RTX Spark 和 DGX Spark 用的硬件有不少共通之处，很多人第一眼会觉得它们差不多。其实两者定位完全不同：DGX Spark 是一台“个人 AI 超级计算机”，RTX Spark 则是一台既能跑 AI、也能日常使用的 Windows 笔记本或台式机。
原文作者用了一周 RTX Spark，他的感受是：硬件很强，但整体上总觉得没做完。下面我们把两者的区别讲清楚，您可以先看看这张对比表。
一张表看懂两者区别
| 对比项 | DGX Spark | RTX Spark（笔记本 / 台式机） |
|---|---|---|
| 定位 | 个人 AI 超级计算机，多为无屏幕、远程使用 | 日常可用的 AI 电脑 |
| 操作系统 | 定制版 Ubuntu | 默认 Windows |
| 功耗上限 | GB10 约 140W | 笔记本 45W 至 80W；台式机与 DGX Spark 相同 |
| 内存规格 | 64GB 或 128GB | 最低 24GB，最高 128GB |
| 内存带宽 | 约 273GB/s | 约 300GB/s（原文测试机型） |
| 多机互联 | 支持 ConnectX-7 200Gbps，最多八台组成集群 | 不支持 |
两者共用一颗芯片
底层硬件差不多
RTX Spark 和 DGX Spark 其实是两台完全不同的机器：RTX Spark 是小巧的 Windows 笔记本或台式机，DGX Spark 则是运行 Linux 的迷你主机。但“底子”很接近。
两者都用 GB10 或它的变体 N1X 芯片，这是英伟达专门为 AI 负载设计的紧凑型“超级芯片”。GB10 带有 6144 个 CUDA 核心、192 个 Tensor 核心和 48 个 RT 核心；N1X 有一个略缩水的版本，CUDA 核心为 5120 个。原文说，这些规格大致接近移动版 RTX 5070。
内存方面，GB10 和顶配 N1X 最高支持 128GB，低配的 N1X 最多 32GB。两者理论上都能提供约 1 PFLOPS 的 FP4 算力。FP4 是一种低精度的计算格式，常用于大模型推理。数字看着漂亮，但实际速度还要看内存等因素，不能只看这一个数。
差别主要体现在功耗、系统和扩展能力上。
功耗上限不一样
芯片相同，但功耗上限不同。DGX Spark 中 GB10 的设计功耗约为 140W，系统其余部分还有大约 100W 的余量。RTX Spark 笔记本则被限制在 45W 到 80W 之间。RTX Spark 台式机的功耗上限和 DGX Spark 相同。
多机扩展能力差别很大
这是 DGX Spark 最突出的地方。它配有 ConnectX-7 网卡，带宽 200 Gbps，用一根 QSFP 线就能把两台连起来。据原文介绍，截至 2026 年 10 月，您可以手动把最多八台 128GB 版本组成集群，获得约 1TB 的合并内存池。RTX Spark 做不到这一点，两台笔记本没法把内存合在一起用。
两者定位完全不同
DGX Spark 是小型超级计算机
DGX Spark 的接口包括四个 USB-C、一个 HDMI 2.1a、一个 10GbE 网口和两个 QSFP 口。没有耳机孔、USB-A 口或读卡器，这些是消费级电脑常见的接口。
它通常是无屏幕、通过远程方式使用的：既可以当作 AI 任务的远程服务器，也可以直接在上面做模型相关的工作，比如训练 LoRA、微调稠密模型，或者对混合专家（MoE）模型做剪枝。LoRA 可以理解为一种成本较低的模型微调方法。系统是英伟达为 AI 应用定制的 Ubuntu。如果您想先了解本地模型在笔记本上的情况，也可以参考 跑本地大模型，为什么有人更愿意先看骁龙笔记本。
RTX Spark 更像一台普通电脑
RTX Spark 产品线包括小型台式机和笔记本，走的是另一条路线。它用的是同一颗 GPU，但去掉了 ConnectX-7 网卡。内存方面，RTX Spark 最低有 24GB 的版本，而 DGX Spark 只提供 64GB 和 128GB 两种。
功耗上，RTX Spark 笔记本做得更省电，最强型号也只有 80W，而 DGX Spark 的 GB10 大约 140W。原文作者使用的是联想 Yoga 9n 2-in-1，他认为续航上的取舍是值得的，连续用了一周多，只充了几次电。不过如果满负荷跑 AI 任务，电池不到两小时就会耗尽。
RTX Spark 默认都装 Windows，这一点是两者最大的差别之一。
性能对比：差距比想象中小
内存速度是关键
尽管功耗差距很大，RTX Spark 在一些场景里居然能超过 DGX Spark。主要原因在内存：原文作者的 RTX Spark 内存带宽约 300GB/s，比 DGX Spark 的 273GB/s 快约 10%。
这意味着它能每秒生成更多的 token（也就是模型输出的文字片段）。
无论您用的是 llama.cpp 还是 Ollama，结论基本一样。
但在不受内存限制、主要拼纯计算能力的任务上，比如矩阵乘法或 N 体模拟，DGX Spark 仍然领先。
RTX Spark 为什么显得不成熟
硬件很好，整体却像没做完
RTX Spark 的硬件和 DGX Spark 有很多共同之处，也能跑很多相同的软件。但原文作者觉得，它比 DGX Spark 明显“没做完”。
按理说，RTX Spark 是第一台真正能跑强力 AI 模型的 Windows AI 笔记本，内存也够大。但软件生态是另一回事。原文作者开机时以为会看到一些实用的 AI 功能，结果只找到几个利用 NPU 的视频和音频滤镜，没有任何东西明确告诉他“这是一台为 AI 设计的电脑”。
英伟达提供了文档，也有针对 RTX Spark 的引导弹窗（原文作者的机器上没有出现），可以帮您接入 OpenClaw、Hermes 和 Perplexity Portable Computer 等第三方工具。但这些更像是发烧友工具，不太会让新手眼前一亮，也不太能让人主动去用更多。在原文作者看来，AI 应该像操作系统的自然延伸，而不是额外贴上去的东西。
当然，这不代表平台做不到。原文作者把之前在 5070 Ti 上开发的几套 AI 工具搬到了 RTX Spark 上，运行效果不错。更大的内存还让他把家里的语音助手直接搬到笔记本上，跑更聪明的模型。问题是，这些能力都藏着，您得自己去找。
DGX Spark 的体验更顺手
如果没有 DGX Spark 做对比，RTX Spark 可能不会让人觉得这么“未完成”。DGX Spark 面向爱好者和专业用户，但一用起周边软件，就能明显感觉到英伟达在降低门槛。它附带的 Sync 应用提供一个整洁的面板，用来远程管理一台或多台 Spark，配对多台时还能自动完成，这一点很实用。系统自带了开始工作需要的包、库和软件。
同一颗芯片，两种用法
GB10 芯片本身很强，但体验取决于您在哪里使用它。DGX Spark 更像是一台专用的 Linux AI 设备，适合设计面向数据中心的工作流。RTX Spark 则面向爱好者和专业的 AI 使用者。
原文作者测试的 Yoga 9n 本身是个很好的笔记本，反应灵敏，他说是用过的最好的 Windows 笔记本之一。但问题在于，AI 本应是它最主要的卖点，而现在开箱能用的 AI 功能屈指可数。如果您不愿意自己去找或做 AI 工具，它目前还不太值得入手。
常见问题（FAQ）
RTX Spark 能替代 DGX Spark 做 AI 训练吗？
原文的结论是：做纯计算密集的任务，DGX Spark 更有优势；受内存限制的推理，两者差距不大，RTX Spark 有时还略快。训练和微调类工作更偏向 DGX Spark，尤其是需要多机扩展时。
买 RTX Spark 笔记本要注意什么？
先想清楚用途。它功耗低、续航相对好，但满负荷跑 AI 时电池撑不了太久，目前开箱能用的 AI 功能也不多。如果需要多台机器拼内存，它做不到。
两者能跑同样的模型吗？
大多数情况下可以，原文说两者能运行很多相同的软件。不过 RTX Spark 默认是 Windows，DGX Spark 是 Linux，部分工具的安装方式会不同，需要按系统选择。
DGX Spark 的内存比 RTX Spark 大吗？
最高配置都是 128GB，但 RTX Spark 有 24GB 的低配版本，DGX Spark 则只提供 64GB 和 128GB。选购时要看具体型号的内存规格。
总结
RTX Spark 和 DGX Spark 用的是同一类芯片，但设计目标不一样：一个追求多机扩展和专业计算，一个追求日常可用和便携。如果您主要想在一台电脑上兼顾办公、娱乐和本地跑模型，RTX Spark 可以考虑；如果需要把多台机器连在一起，或者长期做 AI 开发，DGX Spark 更对口。