NVIDIA 與微軟 10 月 13 日宣布，搭載 RTX Spark 的 Windows 筆電將於 10 月 16 日（週五）上市。這顆晶片 6 月在 Computex 首度亮相，當時只公布硬體規格和「今年秋天上市」的說法，這次補上的是開賣日期，以及一整份軟體清單。
硬體規格沒有變：最高 128GB 統一記憶體、1 petaflop AI 算力，CPU 與 GPU 整合在同一顆「超級晶片」上，走 Windows on Arm 路線。NVIDIA 在部落格中稱之為「a new beginning for the PC」（PC 的全新開端）。至於有哪些品牌與機型首發、各自定價多少，這篇部落格並未提及，要等 16 日各家上架才知道。
先補齊的是開發環境
Arm 版 Windows 過去最常被詬病的就是軟體跟不上。這次 NVIDIA 把開發者這一層列得相當細：
- PyTorch、Python、CUDA 以及所有 CUDA 函式庫都能使用，其中包括第一個支援 Windows on Arm 的 PyTorch-CUDA 版本；
- Python 3.15 在 Windows on Arm 上原生執行，原生 Conda 安裝程式內含 2,000 多個套件；
- 下載量前 15,000 名的 Python wheel 套件，已有 97% 準備就緒；
- llama.cpp 成為 Windows ML 的後端之一，並推出 Llama Windows 應用程式。
剩下 3% 的 wheel 套件是哪些、缺的是不是常用函式庫，部落格並未列出。
代理程式應用與本地路由
在應用層面，GitHub Copilot、Hermes、OpenClaw、Perplexity、Pi、WorkBuddy 這幾款代理程式（agent）應用取得了簡化的本地安裝流程，以及兩套安全隔離機制：NVIDIA 的 OpenShell 與微軟的執行容器 MXC。OpenClaw 與 GitHub Copilot 目前已支援 MXC，Hermes 則要到 10 月底才會補上 OpenShell 和 MXC。
NVIDIA 同時開源了名為 Switchyard 的模型路由函式庫，可依每次請求把任務分派給本地模型或雲端模型；個人 AI 路由工具 PAIR 結束測試，加上 llama.cpp 支援後，Windows、Linux、macOS 都能使用。GitHub Copilot 以名為 HydraFusion 的機制處理本地模型路由，微軟的 MAI 1.1 Coding Flash 則可在本機執行。
創作軟體方面，Adobe 的 Photoshop、Premiere 與 Substance 3D Painter 已針對 RTX Spark 最佳化，官方宣稱效能最高提升 2 倍，其中 Photoshop 和 Premiere 的 AI 功能最佳化仍在測試階段。Blender 5.3 測試版已經支援，ComfyUI 新增了 RTX 影片插格與 HDR 節點。遊戲方面，DLSS 5 的 2 倍速模型 10 月 16 日隨《NBA 2K27》上線，10 月 23 日進入 RTX Remix。
算一筆記憶體帳
這次搭配的主力模型是 Nemotron 3.5 Bolt 74B-A9B，10 月 15 日發布：總參數 740 億，每次啟用 90 億，採用 2-bit 量化，體積約 24GB。權重、訓練資料與訓練配方全部開源，可透過 llama.cpp、vLLM、Ollama、Unsloth 和 LM Studio 執行。NVIDIA 形容它是要在速度與智慧之間找到最佳平衡。
粗略算一下：740 億參數以 2-bit 儲存，光權重就約 18.5GB，再加上量化中繼資料與部分高精度層，官方給的 24GB 是合理的。放進 128GB 統一記憶體，模型本體占不到五分之一，剩下的空間可以留給長上下文的 KV 快取，或同時掛一個小模型來做路由。依此估算，同樣的記憶體裝 4-bit 版本約需 37GB 以上，也還放得下。就體積來看，24GB 這一檔更像是照顧記憶體較小的低階機型，NVIDIA 並未說明選擇 2-bit 的理由。
2-bit 量化究竟損失多少能力，部落格沒有提供與較高精度版本的比較分數，目前也沒有第三方評測，這是開賣後最先需要有人實測的項目。
另一款 Nemotron 3.5 Bolt E4B 只有約 4GB，是供 NVIDIA ACE 遊戲角色使用的第三代小模型，10 月 23 日發布。NVIDIA 還提到，本地大型模型的下載量已是去年全年的 5 倍，這個數字的統計口徑部落格並未說明。
價格是這批機器能賣多少的最大變數。6 月發表時，NVIDIA 只說首批定位高階，之後會推出記憶體較小的版本。16 日上架後，128GB 頂配與低配之間差多少錢，就能看出「在筆電上本地執行 70B 級模型」要多付出多少代價。
參考來源：NVIDIA 官方部落格（開賣日期、軟體生態與 Nemotron 3.5 Bolt 參數）；CocoLoop；Computex 2026 RTX Spark 發表資料（記憶體與算力規格）。