内容提要
英伟达与微软在旧金山宣布合作,为Windows PC打造AI智能体平台。微软推出MXC执行容器,使智能体能在系统级安全运行。英伟达发布RTX Spark芯片,最高128GB统一内存、1 petaflop AI算力,可本地运行大模型,笔记本10月16日发售。同时预览DGX Station for Windows,为首款桌面AI超算,算力达20 petaFLOPS,支持万亿参数模型。
延伸解读
本地AI算力提升对开发者的意义
RTX Spark最高128GB统一内存和1 petaflop FP4算力,使笔记本能本地运行如Qwen 3.8 Flash Next的125B参数模型,无需云端。这降低了数据外传风险,并让开发者在不改写代码的情况下,将模型从RTX Spark迁移到DGX Station,因为两者共享CUDA平台。
MXC容器:智能体安全运行的基础
微软推出的MXC是操作系统级执行容器,让AI智能体能在后台安全、持久运行,并受系统监控和治理。这解决了智能体在PC上执行时的安全与管控问题,为下一代IT应用奠定基础,类似当年Windows和DirectX对应用开发的革新。
DGX Station for Windows填补企业桌面空白
此前DGX Station仅支持Linux,企业开发者需维护两套环境。现在Windows版搭载GB300 Grace Blackwell Ultra,提供748GB一致内存和20 petaFLOPS FP4算力,可本地运行万亿参数模型,并直接连接现有Windows应用,同时通过WSL保留Linux工具链。
产品上市与生态合作
RTX Spark笔记本即日开启预购,10月16日发售;紧凑台式机11月上市。宏碁、华硕、戴尔、惠普、联想、微软、微星和技嘉将推出从轻薄本到紧凑台式机的多种设计,面向持续运行的智能体场景。DGX Station for Windows已预览,可注册获取上市通知。
Q&A
英伟达和微软在Windows PC上合作推出了哪些主要产品?
英伟达和微软合作推出了RTX Spark芯片和DGX Station for Windows。RTX Spark将完整的NVIDIA AI堆栈带入Windows笔记本电脑和紧凑型台式机,最高128GB统一内存和1 petaflop AI算力。DGX Station for Windows是首款桌面AI超级计算机,搭载GB300 Grace Blackwell Ultra桌面超级芯片,提供748GB一致内存和20 petaFLOPS FP4 AI算力。
RTX Spark芯片的主要规格和性能如何?
RTX Spark结合了NVIDIA Blackwell RTX GPU(最高6,144个核心)和最高20核NVIDIA Grace CPU,通过600 GB/s连接。提供1 petaflop FP4 AI性能和最高128GB统一内存,可本地运行如Qwen 3.8 Flash Next(125B模型)等大模型,无需云端。支持完整NVIDIA CUDA平台,适用于开发者、创作者和游戏玩家。
微软的MXC是什么?它在AI智能体运行中起什么作用?
MXC(Microsoft Execution Containers)是微软宣布的OS级基础设施,已正式可用。它允许AI智能体在操作系统控制下安全、持久地在后台运行,使智能体可被保护、观察和管理。MXC与Microsoft Security和Agent 365一起,旨在解锁Windows上智能体的全部潜力。
DGX Station for Windows与之前的DGX Station有何不同?
之前的DGX Station运行Linux,导致企业开发者需维护Linux和Windows两个独立环境。DGX Station for Windows是首款桌面AI超级计算机,将GB300 Grace Blackwell级AI基础设施直接带入Windows生态系统,使开发者能在主要机器上构建和运行始终在线的AI智能体,并微调和推理大模型,无需离开Windows。必要时仍可通过WSL访问Linux AI工具链。
RTX Spark笔记本电脑何时可以购买?有哪些品牌?
RTX Spark笔记本电脑预购于活动当天(2026年10月7日)开放,正式发售日期为10月16日。紧凑型台式机将于11月上市。提供系统的品牌包括宏碁、华硕、戴尔、惠普、联想、微软、微星和技嘉,设计涵盖超薄笔记本电脑到为始终在线智能体构建的紧凑型台式机。
DGX Station for Windows的算力和内存容量是多少?能运行多大的模型?
DGX Station for Windows搭载GB300 Grace Blackwell Ultra桌面超级芯片,提供748GB一致内存和最高20 petaFLOPS FP4 AI算力,足以在本地运行高达万亿参数规模的模型。