戏称其为“微软垃圾”（Microslop）。这些抱怨并不新鲜：Copilot被强行塞进操作系统的各个角落，人工智能在整个技术栈中垂直整合，以及一些长期存在的做法，比如强制用户使用OneDrive。此外，Windows on Arm平台也远称不上成熟。NVIDIA则寄希望于这次的情况有所不同，并列举了多年来双方在Prism模拟器上的合作，以及与所有主流反作弊厂商的合作。对于“为什么Windows on Arm现在会成功？”这个问题，NVIDIA的回答基本上是：“因为大家终于都全力支持它了。”这或许不假，但上次我们也听到了类似的说法。
我个人非常希望微软能够兑现承诺，因为它的优势显而易见。RTX Spark 是一款性能强劲的游戏本，大致相当于 RTX 5070 的水平。如果模拟和驱动程序方面的问题能够得到解决，它最终可能会成为比 NVIDIA 自家独立显卡笔记本电脑更经济高效的游戏替代方案。此外，我们也不能忽视 Linux 平台的优势。由于芯片本身就具备强大的 Linux 支持，RTX Spark 应该能够继承 DGX Spark 强大的 Linux 支持，而 DGX Spark 正是凭借这种强大的 Linux 系统才成为如此出色的小型游戏本。我们非常好奇，微软在 Windows 系统下进行的游戏和图形优化是否也能转化为 Linux 系统下的游戏性能提升。如果微软搞砸了这样一个优秀的平台，那么凭借其 Linux 平台的优势，RTX Spark 的发布或许能够真正开启 Linux 桌面电脑普及之年。
更让我们感到意外的是，NVIDIA竟然选择在DGX Station上预装Windows系统。这款产品最初发布于2025年，当时我们和许多其他媒体的同行都认为这是一个天才之举。软件支持历来滞后于新硬件，往往要等上几年，内核和工具链才能成熟到足以真正发挥芯片的性能。DGX Station是顶级AI实验室、研究人员和机构可以购买的，让他们能够在数据中心围绕最新架构搭建起来之前就开始开发。问题在于，这款产品比预期晚了一年。虽然我们确实很享受使用这套系统的时光（撇开预生产阶段的一些小问题不谈，其中一些问题甚至让我夜不能寐），但我们实在无法理解为什么要在这样一台明显是为硬核AI而设计的机器上预装Windows系统。B300没有RT核心，因此NVIDIA的许多工作站工作负载都将依赖于可选的RTX PRO独立显卡，B300只能专注于AI任务。我们非常好奇 DGX Station 上的 Windows 支持究竟如何，坦白说，我们怀疑微软能否在这里提供良好的体验，并在单个主机上真正利用 B300 和 800G ConnectX-8 网络。
每一代，都推出全新产品系列
主题演讲中给我们留下最深刻印象的细节并不是一个规格说明。
Jensen 将此 PC 产品线定位为一个永久性产品系列，承诺为未来每一代架构提供台式机、笔记本电脑和工作站，并声称 PC 行业 100% 都支持这一方案。
顺便提一下，我们终于看到了之前提到的尺寸更小的400 TFlop N1 Grace Blackwell Spark Superchip。这款芯片最终会被应用到哪些类型的设备中，值得我们拭目以待。
超越个人电脑：物理人工智能
主题演讲的后半部分重点转向了物理人工智能。这与上文提到的客户端硬件截然不同，但它完善了台北电脑展的整体格局。英伟达还利用此次展会开源了大量物理人工智能代理工具和技能，这些工具和技能发布在 github.com/NVIDIA/skills 上，其中包括神经重建、视频增强和缺陷图像生成等合成数据技能。包括台积电、富士康和 SK 海力士在内的制造合作伙伴已经在生产线上应用了这些技能。主要平台如下。
Isaac GR00T 参考人形机器人
NVIDIA 发布了一款基于 Unitree H2 Plus 底盘的人形机器人开放参考设计，该机器人身高近 6 英尺（约 1.8 米），重 150 磅（约 68 公斤），拥有 75 个自由度，这得益于其双 Sharpa Wave 五指触觉机械手。该机器人的执行器性能强劲，手臂扭矩高达 120 牛米，腿部旋转角度可达 360°，额定有效载荷为 7 公斤，峰值载荷可达 15 公斤。在传感方面，它配备了一个头部立体摄像头（水平视场角 140 度）、用于操作的腕部摄像头、惯性测量单元，以及常见的 Wi-Fi 6 和蓝牙 5.2 连接功能。该机器人的大脑是英伟达的 Jetson AGX Thor T5000，配备 Blackwell GPU（FP4 运算速度达 2,070 万亿次浮点运算）、14 核 Arm CPU 和 128GB 统一内存，功耗可在 40 至 130 瓦之间配置，并由一块约 1kWh 的电池供电，续航时间约为三小时。从用于数据采集的 Isaac Teleop，到 Isaac Sim 和 Isaac Lab，再到用于部署的 GR00T 基础模型和 Isaac ROS 中间件，整个技术栈都是开源的，研究人员可以完全掌控自己的数据。斯坦福大学、苏黎世联邦理工学院、加州大学圣地亚哥分校和 Ai2 等机构是早期采用者，Unitree 将于 2026 年底推出硬件，Unitree G1 参考工作流程也将很快在 GitHub 和 Hugging Face 上发布。Jensen 以他一贯的宏大视角阐述了这项技术的意义，称人形机器人是一个“价值数万亿美元的经济机遇”。
宇宙3
Cosmos 3 是 NVIDIA 面向物理 AI 的开放前沿基础模型。这款融合了多种 Transformer 的全能模型，能够在一个堆栈中处理文本、图像、视频、环境声音和动作，并基于数十亿个多模态样本进行训练。它扮演着三种角色：用于多模态推理的视觉语言模型、用于模拟物理环境的世界模型，以及用于训练机器人执行特定任务的世界-动作模型的骨干网络。Cosmos 3 目前有三种版本：用于高精度机器人和 AV 后训练的 Cosmos 3 Super、用于快速视频和动作推理的 Cosmos 3 Nano，以及即将推出的用于实时推理的 Cosmos 3 Edge。NVIDIA 表示，Cosmos 3 在众多基准测试中均处于开放模型领域的领先地位，包括用于世界生成的 Physics-IQ 和 R-Bench、用于动作策略的 RoboLab 和 RoboArena，以及用于视觉理解的 VANTAGE-Bench，并且可以将物理 AI 的训练和评估周期从数月缩短到数天。它以 NIM 微服务的形式在 Hugging Face、GitHub 和 build.nvidia.com 上提供，其联盟成员包括 Agile Robots、Black Forest Labs、Runway 和 Skild AI，以及三星、LG 电子、理想汽车和斗山机器人等采用者。
Alpamayo 2 超级
NVIDIA 为自动驾驶领域推出了 Alpamayo 2 Super。这是一个基于 Cosmos 世界基础模型构建的开放式 32 亿参数推理视觉-语言-动作模型，能够对 L4 级自动驾驶开发所需的整个驾驶流程进行推理、规划和执行。它在前代 10 亿参数版本的基础上进行了扩展，实现了 360 度全方位感知。它不仅能够生成宏观驾驶决策，还能生成解释这些决策的因果链轨迹，其推理自动标注功能可以将标注周期从数月缩短至数天。NVIDIA 将其定位为教师模型，可将其提炼成更小的网络，用于在 DRIVE AGX Thor 上进行车载部署。此外，NVIDIA 还为其配备了 AlpaGym（用于闭环强化学习）、OmniDreams（用于生成式场景创建）以及基于 Omniverse NuRec 的神经重建（用于将车队数据转换为 3D 场景）等配套工具。Alpamayo 的早期版本下载量接近 400,000 万次。这款新模型荣获 COMPUTEX 最佳选择奖，预计将于今年夏天在 GitHub 和 Hugging Face 上架。
驾驶 Hyperion
如果说Alpamayo是大脑，那么DRIVE Hyperion就是驱动它的汽车。我们之前已经介绍过Hyperion，所以这里不再赘述，只需指出它是NVIDIA基于Halos安全系统和DriveOS打造的L4级自动驾驶参考平台，并搭载了DRIVE AGX计算模块。这次更引人注目的是它的合作伙伴。Uber正在整合多个搭载Hyperion平台的车队，包括今年晚些时候在慕尼黑启动的无人驾驶出租车项目。富士康和富士创计划于2028年在台湾推出无人驾驶出租车，首先从高雄开始，然后扩展到整个亚洲。VinFast正在将L4级自动驾驶汽车引入东南亚，Autobrains同时与VinFast和Uber合作，而HUMAIN则计划将其推向沙特阿拉伯。正是这些合作伙伴，而非任何单一的技术规格，才让Hyperion值得关注。
关闭的思考
NVIDIA 已经掌握了芯片技术，并正将其应用于各种产品，从 14 毫米厚的笔记本电脑到桌面级的 GB300，再到人形机器人的胸前，这一点我们相信。但规格表无法告诉我们的是，微软能否让 Windows on Arm 的硬件成本物有所值；OEM 厂商能否充分发挥 Spark 芯片的性能，还是会因为机身过薄而限制其发挥；以及官方宣称的千万亿次浮点运算能力和电池续航时间是否真的如宣传的那样可靠。我们对硬件持乐观态度，但对软件（微软的软件，而非 Linux）持怀疑态度，在机器到达实验室之前，我们将保持这两种立场。届时，基准测试结果也将出炉。
Amazon