昨天，受邀在北京参加英伟达的活动，跟他们一起在店里庆祝，RTX Spark的全球开售。
毫不夸张的说，现场真的人山人海。
在剪彩开售的一瞬间，我去京东看了下，几分钟不到，128G的版本，直接就被抢空了？？？
大家对本地算力的需求，比我想象的还要旺盛。
而我自己呢，其实在一周以前就已经收到了RTX Spark的机器，是华硕的ProArt创16，128G统一内存+1T版本，目前在京东售价37999，也就是上面那个在京东直接被抢空的版本。在所有的同机型里，性价比应该是最高的了，其他的同型号有的甚至要贵上万块。
只能说，感谢英伟达。
说实话，第一次拿到手的时候，我最惊讶的地方，其实是它的体积和重量。
你很难想象，这么一台薄至约12.9mm、轻至1.79kg的16英寸轻薄本，里面居然塞进了一颗原生支持CUDA、最高拥有128GB统一内存的RTX Spark芯片。
目前我也已经深度使用了一周的时间了，非常想跟大家来分享一下我在这段时间，使用RTX Spark的体验。
其实今年6月，老黄第一次在发布会上发布RTX Spark 的时候，我就写过一篇文章：英伟达发布全新RTX Spark - 个人PC的新时代。
在那之后，我其实就一直等着这台电脑发售，虽然我现在有两台Mac Mini在家24小时跑着Agent，但是谁又能拒绝一个有着统一内存，还有CUDA生态，能在本地跑模型，还能打游戏的超轻薄的RTX Spark电脑呢。
因为过去我们想在本地跑大模型，一直有一个非常蛋疼的问题。
你想要大内存，那可能就得买 Mac。苹果的统一内存确实很牛逼，但是很多AI项目的底层都是围绕NVIDIA的CUDA生态开发的，在Mac上跑起来，有时候就需要各种移植和适配。
你想用CUDA呢，那就得买英伟达显卡。但是传统消费级显卡的显存容量又有限，5090也才32G，稍微大一点的模型，就有可能塞不进去。
而RTX Spark这次，把这两件事情直接结合到了一起。
128GB的统一内存，加上CUDA生态，作为一个喜欢折腾AI、并且还是一个游戏佬的我来说，没办法，RTX Spark还是太有吸引力了，而且基本就是唯一解。
所以一周以前拿到手以后，我除了先下了Steam之外，干的第一件事，就是开始疯狂去部署各种各样的模型。
玩AI的这几年，好像都没有这么痛快过。
而且模型自由、Token自由的感觉，真爽。
可以先给大家看一下我这台电脑的配置。
RTX Spark N1X芯片，128GB统一内存，加上1TB SSD。
我知道，大家肯定都还会想跟5090比一下，但这块我想说，RTX Spark主打的还是大容量、便携、以及超高能效。
我简单做了一下表。
为了大容量和轻量便携，所以英伟达做了一些妥协，压低了带宽和算力，但是换来的，是完全不同功耗。
RTX Spark把功耗压到了80W，而5090纯单显卡，就需要恐怖的575w的功耗，你在笔记本和一些小机型里，根本不可能带的动。
所以，相比之下，我个人还是觉得，对于绝大多数的玩家来说，RTX Spark的适用性和泛化性，还是高于5090的，基本就是用更加广泛的场景，来换取慢一点的速度。
因为这一次英伟达为了让大家开箱即用，所以也贴心的跟WorkBuddy合作了，他们搞了一个RTX Spark专区，所以国内用户完全可以直接下载WorkBuddy，这样可以非常方便的开箱即用。
首先，打开WorkBuddy，在左上角找到这个RTX Spark专区，然后点击切换。
你就可以来到RTX Spark的专区首页了。
英伟达给了一些预设，你可以快速的进行一些便捷操作。
当然，最核心的，肯定还是在这台电脑上，使用本地模型，我都用RTX Spark了，那肯定是要用本地模型的嘛对吧。
点击设置，进入到模型，就能看到这边有个本地模型的选项了。
如果你是第一次拿到这台设备，那右边是一个下载的选项，就可以直接一键把模型下载下来放到你的本地了。
这个模型是单独预设的，所以跑的速度还是不错的，能跑到80 Token/秒。
同样的，你也可以自己部署其他的模型，不需知道太底层的原理，可以直接让Agent帮你跑。
对于一台128G统一内存的机器来说，吃下一个100B左右的Q4量化版本，我觉得是没啥问题的，但是相对于日常使用来说，我不建议跑的这么满，需要给别的东西留下一点空间。
所以，我无比推荐大家，换上我觉得本地的一个最牛逼的模型，甚至是能跟曾经的Opus 4.6相匹敌的，且能无时无刻常驻后台的模型。
他就是Qwen 3.8-27B。
这玩意是真的猛，猛到一定的级别了，在AA上，以一个27B的模型，跟一众几千亿的模型打的有来有回。
而且是完全可以本地部署的，而且Token无限，绝大多数的活，它其实都足够了。
想在本地部署它，并且在WorkBuddy里一起用，或者放到别的Agent里面变成可选模型，也特别简单。
一句话的事，记得一定要说开启MTP。。。
然后，就装好了。
这里要注意，即使开了MTP后，Qwen3.8-27B的推理速度，还是会比比如Qwen3.6-35B-A3B慢不少，主要是因为这是一个少见的Dense模型，所以其实推理的时候也是带着27B的参数一起推理的，而后者其实只需要跑3B，所以会慢不少。
但是换来的，却是智力的飞跃。
我在本地实测大概能跑到30 Token/秒，差不多跟Codex里面的GPT-6.1 Sol一个速度，所以你能接受GPT-6.1 Sol的速度，那我觉得在本地跑Qwen-3.8 27B，我觉得你也没啥问题。
部署到本地以后，你就可以让他快乐的干活了，至此，你也拥有了，无限Token，想怎么干活怎么干活。
比如直接挂在后台，监控我产品的BUG反馈和Github上PR，直接异步全自动迭代，实现loop循环，相信我，在很多场景下，Qwen-3.8 27B，绝对够了。
那我们大语言模型有了，但你都买RTX Spark了，肯定不可能只玩个大语言对吧，那多亏啊。
所以我又陆陆续续部署了一系列的各种各样的模型。
比如图片生成模型、视频生成模型、本地OCR模型、ASR模型、TTS模型，甚至还有专门翻译的小模型等等等等。
各有各的用处。
就像3年前，那时候大家买电脑玩本地AI，很多人都是为了玩Stable Diffusion，那时候还缩写叫SD，可惜现在SD的名字都被Seedance抢走了。。。
这张图肯定很多人见过也用过，属实是我的AI启蒙。
而现在，版本变了，AI绘图开源模型里面，Qwen-Image-2.1独领风骚，直接就可以部署以后，你也可以实现，无限画图。
BF16、40 步配置，一张1K左右的图，大概需要在1分多钟。
效果也很不错。
当然，你也可以，直接出视频。
H3在本地就可以直接跑，15秒的720P，本地跑大概20分钟。
还有等等等等。
这些，是我在本地里面，精挑细选之后，装的所有的模型，基本能覆盖到绝大多数场景了。
这么一看，在开源生态上，Qwen是真的强的离谱，几乎占了半壁江山。
而折腾这些模型，其实也挺麻烦的，虽然有Agent了，但是还是没有那么开箱即用。
于是，为了让大家也可以方便的开箱即用，包装整合一下，于是，我想了想，把整套的路径和流程，打包成了一个WorkBuddy上的专家，放在了RTX Spark的专区里面。
当你把机器买来以后。你只需要打开WorkBuddy, 安装这个专家。
它就会先检查你的电脑配置，以及本地已经有哪些模型了。
因为并不是所有人，都是128G的内存版本，那适配和能带的动的模型也不一样，所以这个专家会根据你的实际电脑配置来给你做一个清单的规划，告诉你应该配置什么样模型。
如果你已经配置过了，那么他们就会显示已就绪，如果是刚开始没有下载的话，它就会引导你去下载。并且我也全部都设成了魔搭社区的链接，所以也不需要做一些特殊的网络配置。
然后，所有的能力和推理引擎我都已经封装好了，当你跟着引导下好模型之后，也完全可以使用这个专家来调用你所有的本地模型。
比如直接让他画图，再让他生成一段视频，甚至可以组合起来进行使用。
比如，你想给自己的文章做一张配图。
你可以直接跟它说，帮我画一张16:9的赛博朋克风格城市夜景，它就可以调用本地的Qwen-Image-2.1，直接在你的电脑上生成图片。
如果你觉得图片不错，还想让它动起来，那就接着说，把刚刚那张图做成一段视频。它就可以继续调用本地的H3视频模型，去完成下一步的生成。
甚至你还可以把几个模型串起来，这就是128G超大内存的好处了，可以并行跑。
比如，我丢给它一张英文的产品发布会截图，先调用OCR模型把里面的文字识别出来，再调用翻译模型翻译成中文，最后交给Qwen3.8-27B，帮我整理成一段适合公众号使用的介绍。
或者你有一段会议录音，也可以通过本地ASR模型转成文字，再用大语言模型帮你提炼重点、整理待办。
这些场景涉及的模型能力，我都整合到了这个专家里，不过能用哪些，取决于你的电脑配置，还有已经下载和配置好的模型。
而且整个过程中，你不需要自己去研究每个模型的API怎么调用，也不需要知道背后到底跑的是什么推理框架。
而这所有的行为和操作都是在你本地电脑上完成的，不花一分钱。
毕竟大家花了几万块钱买一台RTX Spark，总不能买回来以后，还得先花半个月学Python、学CUDA、学各种推理框架，才能真正把这台机器的能力用起来吧。。。
我希望普通人拿到机器以后，也能尽可能简单地把本地AI用起来。
而且这些本地模型推理，都不需要再额外支付API费用，想画多少图、翻译多少文字，就看你自己的硬件能跑多少了。
希望这个小小的专家，能对大家有用。
当我做完了这一切以后，我是真的觉得自己，用AI的心情，是跟以前不一样了的，有一种，更加自由的感觉，不需要被Token额度所束缚。
真的，每次看到这种东西我都很难受。
而这种Token自由带来的创造力，我感觉也会更多。
举个例子，我自己的英语不是很好，所以你让我去阅读一些国外的网站。对我来说还是有很大的挑战的，但对于一个AI博主来说，不看国外的网站，那是不可能的。
所以一直以来我都在用模型来去帮我翻译，这就避免不了的，需要用到付费的Chrome浏览器翻译插件，要么订阅，要么为API所付钱。