Nvidia RTX Spark tar KI til laptopen, men å kalle den en MacBook-killer er for tidlig

Hva er RTX Spark egentlig?

Nvidia beskriver RTX Spark som en superchip på 1 petaflop for Windows-maskiner. Den kombinerer en Blackwell RTX-grafikkenhet, 6144 CUDA-kjerner, Tensor-kjerner i femte generasjon, FP4-beregning og en 20-kjerners Grace ARM-prosessor. Nvidia og Microsoft posisjonerer ikke plattformen som nok en ordinær oppgradering av KI-PC-en, men som en ny klasse datamaskiner bygget for å kjøre lokale KI-agenter. Laptoper og små stasjonære PC-er ventes fra ASUS, Dell, HP, Lenovo, Microsoft Surface og MSI, mens Acer og Gigabyte skal følge senere.

Den viktigste tekniske forskjellen sammenlignet med en vanlig laptop er samlet minne. Nvidia lover opptil 128 GB samlet minne, delt mellom CPU og GPU. Det er viktig for lokale store språkmodeller, fordi modellen ikke må få plass i separat grafikkminne. Nvidia sier at RTX Spark kan kjøre LLM-er med opptil 120 milliarder parametere lokalt, håndtere en kontekst på opptil én million tokener, behandle 12K 4:2:2-video og rendre 3D-scener større enn 90 GB.

Det største løftet handler ikke om gaming, men om lokal KI

Nvidia snakker om 1440p-gaming med mer enn 100 bilder i sekundet med DLSS, men det er ikke den mest interessante delen av RTX Spark. Det viktigste budskapet er at datamaskinen ikke trenger å sende hver eneste forespørsel til skyen. Den kan kjøre enkelte agenter, utviklingsoppgaver og kreative arbeidsflyter lokalt. Det reduserer avhengigheten av internettilkobling, kan forbedre personvernet og gir utviklere en måte å eksperimentere med større modeller uten å vente på tilgang til skybaserte GPU-er.

CUDA, TensorRT, OptiX, DLSS og det bredere RTX-programvarelaget gir plattformen et større økosystem enn den typiske KI-laptopen som først og fremst markedsføres med et NPU-TOPS-tall. Hvis Adobe, Blackmagic, Blender, ComfyUI, OTOY og spillstudioer faktisk optimaliserer arbeidsflytene sine for RTX Spark, kan dette bli et seriøst verktøy for innholdsskapere og KI-utviklere. Nvidia sier at Adobe bygger Premiere og Photoshop på nytt for RTX Spark og lover opptil dobbelt så høy KI- og grafikkytelse i relevante arbeidsflyter.

Én petaflop høres enormt ut, men sammenhengen betyr noe

Én petaflop kan høres ut som en superdatamaskin i en laptop, men tallet bør ikke leses som et enkelt mål på generell CPU- eller spillytelse. Nvidias dokumentasjon for DGX Spark, for den beslektede GB10 Grace Blackwell-plattformen, presiserer at tallet på opptil 1 PFLOP gjelder FP4-presisjon med sparsity. Den samme dokumentasjonen oppgir 6144 CUDA-kjerner, 20 ARM-kjerner, 128 GB LPDDR5X samlet minne og 273 GB/s minnebåndbredde for DGX Spark.

Det betyr at tallet er nyttig for å beskrive KI-inferens og enkelte optimaliserte arbeidsflyter, ikke for en direkte sammenligning med ytelsen i vanlige laptoper. Apples M4 Max støtter for eksempel opptil 128 GB samlet minne og opptil 546 GB/s minnebåndbredde, mens de tekniske dataene for M5 Max går opp til 614 GB/s. Nvidia ligger dermed ikke automatisk foran Apple i alle arbeidslaster, selv om KI-tallet ser svært stort ut på en presentasjonsslide.

Konkurrentene står ikke stille

Apples MacBook Pro står fortsatt sterkt blant kreative fagfolk, takket være svært raskt samlet minne, ProRes-mediamotorer, god batteritid og en moden macOS-arbeidsflyt. Apples svake punkt er fraværet av CUDA, noe som gjør at mange verktøy for KI og vitenskapelig databehandling fortsatt heller mot Nvidia.

Qualcomms Snapdragon X Elite og X2 Elite går en annen vei: energieffektive ARM-baserte Windows-laptoper bygget rundt batteritid og lokal KI i Copilot Plus-klassen. Snapdragon X Elite tilbyr LPDDR5X-minne med 135 GB/s båndbredde, og Qualcomm fremhever også lokal KI-bruk. Nvidia retter imidlertid tydelig sin større GPU og CUDA-økosystemet mot tyngre kreative arbeidslaster og utviklingsoppgaver.

AMD Ryzen AI Max Plus 395 kan være Nvidias nærmeste x86-rival. AMDs offisielle tall viser opptil 128 GB LPDDR5X-minne, Radeon 8060S-grafikk og en tydelig satsing på integrert GPU-ytelse. Det gir kompakte arbeidsstasjoner og kreative laptoper et reelt alternativ, særlig der brukeren trenger Windows-kompatibilitet og ikke vil ta risikoen ved en ARM-plattform.

Intel Core Ultra 200V Lunar Lake-brikker spiller i markedet for tynne laptoper og bedriftsmaskiner. Intel løfter frem NPU-ytelse på over 40 TOPS, men RTX Spark prøver ikke bare å oppfylle minstekravet for Copilot Plus. Nvidia sikter mot tyngre lokale modeller, 3D-arbeid, videobelastninger og gaming.

Det store spørsmålet er Windows on ARM

RTX Spark kan se imponerende ut teknisk, men den praktiske suksessen avhenger av økosystemet rundt Windows on ARM. Vanlige brukere kjøper ikke en laptop bare for CUDA eller lokale LLM-er. De vil at nettleseren, kontorprogramvaren, drivere, spill, tilbehør, VPN-er, bankverktøy, skrivere og eldre arbeidsprogrammer skal fungere uten problemer.

Nvidia og Microsoft snakker om sikre Windows-agenter, OpenShell og nye sikkerhetsprimitiver, men det er fortsatt et løfte for fremtiden. Det samme gjelder gaming. 1440p og mer enn 100 bilder i sekundet med DLSS høres bra ut, men den virkelige testen blir hvordan enkeltspill kjører på Windows on ARM, hvor mye ytelse som går tapt i emulering og hvor mye som avhenger av native porter.

Hva betyr dette for kjøpere?

For brukere er det lite sannsynlig at RTX Spark blir en billig laptopplattform for massemarkedet. Den passer mer naturlig i verdenen til kreative fagfolk, utviklere, KI-eksperimentører og bedriftsbrukere som trenger seriøs ytelse. De endelige prisene er ennå ikke klare, men partnerlisten og det tekniske nivået peker mot premiumsegmentet, ikke en skolelaptop til 1000 euro.

Det praktiske kjøpsvalget avhenger av tre ting: hvor godt programvaren din kjører på Windows on ARM, om du faktisk trenger CUDA-basert lokal KI, og om batteritiden under tung belastning holder seg nær Nvidias løfter. Hvis svaret er ja, kan RTX Spark bli en svært viktig plattform. Hvis du hovedsakelig bruker nettleser, Office, video og litt bilderedigering, kan Apple, AMD, Intel eller Qualcomm tilby et billigere og roligere valg.

Teknisk oppsummering

RTX Spark kombinerer en 20-kjerners ARM-prosessor med en Blackwell RTX-GPU med 6144 CUDA-kjerner.

Nvidia lover opptil 1 PFLOP FP4-KI-ytelse og opptil 128 GB samlet minne.

Plattformen retter seg mot lokale KI-agenter, store språkmodeller, 12K-video, 3D-arbeid og gaming med DLSS.

Tallet på 1 petaflop er ikke et generelt ytelsesmål. Det viser til FP4-KI-beregning under bestemte forhold.

De største risikoene er pris, programvarekompatibilitet på Windows on ARM, reell batteritid og fraværet av uavhengige tester.