NVIDIA 把 1 petaflop 的 AI 算力塞进了一台笔记本。10 月 16 日 RTX Spark 开售,128GB 统一内存(一种让 CPU 和 GPU 共享、不必来回搬运数据的架构)、本地跑 Agent 和创意工具——但这不是"显卡又强了"的故事,是"数据要不要出门"的账本被重写了。

本地 AI 的拐点从来不在峰值算力,而在"你愿不愿意把机密交到云上"。金融、医疗、工业这类对数据主权敏感的场景,过去被迫在"用前沿能力"和"数据不出门"之间二选一。Spark 这类设备把选择项合上了——能跑的模型够用,数据就不用走公网。

端侧 Agent 从 demo 变工具。128GB 统一内存让多模态模型和长上下文 Agent 真能在本地驻留,不是云端 API 的廉价替身,而是"断网也能干活的同事"。NVIDIA 同步推的 Agent、创意、开发工具更新,说明硬件商在抢"本地 AI 的工作流标准",不止卖铁,要卖整套本地生产范式。

三类买家要重新看。注重数据主权的企业 IT:原本因合规不能上云的场景,现在有了本地算力选项,采购清单多了"端侧工作站"这一栏。做边缘部署的团队:巡检、现场、离线环境里跑智能体,不再依赖信号和云配额,断电断网照样干活。个人开发者:petaflop 级本地算力下放,意味着原型迭代不再被 API 账单卡脖子,试错成本骤降。

明天就买得到。但"能跑"和"跑得值"之间差的是模型适配——现在端侧模型生态还在追,各家小模型和本地推理框架得跟上硬件。硬件先到位,软件生态的追赶速度决定它到底是"极客玩具"还是"生产力标配"。

Spark 卖的不是算力,是"数据留在自己机器上也能用上 AI"的底气。当本地算力够到 petaflop,云和端的边界就开始模糊——而模糊掉的那条线,恰恰是很多企业的合规红线。