Nvidia RTX Spark: Tydzień użytkowania ujawnia możliwości tego małego urządzenia i jego dodatkowy koszt dla sztucznej inteligencji

Nvidia testowana przez tydzień: kulisy rewolucji AI i kart RTX, ekskluzywne testy i sekrety wydajności układów scalonych przedstawiają przyszłość informatyki i technologii.

Najważniejsze rzeczy, które musisz wiedzieć

  • Urządzenia RTX Spark z ujednoliconą architekturą pamięci (128 GB) przewyższają oddzielne karty graficzne do komputerów stacjonarnych w przypadku generatywnych zadań AI o wysokiej rozdzielczości, osiągając 2.7-krotnie szybszą generację wideo i 3-krotnie szybszą obliczenia AI pomimo niższego poboru mocy.
  • Początkowy czas reakcji układu Nvidia wynoszący mniej niż sekundę (0.32–0.98 s) sprawia, że ​​lokalni agenci są dynamiczni i zdolni do automatyzacji bieżących zadań administracyjnych za pośrednictwem samodzielnie hostowanych interfejsów, takich jak Telegram.
  • Kluczowe znaczenie ma tu równanie ekonomiczne: profesjonaliści z ugruntowanymi przepływami pracy uważają platformę Spark za „kod do oszukiwania” przy pracy, podczas gdy osoby zajmujące się eksploracją i te, które chcą uniknąć opłat za korzystanie z chmury, otrzymują o 80% większą moc dzięki platformom AMD za różnicę do 3000 USD, a zagorzali gracze kupują komputer stacjonarny z kartą RTX 5070 Ti o dwukrotnie większej wydajności.

Testy układu Nvidia RTX Spark w laptopach w ciągu ostatniego miesiąca były niczym narodziny zupełnie nowej klasy komputerów. Dzięki jego wrodzonej mocy obliczeniowej i surowej mocy zamkniętej w przenośnej obudowie, przekształcenie urządzenia w pełnoprawną maszynę wydaje się jak najbardziej uzasadnione.

Jednak gdy wyjmiesz układ N1X z laptopa i wszczepisz go do stacjonarnego minikomputera, takiego jak Asus ProArt GR1X , którego cena zaczyna się od 4,499 dolarów (do 6,999 dolarów za testowaną wersję 128 GB), cała historia ulega zmianie.

Prawdą jest, że urządzenie staje się szybsze od swojego odpowiednika w postaci laptopa, gdy jest podłączone do stabilnego źródła zasilania, jednak ten układ nie konkuruje już z MacBookiem Pro ; zamiast tego wkroczył na arenę rynku komputerów stacjonarnych — znacznie bardziej zaciętego i potężnego sektora, w którym Nvidia walczy sama ze sobą (w pewnych aspektach).

Na platformie testowej testowane są obecnie dwa urządzenia pamięci masowej o pojemności 128 GB. W zielonym narożniku znajduje się Asus ProArt GR1X, napędzany procesorem RTX Spark i wyposażony w 128 GB pamięci RAM. W czerwonym narożniku znajduje się Geekom A9 Mega , wyposażony w procesor AMD Ryzen AI Max 395 i tę samą konfigurację pamięci 128 GB, ale w cenie niższej o 3,000 dolarów.

Pamiętacie, jak wskazywaliśmy, że Nvidia walczy sama ze sobą na rynku komputerów stacjonarnych? Aby to udowodnić, do rywalizacji wprowadzono również komputer stacjonarny z kartą RTX 5070 Ti (szybkie sprawdzenie w PC Part Picker wskazuje, że będzie on o około 4,000 dolarów tańszy).

Przegląd ten będzie składał się z dwóch głównych etapów:

  • Przeanalizowaliśmy dane dotyczące wydajności, które Zrób różnicęOsoby zainteresowane inwestycją w ten system są zaniepokojone, ponieważ koszty są wysokie, a my chcemy mieć pewność zwrotu z inwestycji.
  • Dokumentujemy doświadczenie życia z tym urządzeniem. Chociaż RTX Spark wydaje się bardziej logiczny w laptopie, jego obecność w małym (i stale aktywnym, co jest najważniejsze) komputerze otwiera drzwi do posiadania lokalnego centrum danych.

Scenariusz 1: Agent lokalny

Przetestowaliśmy minikomputer o pojemności 128 GB, który działa jak stale włączony, niezwykle bezpieczny i niewymagający subskrypcji domowy mózg, wykorzystujący lokalny model, taki jak Qwen 3.8 Flash przez Hermes, do porządkowania porannej poczty, pobierania wiadomości i integracji z Home Assistant w celu automatyzacji zadań, takich jak obsługa robota odkurzającego.

Nvidia RTX Spark Mini PC

przesłanka

Pomysł opiera się na zakupie minikomputera o pojemności 128 GB, który ma stać się stale podłączonym, niezwykle prywatnym i bezpłatnym „domowym mózgiem” wykorzystującym lokalny model językowy (taki jak Qwen 3.8 Flash za pośrednictwem interfejsu Hermes), który automatycznie porządkuje poranne e-maile, wyodrębnia wiadomości z sieci i komunikuje się z Home Assistant , automatyzując inteligentne urządzenia, np. wysyłając polecenie robotowi odkurzającemu, aby posprzątał kuchnię.

Wydajność jest w tym przypadku mierzona za pomocą dwóch kluczowych wskaźników: liczby tokenów na sekundę (TPS), która odzwierciedla szybkość generowania tekstu, oraz czasu do pierwszego tokena (TTFT), który odzwierciedla czas reakcji przed rozpoczęciem udzielania odpowiedzi.

test

Testy przeprowadziliśmy na obu maszynach za pośrednictwem platformy LM Studio, wykorzystując model Qwen 3.8 o rozmiarze 27 miliardów parametrów. Test obejmował dwa standardowe zadania generatywne i jedno zadanie agentowe.

Standard/Zadanie Nvidia RTX Spark (Asus ProArt GR1X) AMD Ryzen AI Max 395 (Geekom A9 Mega)
Test pisania Apollo 17 (szybkość) 25.63 symboli na sekundę 20.76 symboli na sekundę
Test pisemny Apollo 17 (odpowiedzi) 0.32 sekundy 1.10 sekundy
Podsumowanie bitwy pod Waterloo (Speed) 31.11 symboli na sekundę 24.30 symboli na sekundę
Podsumowanie bitwy pod Waterloo (odpowiedź) 0.98 sekundy 2.41 sekundy
Zadanie wymagające programowania (szybkość) 30.03 symboli na sekundę 23.77 symboli na sekundę
Działające zadanie programistyczne (odpowiedź) 0.55 sekundy 1.26 sekundy

Życie z urządzeniami Nvidia

Nvidia RTX Spark Mini

Procesor firmy Nvidia charakteryzuje się niezwykle szybkim czasem reakcji, podobnym do reakcji zawodowego kierowcy wykonującego idealny zwrot w Silverstone. Czas reakcji poniżej sekundy sprawia, że ​​agenci prowadzący konwersację są dynamiczni, a gdy urządzenie przekształci się w samodzielnie hostowanego agenta dostępnego za pośrednictwem aplikacji Telegram, może on wykonywać rutynowe poranne zadania administracyjne podczas rozmowy telefonicznej.

Korzystając z Nvidia PAIR , możesz wykorzystać wszystkie obsługiwane urządzenia w domu do współdzielenia obliczeń AI. Na przykład, polecenie na MacBooku Pro uruchomi urządzenie Spark do wykonania dłuższego zadania, jednocześnie wybudzając komputer stacjonarny z kartą RTX 5070 Ti do wykonania krótszego zadania.

NVIDIA Pair – oprogramowanie do klastrowania AI o otwartym kodzie źródłowym – YouTube
NVIDIA Pair – oprogramowanie do kompilacji AI typu open source – YouTubeOglądaj na YouTube

W przeciwieństwie do tego, komputer AMD również jest do tego w pełni zdolny, ale zatrzymuje się tylko na tyle długo, by dało się zauważyć, jak metaforycznie odchrząkuje. Mimo to, szybkość odczytu 24 symboli na sekundę na komputerze Geekme wciąż jest szybsza niż odczyt jakiegokolwiek ludzkiego tekstu.

W przypadku komputerów stacjonarnych jest to technicznie możliwe, ale z pewnymi zastrzeżeniami (ponieważ cała pamięć systemowa traktowana jest wówczas jako osobne klastry, a nie jeden wielki, zunifikowany obwód):

  • Model działa najlepiej, gdy jest przechowywany w pamięci VRAM procesora graficznego, a model z 27 miliardami parametrów, taki jak model testowy (nawet przy dużym obciążeniu), zajmowałby znaczną część z 16 GB pamięci wbudowanej w kartę RTX 5070 Ti.
  • Gdy pamięć GPU jest pełna, system jest zmuszony „przenieść” pozostałe dane do standardowej pamięci RAM, co powoduje powstanie ogromnego wąskiego gardła w ruchu i spowalnia prędkość przetwarzania danych z ponad 60 symboli na sekundę do zaledwie 4-5 symboli na sekundę.

To urządzenie do gier przypomina Ferrari jadące po 100-metrowym torze — jest niesamowicie szybkie, ale tor (pamięć VRAM) jest tak krótki, że nie da się utrzymać maksymalnej prędkości przed uderzeniem w ścianę. Z kolei minikomputery o pojemności 128 GB przypominają pociągi towarowe o niższej prędkości maksymalnej, ale wystarczająco pojemne, by przewozić ogromne ładunki (ogromne modele) bez ryzyka wykolejenia się.

Scenariusz 2: Paradoks twórcy treści

Chociaż komputery stacjonarne wyposażone w kartę graficzną RTX 5070 Ti świetnie radzą sobie z tradycyjnymi zadaniami graficznymi, to napotykają na poważny problem z pamięcią wideo (VRAM), co utrudnia realizację zadań związanych ze sztuczną inteligencją generatywną o wysokiej rozdzielczości. Natomiast ogromna, zunifikowana pula pamięci w komputerze RTX Spark z łatwością radzi sobie z tymi obciążeniami dzięki swojej pojemności, która znacznie przekracza przestrzeń adresową kart dyskretnych.

Nvidia RTX Spark Mini

przesłanka

Komputer stacjonarny z kartą RTX 5070 Ti z pewnością przewyższy te minikomputery w standardowych zadaniach graficznych. To potężna karta, która zużywa ponad dwukrotnie więcej energii niż RTX Spark (z całym szacunkiem dla rachunków za prąd i hałasu wentylatora w porównaniu do Spark).

Ale jak wspomniałem powyżej, standardowe procesory graficzne cierpią na podstawowe wąskie gardło pamięci. Mogą być szybkie, ale ich powierzchnia robocza jest mniej więcej wielkości latającej tacki z jedzeniem. W momencie, gdy próbujesz renderować wideo AI w wysokiej rozdzielczości lub tworzyć ogromne, trójwymiarowe wykresy Gaussa , komputerowi kończy się dostępna przestrzeń.

Ogromna, zunifikowana pula pamięci RTX Spark zapewnia powierzchnię równą ogromnemu stołowi jadalnemu, co pozwala na obsługę dużych obciążeń generatywnych.

test

Praktyczne testy porównawcze przeprowadzone za pomocą ComfyUI do generowania lokalnego wideo oraz syntetycznego pakietu Procyon do pomiaru surowego obciążenia obliczeniowego wykazały, że RTX Spark (Asus ProArt GR1X) przewyższył AMD Ryzen AI Max 395 (Geekom A9 Mega) 2.7-krotnie w generowaniu wideo i 3-krotnie w wynikach obliczeń AI, pomimo niższego poboru mocy.

Standard/Zadanie Nvidia RTX Spark (Asus ProArt GR1X) AMD Ryzen AI Max 395 (Geekom A9 Mega)
ComfyUI Minimax v3 (Generator wideo) 5 minut, 2 sekundy 13 minut, 51 sekund
Konwersja Handbrake 4K do 1080p 1 godzina, 42 minuty 2 godziny, 46 minut
Procyon Stabilna Dyfuzja XL 1,834 punktów 673 punktów
Procyon AI Computer Vision 3,879 punktów 1,284 punktów
Procyon Text Gene (Llama 3.1) 2,404 punktów 792 punktów

Życie z urządzeniem

Nvidia RTX Spark Mini

Opatentowane rdzenie Tensor firmy Nvidia i wysoce wydajny format rozdzielczości NVFP4 całkowicie przewyższają konkurencyjne rozwiązanie AMD, Strix Halo. Jak pokazują wyniki, urządzenie Spark renderowało sam film ComfyUI prawie trzy razy szybciej niż konkurent.

Dla artystów 3D, niezależnych twórców gier czy dyrektorów agencji reklamowych, którzy tworzą lokalne materiały wideo w krótkich terminach, czas w podróży dosłownie oznacza pieniądze. W takich profesjonalnych zastosowaniach Asus ProArt GR1X zwraca się z nawiązką.

Krótka uwaga do Asusa: To urządzenie skierowane do twórców – czy nie mogłoby być wyposażone w czytnik kart SD? Do przesyłania zdjęć muszę wracać do „piekła z kluczami sprzętowymi”.

Wygodny interfejs użytkownika
Wygodny interfejs użytkownika

Dla przeciętnego użytkownika wszystko sprowadza się do tego, jak postrzega te technologie. Osobiście widzę fundamentalną różnicę między ludzką kreatywnością a zwykłym tworzeniem odpowiednich podpowiedzi do generowania treści opartych na sztucznej inteligencji.

Mimo usprawnień w zakresie kreatywnego wykorzystania (np. karta RTX Spark jest teraz zoptymalizowana pod kątem RTX Spark) możliwości te zostały przetestowane w praktyce jedynie w wprowadzającym filmie na YouTube i kilku prostych eksperymentach rozrywkowych z prostą grafiką.

Scenariusz 3: Realistyczny test wydajności w grach

Nvidia RTX Spark Mini PC

Podstawowa hipoteza

Możliwości sztucznej inteligencji wiążą się z wysoką ceną, więc użytkownik powinien spodziewać się wysokiej wydajności również w grach. Dzięki temu urządzenie staje się prawdziwie kompleksowym rozwiązaniem.

Metodologia testowania

Testy obejmowały uruchomienie standardowych testów porównawczych 3DMark w celu zmierzenia wydajności grafiki oraz porównanie liczby klatek na sekundę w najważniejszych grach przed i po włączeniu DLSS 4.5.

Koło zębate Wynik 3DMark Time Spy Extreme Tor wyścigowy 3DMark Znak 3D Port Royal
Komputer zaprojektowany z kartą RTX 5070 Ti 13,358 punktów 7,555 punktów 14,224 punktów
Asus ProArt GR1X (RTX Spark) 6,524 punktów 3,135 punktów 10,037 punktów
Geekom A9 Mega (Ryzen AI Max 395) 5,336 punktów 2,042 punktów 6,184 punktów

Przesuń, aby przewinąć w poziomie

 

Gra (Ustawienia) Asus ProArt GR1X (RTX Spark) Komputer zaprojektowany z kartą RTX 5070 Ti
Black Myth Wukong (film 1440p bez DLSS) 30 klatek na sekundę 86 klatek na sekundę
Cyberpunk 2077 (1440p Ultra Ray Tracing bez DLSS) 28.29 klatek na sekundę 62.11 klatek na sekundę
Cyberpunk 2077 (1440p Ultra Ray Tracing DLSS 4.5 Zbalansowany z Dynamic Frame Generation) 120.3 klatek na sekundę 225.56 klatek na sekundę

Życie z urządzeniem

Nvidia RTX Spark Mini PC

RTX Spark oferuje akceptowalne wrażenia z gry na mini-platformie, ale w kategorii komputerów stacjonarnych musi zmierzyć się z trudną próbą: jeśli granie jest dla Ciebie ważniejsze niż produktywność, idealnym rozwiązaniem pozostaje dedykowany komputer do gier.

Nie umniejsza to jednak imponującej wydajności; ten zintegrowany procesor graficzny przewyższa konkurencyjne produkty AMD i zapewnia urządzeniu możliwość obsługi zaawansowanych gier w rozdzielczości 1440p z pełną obsługą DLSS.

Jednakże komputer stacjonarny wyposażony w kartę graficzną RTX 5070 Ti – którą można złożyć lub kupić za połowę ceny Asus ProArt GR1X – podwaja natywną wydajność Sparka.

Do czego doszedłem

Nvidia RTX Spark Mini PC

Urządzenia Mini RTX Spark , takie jak Asus ProArt GR1X, to w zasadzie lokalne generatory tokenów AI podszywające się pod komputery i nie są odpowiednią opcją dla każdego. Oto przewodnik, który pomoże Ci wybrać to, co sprawdzi się najlepiej.

Jeśli jesteś profesjonalistą z dobrze ugruntowanym procesem pracy w zakresie sztucznej inteligencji i dużymi wymaganiami kreatywnymi

Nvidia RTX Spark Mini PC

RTX Spark to prawdziwy „kod do oszustwa”; jego moc jest imponująca, a wzrost prędkości oznacza, że ​​nie będziesz tracić czasu na oczekiwanie na rezultaty. A funkcja RTX Gaming sprawia, że ​​ta maszyna jest platformą do pracy w dzień i grania w nocy.

Jeśli rozważasz automatyzację swojego przepływu pracy i ominięcie opłat za korzystanie z interfejsu API w chmurze dzięki ogromnemu lokalnemu mózgowi

Nvidia RTX Spark Mini PC

Platformy AMD wykonują 80% tego, co system Nvidii w codziennych zadaniach, a przy tym pozwalają zaoszczędzić znacznie więcej. Oczywiście, Spark oferuje przewagę szybkości, ale czy jest warta 3000 dolarów różnicy? Decyzja należy do Ciebie.

Jeśli zamierzasz eksperymentować ze sztuczną inteligencją tylko okazjonalnie

Komputer stacjonarny do gier

Jeśli masz miejsce na porządny komputer stacjonarny, to jest to najlepsza opcja. Ceny podzespołów są wysokie , ale mimo to otrzymasz lepszy stosunek jakości do ceny w grach, zadaniach związanych ze sztuczną inteligencją i krótkoterminowej pracy kreatywnej.



⚖️. Podsumowanie i ocena końcowa

Asus ProArt GR1X to niezbędna inwestycja dla profesjonalistów, którzy chcą przełożyć szybkość lokalnego wnioskowania na natychmiastowy wzrost produktywności, podczas gdy osoby poszukujące wartości i okazjonalni użytkownicy znajdą inteligentniejsze alternatywy na platformach AMD lub tradycyjnych komputerach stacjonarnych. Ostatecznie jest to „generator kodu” AI ukryty pod maską mini PC, oferujący wyjątkową wydajność w profesjonalnych procesach roboczych, ale nieuzasadniony w porównaniu z alternatywą, która osiąga 80% tych samych wyników przy znacznie niższych kosztach.

Możliwość dodawania komentarzy nie jest dostępna.