【導讀】在 GTC 柏林大會上，NVIDIA 集中展示 RTX Spark、DGX Spark 兩大本地 AI 硬件平臺，面向編程開發、機器人訓練以及 AI 工廠場景，主打數據不出設備的本地 AI 方案。RTX Spark 已于 10 月 16 日上市，定位 Windows 端個人本地智能體，最高配備 128GB 統一內存，兼顧 AI 算力、創作加速與高幀游戲，華碩、戴爾、聯想等品牌機型已陸續上市，Underdog 桌面智能體也同步適配這款硬件。而 DGX Spark 64GB 版本將在 10 月 23 日正式發售，依托 ConnectX-7 網卡配合 NVIDIA Sync，最多可 8 臺組網形成集群，拿到合計 1TB 統一內存，支撐 GLM、Qwen 等大模型和并發智能體任務。本次還帶來專為本地硬件優化的 Recursive Flint MoE 編程模型，同時首日適配 Nemotron、GLM、DeepSeek、Qwen、MiniMax、FLUX.3 等多款熱門模型，針對 llama.cpp、vLLM 推理引擎也新增推測解碼、FlashInfer 內核等優化，進一步拉高本地推理速度。黃仁勛現場也演示了在 RTX Spark 上跑 AI 智能體，完成 Microduck 機器人訓練的完整流程。
在GTC 柏林上，NVIDIA 展示了全系列本地 AI 硬件。RTX Spark 于上周上市， 為 Windows PC 上的個人智能體提供算力支持。DGX Spark 則助力開發者在 Linux 上構建應用和擴展集群規模。
此次發布的內容包括：
Underdog 桌面智能體現已支持 RTX Spark
DGX Spark 64GB 將于 10 月 23 日星期五上市
NVIDIA Sync 將于本月支持連接 8 臺 DGX Spark，并新增 Model Launcher
DGX Spark 10 月軟件更新新增 Wi-Fi Assistant，并更新 DGX Spark Skills
全新本地編程模型 Recursive Flint 現已支持 NVIDIA 本地硬件
首日即支持全新 Nemotron、GLM、DeepSeek、Qwen、MiniMax 和 FLUX.3 AI 模型
為 llama.cpp 和 vLLM 推理引擎帶來全新加速，并推出針對本地 AI 硬件優化的全新 checkpoints 。
在下方了解更多本地 AI 相關公告，并觀看演示及 GTC 柏林議程。
RTX Spark 將個人智能體帶到 Windows PC
RTX Spark 為 Windows PC 開啟新序章，搭載至高 128GB 統一內存和 1 Petaflop AI 算力，支持運行個人智能體、加速內容創作，以及 1440p 分辨率、超過 100 FPS 的游戲體驗。
自 10 月 16 日上市以來，首批評測媒體對該平臺給出了以下評價：
“專業創作者夢寐以求的設備…” — CGMag
“為 AI 的未來而設計…” — The Verge
“性能強勁，便攜性和能效令人驚喜…” — PCMag
Underdog 是一款專為完全在本地運行、保護隱私的 AI 而打造的全新桌面智能體應用，也將登陸 RTX Spark。借助針對特定模型的 Husky 推理引擎，Underdog 可完全在設備上運行模型，讓個人智能體完成工作，確保用戶數據始終留在本地 PC。
為更好地支持開發者和愛好者構建、定制本地智能體，多款 RTX Spark 筆記本電腦均配備已解鎖的引導加載程序 (bootloader)。
在 GTC 主題演講中，NVIDIA 創始人兼首席執行官黃仁勛展示了如何借助在 RTX Spark 上運行的 AI 智能體，使用 NVIDIA Isaac Lab、Hermes Agent 和 Nemotron 3.5 Bolt 74B 訓練 Hugging Face 的 Microduck 機器人。
華碩、戴爾、聯想、微軟和微星的筆記本電腦現已上市，宏碁產品也將于近期推出。
DGX Spark 為開發者提供更多開發空間
全新 DGX Spark 64GB 將于 10 月 23 日星期五起由合作伙伴陸續推出，可運行 Nemotron 3.5 Bolt 74B 24GB、Qwen3.8 27B 和 Gemma 4 26B-A4B 等模型。
當工作負載需要更大容量時，開發者可借助內置的 NVIDIA ConnectX-7 網卡和 NVIDIA Sync Cluster Assistant 連接多臺 DGX Spark，運行 Qwen 3.8 Flash Next、DeepSeek v4 Flash 0731 和 GLM 5.3 Flash 等先進編程模型。
DGX Spark 現可通過手動配置組建最多 8 臺設備的集群，以運行更大的模型、更長的上下文、并支持智能體的并發運行和分布式開發。該集群適合作為小型團隊的共享后端，讓每位開發者都能針對同一模型運行并發會話。集群可提供 1TB 的統一內存，足以運行 GLM 5.3 等前沿級模型。
參閱 DGX Spark 集群 Playbook，快速開始部署。
NVIDIA Sync Model Launcher 將于本月晚些時候推出，簡化在單臺 DGX Spark 或集群上使用本地 AI 的流程。只需點擊幾下，Model Launcher 即可下載適合相應配置的模型和容器，并將模型連接到 OpenCode。它還會自動加載 DGX Spark Skills，用于故障排查、設備維護、訪問官方文檔，以及提供其他工作流指導。
DGX Spark 10 月軟件更新帶來全新的 Wi-Fi Assistant，讓用戶在 DGX Spark 以專用設備 (appliance) 模式運行時切換網絡。此外，DGX Spark Skills 通過 OpenCode，直接在 NVIDIA Sync 中提供面向工作流的故障排查與設備維護指導。
用戶現可直接從宏碁、華碩、戴爾、技嘉、惠普、聯想、微星和 NVIDIA 購買 DGX Spark。
推出 Recursive Flint —— 一款針對 RTX Spark 優化的全新本地編程模型
10 月 21 日，前沿 AI 實驗室 Recursive Superintelligence 發布了 Recursive Flint，這是一款專為快速、準確編程而打造的本地大語言模型 (LLM)。 Recursive Flint 是一個擁有 400 億參數、25 億激活參數的混合專家模型 (MoE)，在 64GB RTX Spark 上的推理速度超過 220 tk/s，并在 SWE-Bench Pro v2、Terminal-Bench 2.1 和 SWE-bench verified 等智能體編程基準測試中取得同類領先的成績。
Recursive Flint 使用 Recursive 的 Eureka Machine 構建，該系統專為大規模自動化 AI 研究而設計。它可自動完成整個研究循環：提出想法、實現想法、運行實驗驗證想法，再根據結果決定下一步嘗試方向。系統創建了專用計算內核，在不改變模型權重的情況下，將 Flint 在 RTX Spark 上的生成速度提升了 55%。
開發者可在 Hugging Face 下載以 Apache 2.0 許可開放的模型權重，并在 RTX Spark、DGX Spark，以及 GeForce RTX 和 RTX PRO GPU 上運行該模型。
首日支持全新模型
NVIDIA 將從發布首日起支持 NVIDIA Nemotron Bolt E4B 4B、GLM、DeepSeek、Qwen、MiniMax，以及 FLUX.3 Klein 擴散模型。
Nemotron Bolt E4B 4GB 僅需 4GB 內存，即可實現自然對話和多輪智能體任務能力，為 NVIDIA GeForce RTX GPU、NVIDIA Jetson 設備，以及 RTX Spark 和 DGX Spark 上的快速本地語音助手、交互式游戲角色和嵌入式界面提供支持。Bolt E4B 4GB 將于 10 月 23 日發布。
Black Forest Labs 的 FLUX 3 Image Klein 是一個擁有 56 億參數的開放權重圖像模型，可用于圖像生成和編輯。NVIDIA 優化的版本僅需 8GB 顯存即可在 GeForce RTX GPU 上運行。
MiniMax M3.1 Flash 是一款專為 DGX Spark 打造的全新開放模型，將長上下文 AI 帶到桌面。Liquid AI 的 LFM2.5-24B-A2B 是一款開放權重推理模型，每處理一個 Token，僅激活其 240 億參數中的 20 億參數，從而實現快速運行，讓用戶可直接在 PC 上運行注重隱私、支持工具調用的 AI 智能體。
此外，NVIDIA 發布了一組全新的模型 checkpoints，針對本地 AI 硬件的內存使用效率進行優化， 讓前沿級開放模型運行時，仍能為 KV 緩存留出充足內存。每個 checkpoint 都經過量化，同時保持接近全精度的準確性。首批包括可在單臺 DGX Spark 128GB 上運行的 Qwen3.8-Flash-Next-FP4-Local，以及可在兩臺 DGX Spark 上運行的 GLM-5.3-Flash-FP4-Local。
加速 AI 推理
NVIDIA 持續與 llama.cpp 和 vLLM 等開源社區合作，加速本地硬件上的智能體工作負載。
在 llama.cpp 中，面向 Qwen 3.8 Flash Next、基于多 Token 預測 (MTP) 的全新推測解碼支持，可將 NVIDIA RTX PRO Blackwell 上的端到端智能體任務執行速度最高提升至 1.4 倍。
在 vLLM 中，更快的推測解碼，以及面向 Qwen 線性注意力層的全新 FlashInfer 預填充內核，可將 DGX Spark 上 Qwen3.8 27B 智能體任務的執行速度至高提升 1.3 倍。
結論
本次 GTC 柏林的一系列發布，能看出 NVIDIA 正在把本地 AI 硬件、模型生態、集群工具鏈打通，從單卡單機延伸到小型開發集群。RTX Spark 面向個人創作者、愛好者，把隱私型本地智能體帶到 Windows PC；DGX Spark 則瞄準小團隊開發者，靠多機集群能力承載更大模型、長上下文和分布式智能體開發。配合新推出的 Recursive Flint 編程模型、一批經過顯存優化的模型權重，還有對主流開源推理框架的持續加速，這套方案不再只是硬件單品，而是一套完整的本地開發棧。對于機器人研發、工廠端側 AI、重視數據隱私的本地編程場景來說，這套生態降低了搭建本地大模型與智能體環境的門檻。
