За последние два года производители ПК при продвижении «AI PC» неоднократно упоминали один параметр: производительность NPU. Однако будь то 45 TOPS у Intel Lunar Lake или 50 TOPS у AMD Strix Point, эти цифры остаются на относительно скромном уровне — достаточно для размытия фона, подавления шума в голосе и запуска небольших локальных моделей, но больше ничего.
31 мая NVIDIA на конференции GTC 2026 представила суперчип RTX Spark, подняв этот показатель до 1 петафлопа, то есть 1000 TOPS. Не улучшение на 30% или 50%, а прямой скачок на порядок.
Также были опубликованы другие новости: Microsoft интегрировала с помощью RTX Spark улучшенные встроенные механизмы безопасности Windows и добавила открытую среду выполнения OpenShell от NVIDIA на платформу Windows; Adobe объявила о полной переработке Photoshop и Premiere с целью специальной адаптации под унифицированную архитектуру общей памяти RTX Spark; первые шесть производителей OEM подтвердили, что осенью этого года представят тонкие ноутбуки и компактные настольные компьютеры с этим чипом.
На этой GTC NVIDIA не выпустила новую чип-плату. Она пытается установить новый аппаратный стандарт для категории «персонального ИИ-компьютера».
Когда GPU становится главным героем ПК
Сначала рассмотрим сам чип. Согласно данным, опубликованным NVIDIA на GTC, RTX Spark интегрирует GPU архитектуры Blackwell с 6144 ядрами CUDA, а также 20-ядерный CPU Grace с архитектурой Arm, разработанный совместно с MediaTek, на основе технологического процесса TSMC 3 нм. Ключевое изменение заключается в архитектуре памяти: до 128 ГБ единой памяти, где CPU и GPU используют общий пул памяти, и данные не нужно перемещать между ними.
Это противоречит логике архитектуры ПК в прошлом.
Традиционная архитектура ПК представляет собой «x86 CPU в качестве основного процессора и отдельная GPU в качестве опционального аксессуара». Даже недавно возникшая концепция AI-ПК предполагает, что Intel и AMD интегрируют NPU непосредственно в CPU в качестве дополнительного модуля для ускорения ИИ, при этом вычислительная мощность обычно составляет 40–50 TOPS. GPU остается «внешним устройством».
RTX Spark перераспределил власть. Этот SoC превращает GPU в главную фигуру, а CPU оттесняет на вторую роль. NVIDIA заявляет о вычислительной мощности ИИ в 1 петафлоп FP4, что эквивалентно 1000 TOPS и превышает вычислительную мощность встроенного NPU в предыдущем поколении AI PC более чем в 20 раз. Это не просто ускорение на той же трассе — это старт на совершенно другой трассе.
Скорость реакции OEM-производителей подтверждает этот вывод. Согласно официальному объявлению NVIDIA и последующим материалам DIGITIMES, ASUS, Dell, HP, Lenovo, Microsoft Surface и MSI представят тонкие ноутбуки и компактные настольные ПК с RTX Spark осенью этого года, а Acer и Gigabyte последуют за ними. Почти все основные бренды Windows PC присоединяются к этому движению.
RTX Spark — это не продукт, созданный с нуля. В начале 2025 года тот же чип на базе Blackwell и Grace ранее представлялся под названиями Project DIGITS и DGX Spark, но тогда он позиционировался как суперкомпьютер для разработчиков под Linux, размером, сопоставимым с небольшим настольным ПК. Через год эта архитектура была упакована в охлаждающее пространство тонкого и легкого ноутбука, операционная система была заменена с Linux на Windows, а целевая аудитория расширена с AI-разработчиков до обычных потребителей и корпоративных пользователей. Именно это — наиболее значимое изменение в потребительском анонсе на GTC 2026: NVIDIA не выпускает игрушку для разработчиков, а открывает двери на потребительский рынок.
Хватит ли 120B модели для работы локально?
Числа вычислительной мощности и памяти в конечном итоге должны ответить на вопрос: что это позволяет делать?
На презентации NVIDIA заявила, что RTX Spark поддерживает локальное выполнение крупных моделей с 120 млрд параметров, при этом окно контекста может достигать миллиона токенов. Что означает 120 млрд? В качестве сравнения: текущая стандартная практика для потребительского оборудования позволяет запускать модели с параметрами от 30 до 40 млрд на видеокарте RTX 4090 с 24 ГБ видеопамяти за счет квантового сжатия. Некоторые небольшие модели могут быстро запускаться на потребительских видеокартах — это модели с 9 млрд параметров. Переход от 9 млрд к 120 млрд пересматривает критерий «достаточно» для AI на конечных устройствах.
128 ГБ единой памяти — это основа всего этого. В традиционной архитектуре ПК ЦП имеет свою системную память, а ГП — свою видеопамять, между ними существует физическая граница. Модель, превышающая объем видеопамяти, либо вообще не запускается, либо требует сложного разделения модели и обмена памятью, что резко снижает скорость. Единая архитектура памяти устраняет этот узкий канал: данные модели напрямую помещаются в общий пул объемом 128 ГБ, к которому имеют доступ и ЦП, и ГП. Apple впервые доказала практическую применимость этого технологического подхода в потребительском сегменте на Apple Silicon, а теперь NVIDIA переносит его в экосистему Windows.
Помимо вывода больших моделей, к примерам использования, перечисленным NVIDIA, относятся редактирование видео 12K, рендеринг 3D-сцен объемом более 90 ГБ и игры с трассировкой лучей со скоростью более 100 кадров в секунду при разрешении 1440p. Общая черта этих сценариев — огромный объем данных, обрабатываемых за один раз: традиционный ПК либо требует в несколько раз больше времени на обработку, либо вообще не может их запустить.
Между «поддержкой выполнения» и «плавной доступностью» существует значительный разрыв. NVIDIA не раскрыла реальную скорость вывода модели 120B на RTX Spark, а также не предоставила данные о задержке первого токена в сценариях с контекстом в миллион токенов. Ключевым показателем, определяющим скорость вывода при длинных контекстах, является пропускная способность памяти. В качестве эталона: DGX Spark, использующий те же ядра GB10, продемонстрировал в тестах пропускную способность памяти около 301 ГБ/с. Этого уровня пропускной способности достаточно для работы с моделью 120B, но при обработке контекстных окон в миллион токенов пользователю может потребоваться несколько секунд, чтобы увидеть первый выходной токен. Версия RTX Spark для ноутбуков может иметь еще более низкую фактическую пропускную способность из-за ограничений по энергопотреблению.
Добавьте безопасную клетку для AI-агента
Еще одним ключевым анонсом, помимо вычислительной мощности, является сотрудничество NVIDIA и Microsoft на системном уровне. Эта часть, возможно, является самой недооцененной, но наиболее значимой для отрасли в контексте потребительских анонсов GTC 2026.
Компьютер, способный запускать модель размером 120 млрд параметров, если он передан ИИ-агенту, который может самостоятельно управлять рабочим столом, нажимать кнопки и читать/записывать файлы, представляет собой не просто риск потери данных, а риск того, что агент совершит действия, которых вы не желаете. Пока эта проблема не решена, компании не смогут предоставлять такие устройства сотрудникам.
Решения от Microsoft и NVIDIA представляют собой два уровня защиты. Первый уровень: Microsoft обновила встроенные механизмы безопасности Windows, обеспечив мониторинг и ограничение поведения AI-агентов на уровне операционной системы. Второй уровень: NVIDIA официально внедрила среду выполнения OpenShell на платформе Windows. Согласно официальной документации NVIDIA, OpenShell — это открытая среда выполнения в песочнице, обеспечивающая изоляцию на уровне ядра. Она определяет контролируемый диапазон операций для AI-агентов, позволяя им автономно выполнять задачи в пределах этого диапазона, но строго ограничивая их права: агенты не могут выходить за рамки и получать доступ к ключевым системным файлам, сетевым соединениям или конфиденциальным данным пользователей.
Значение этого решения для корпоративных закупок очевидно. До этого концепция «локального ИИ-агента» оставалась на уровне технических демонстраций. Аппаратное обеспечение работало, но безопасностная архитектура отсутствовала. Ни один корпоративный ИТ-отдел не рискнул бы включить такие устройства в список закупок. NVIDIA и Microsoft вставили между аппаратным обеспечением и приложениями стандартизированный изолирующий слой, превратив «работает» в «управляемо».
Производительность OpenShell сама по себе является переменной, требующей наблюдения. Изоляция в песочнице обычно приводит к определенной потере производительности; однако NVIDIA пока не публикует данные о том, насколько это повлияет на скорость вывода или отзывчивость системы. Сложность развертывания в корпоративной ИТ-среде и совместимость с существующими политиками безопасности — эти практические вопросы можно будет подтвердить только после выхода устройств OEM.
Почему Adobe готова «перестроить с нуля»
Степень сотрудничества производителей программного обеспечения обычно является индикатором того, сможет ли новая аппаратная платформа утвердиться на рынке.
Действия Adobe, объявленные во время GTC, являются самым значительным сигналом на программной стороне в этой серии выпусков. Согласно официальному блогу NVIDIA и подтверждению руководителей Adobe, Adobe начала фундаментальную реконструкцию Photoshop и Premiere, специально адаптированную под унифицированную архитектуру памяти RTX Spark, заявив, что производительность ИИ и графической обработки может увеличиться вдвое.
«Рефакторинг основы» — это не просто добавление плагина или создание слоя совместимости. На традиционных ПК CPU и GPU имеют отдельные пространства памяти, и при обработке огромного файла PSD или временной шкалы видео 8K данные постоянно копируются между двумя системами памяти — это главный источник потерь производительности. Единая память RTX Spark позволяет CPU и GPU напрямую использовать одну общую область памяти объемом 128 ГБ, и это изменение архитектуры имеет реальную ценность для рабочих процессов профессиональных создателей. То, что Adobe изменила базовый код, подтверждает, что она считает эту архитектурную направленность не разовым маркетинговым ходом.
Однако ни NVIDIA, ни Adobe не раскрыли, с чем именно сравнивается этот «2-кратный ускоренный» показатель — с процессорами x86 того же поколения в сочетании с дискретной видеокартой или с решением NPU предыдущего поколения AI-ПК? Результаты будут совершенно разными. До тех пор пока условия тестирования не будут раскрыты, достоверность этого числа остается под вопросом.
Также поддержку объявили Blackmagic Design, ComfyUI, llama.cpp, OTOY и несколько игровых компаний. Следует отметить поддержку ComfyUI и llama.cpp, поскольку это одни из самых активных открытых инструментов в текущих локальных AI-рабочих процессах. Ранняя поддержка со стороны сообщества разработчиков часто более точно отражает потенциал экосистемы платформы, чем обещания крупных компаний.
NVIDIA использует экосистему CUDA и архитектуру унифицированной памяти, чтобы создать на платформе Windows опыт, подобный интегрированному подходу Apple. Разница в том, что Apple строит свой забор сама, а NVIDIA должна убедить Microsoft и ISV присоединиться к этому строительству. То, что Adobe готово работать на низком уровне, по крайней мере, означает, что первый кирпич этой стены уже положен.
За пределами технических характеристик
Вернемся к самому практическому вопросу: можно ли вообще купить эти устройства, и каков опыт их использования?
Согласно информации, опубликованной NVIDIA, первые устройства RTX Spark поступят в продажу осенью этого года и включают тонкие ноутбуки и компактные настольные компьютеры от ASUS, Dell, HP, Lenovo, Microsoft Surface и MSI. Модели от Acer и Gigabyte последуют за ними позже. Конкретные цены и точные даты выхода всех OEM-производителей не были раскрыты.
Более важными, чем цена, являются несколько неизвестных на физическом уровне. Как сбалансировать энергопотребление и теплоотвод, если вставить чип с вычислительной мощностью 1 петафлоп в тонкий и легкий ноутбук? Какова производительность RTX Spark в повседневных офисных задачах и автономная работа вне сценариев ИИ? Не сократится ли фактическая пропускная способность 128 ГБ унифицированной памяти в форм-факторе ноутбука из-за ограничений по энергопотреблению?
Эти вопросы — настоящий тест для промышленного внедрения. Пиковая вычислительная мощность чипа на инженерном образце и его реальная производительность в руках потребителей по 8 часов в день — это часто две разные вещи. NVIDIA подчеркнула энергоэффективность RTX Spark на презентации, но не предоставила конкретных значений TDP или данных о времени автономной работы.
С точки зрения структуры индустрии ПК, появление RTX Spark знаменует формирование новой модели разделения труда. В течение последних тридцати лет ключевые технологии центральных процессоров ПК находились в руках производителей процессоров x86, а производители GPU, хотя и становились все более важными, оставались «дополнительными компонентами, подключаемыми к материнской плате». NVIDIA представила полноценный SoC, в котором интегрированы CPU, GPU и контроллеры памяти; часть CPU на архитектуре Arm была разработана MediaTek. Структура власти в цепочке поставок ПК переходит от модели «x86 CPU с опциональным GPU» к модели «SoC-платформы с центром на GPU».
Этот переход не произойдет за один день. Стратегия ценообразования OEM, реальная энергоэффективность продуктов, прогресс адаптации ПО ISV и цикл проверки закупок корпоративными клиентами — каждый из этих этапов определяет, станет ли RTX Spark новой точкой отсчета для индустрии ПК или просто еще одним техническим демо с высоким началом и низким завершением. Ответ появится не раньше осени этого года.