英伟达正持续强化其全栈计算提供商的市场定位,致力于在终端设备上直接支持AI智能体的运行。在与微软的合作框架下,英伟达推出了RTX Spark芯片,专为搭载个人AI智能体的Windows电脑而设计。这一消息于本周一在台北举办的英伟达GTC Computex 2026大会上正式对外发布。
RTX Spark支持本地运行AI智能体与前沿大模型,英伟达创始人兼首席执行官黄仁勋将其称为"超级芯片"。他在新闻稿中表示:"这就是全新的PC,个人AI计算机。"
英伟达还同步宣布推出面向Windows平台的DGX Station,这是一款AI超级计算机,能够在桌面本地环境中运行参数规模高达1万亿的前沿大模型。该产品预计将于今年第四季度上市,旨在将过去依赖数据中心承载的企业级AI工作负载迁移至桌面级计算设备,为跨Windows应用程序与基础设施运行AI智能体提供所需的算力支撑。
英伟达推动AI智能体落地终端设备的举措,或许预示着其正在布局一盘长期的AI战略棋局——通过在整个IT技术栈中提供算力支持,进一步巩固自身的核心竞争地位。
根据Gartner的研究数据,受宏观经济波动与贸易不确定性等因素影响,企业对AI电脑的采购增速已于去年底出现放缓。未来研究集团(The Futurum Group)在2025年12月发布的报告中同样预测,AI电脑出货量的增长将有所回落。
不过,未来研究集团也指出,随着企业在2027年前后启动新一轮PC换机周期,AI电脑有望逐步取代传统PC。全球AI电脑市场在未来五年内的复合年增长率预计将达到38%,到2030年市场估值有望达到约3500亿美元。
Gartner高级总监分析师Ranjit Atwal认为,英伟达与微软联合推出聚焦AI智能体支持的AI驱动PC,可能意味着双方正试图将PC纳入企业整体AI战略的核心组成部分。
"这是PC市场跻身基础设施阵营的唯一机会,也是最关键的机会,"他在接受CIO Dive采访时表示。
Atwal进一步指出,英伟达此举并非意在切入PC整机市场。其长期战略核心在于实现跨设备、跨本地环境与云端的智能体编排与统一管理。
"我们正在看到的是,目前正在开发中的AI智能体,最终将沿着从云端到本地、再到终端设备的路径逐层下沉,"他说,"你将看到它们在全平台范围内被统一调度,而这需要一个能够跨所有硬件设备提供该能力的统一平台。"
Q&A
Q1:RTX Spark芯片是什么?它有哪些核心功能?
A:RTX Spark是英伟达联合微软推出的一款芯片,专为运行个人AI智能体的Windows电脑设计。它支持在本地设备上运行AI智能体与前沿大语言模型,无需依赖云端,是英伟达向终端设备延伸算力布局的核心产品。黄仁勋将其定义为"超级芯片",称搭载该芯片的PC是"个人AI计算机"。
Q2:DGX Station for Windows和普通工作站有什么区别?
A:DGX Station for Windows是一款桌面级AI超级计算机,最大的不同在于它能够在本地运行参数规模高达1万亿的前沿大模型。传统工作站无法承载如此规模的AI计算任务,通常需要依赖数据中心。DGX Station将这种算力搬到了桌面旁,使企业无需借助远程数据中心即可在本地跑通大规模AI工作负载,预计2026年第四季度上市。
Q3:AI电脑市场目前发展情况怎么样?
A:AI电脑市场近期增速出现放缓,主要受宏观经济压力和贸易不确定性影响。但长期前景依然乐观,预计随着企业在2027年前后开启新一轮PC换机周期,AI电脑将逐步替代传统PC。据预测,全球AI电脑市场未来五年复合年增长率将达38%,到2030年市场规模有望突破3500亿美元。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。