За последние два года производители ПК при рекламе "AI PC" постоянно упоминали один параметр: производительность NPU. Но будь то 45 TOPS у Intel Lunar Lake или 50 TOPS у AMD Strix Point, эти цифры остаются на относительно скромном уровне. Могут сделать размытие фона, подавить шум в голосе, запустить небольшие локальные модели — но этим всё и ограничивается.
31 мая NVIDIA на конференции GTC 2026 представила суперчип RTX Spark, подняв эту цифру до 1 петафлопса, то есть 1000 TOPS. Не на 30% или 50%, а сразу на порядок.
На той же презентации прозвучали и другие новости: Microsoft в связке с RTX Spark обновила встроенные механизмы безопасности Windows и интегрировала в платформу Windows открытый песочный рантайм NVIDIA OpenShell; Adobe объявила о переработке Photoshop и Premiere на фундаментальном уровне для оптимизации под унифицированную архитектуру памяти RTX Spark; первые шесть OEM-производителей подтвердили выпуск осенью этого года тонких ноутбуков и компактных настольных ПК с этим чипом.
То, что NVIDIA делает на этой GTC — это не просто выпуск нового чипа. Она пытается задать новый аппаратный стандарт для категории "персональных AI-компьютеров".
Когда GPU становится главным в ПК
Давайте посмотрим на сам чип. Согласно данным, представленным NVIDIA на GTC, RTX Spark интегрирует GPU архитектуры Blackwell с 6144 ядрами CUDA, в паре с 20-ядерным Arm CPU Grace совместной разработки с MediaTek, изготовленный по 3-нм технологии TSMC. Ключевое изменение — в архитектуре памяти: до 128 ГБ унифицированной памяти, где CPU и GPU используют общий пул, и данные не нужно постоянно перемещать между ними.
Это противоположно логике архитектуры традиционных ПК.
Базовая структура традиционного ПК — это "x86 CPU как основной процессор, дискретный GPU как опциональный компонент". Даже в рамках концепции AI PC, появившейся в последние годы, подход Intel и AMD заключается во встраивании NPU в CPU в качестве дополнительного модуля для AI-ускорения, с производительностью обычно в районе сорока-пятидесяти TOPS. GPU остаётся "внешним".
RTX Spark перераспределяет роли. Этот SoC делает GPU главным, а CPU отводит второстепенную роль. NVIDIA заявляет об AI-производительности в 1 петафлопс (FP4), что эквивалентно 1000 TOPS — более чем в 20 раз выше производительности встроенных NPU в AI PC предыдущего поколения. Это не ускорение на той же дорожке, это старт на другой трассе.
Скорость реакции OEM-производителей подтверждает этот вывод. Согласно официальному объявлению NVIDIA и последующим сообщениям DIGITIMES, Asus, Dell, HP, Lenovo, Microsoft Surface и MSI выпустят осенью этого года тонкие ноутбуки и компактные настольные ПК с RTX Spark, за ними последуют модели от Acer и Gigabyte. Практически все основные бренды Windows PC вступили в игру.
RTX Spark не является продуктом, созданным с нуля. В начале 2025 года тот же чип на ядрах Blackwell и Grace был представлен как Project DIGITS и DGX Spark, но тогда он позиционировался как настольный Linux-суперкомпьютер для разработчиков, размером с небольшой системный блок. Спустя год эту архитектуру удалось упаковать в корпус тонкого ноутбука, операционная система сменилась с Linux на Windows, целевая аудитория расширилась от AI-разработчиков до обычных потребителей и корпоративных пользователей. Именно это изменение является наиболее примечательным в потребительских анонсах GTC 2026: NVIDIA выпускает не игрушку для разработчиков, а открывает дверь на массовый потребительский рынок.
120-миллиардная модель локально: достаточно ли этого?
Цифры производительности и памяти в конечном итоге должны ответить на вопрос: что можно делать?
Ответ, который NVIDIA дала на презентации, — RTX Spark поддерживает локальный запуск больших моделей с 120 миллиардами параметров, с контекстным окном до миллиона токенов. Что значит 120B? Для сравнения: текущая основная практика локального запуска моделей на потребительском железе — это RTX 4090 с 24 ГБ видеопамяти, которая с помощью квантования и сжатия может запускать модели уровня 30-40 миллиардов параметров. Небольшие модели, которые быстро работают на потребительских видеокартах — это 9-миллиардные модели. Скачок от 9B до 120B переопределяет стандарт "достаточности" для AI на устройстве.
128 ГБ унифицированной памяти — предпосылка для всего этого. В традиционной архитектуре ПК у CPU есть своя системная память, у GPU — своя видеопамять, между ними физический барьер. Большая модель, превышающая объём видеопамяти, либо вообще не запустится, либо потребует сложного разделения модели и подкачки из памяти, что резко снизит скорость. Архитектура унифицированной памяти устраняет это узкое место: данные модели помещаются прямо в общий пул объёмом 128 ГБ, доступный как CPU, так и GPU. Apple первой доказала потребительскую жизнеспособность этого технологического пути на Apple Silicon, теперь NVIDIA приносит его в лагерь Windows.
Помимо инференса больших моделей, NVIDIA перечисляет такие сценарии использования, как редактирование видео в 12K, рендеринг 3D-сцен объемом более 90 ГБ, игры с трассировкой лучей при разрешении 1440p и частоте свыше 100 кадров в секунду. Общая черта этих сценариев — чрезвычайно большой объём данных, обрабатываемых за один раз; традиционный ПК либо требует ожидания, в разы превышающего время обработки, либо вообще не справляется.
Между "поддерживает запуск" и "плавно работает" всё ещё есть дистанция. NVIDIA не раскрыла фактическую скорость инференса 120B-модели на RTX Spark, не привела данные о задержке первого токена в сценариях с контекстом в миллион токенов. Ключевой показатель, определяющий скорость инференса с длинным контекстом, — это пропускная способность памяти. Для сравнения: DGX Spark на том же ядре GB10 в тестах демонстрирует пропускную способность памяти около 301 ГБ/с. На таком уровне запустить 120B-модель можно, но при обработке контекстного окна в миллион токенов пользователю, возможно, придётся ждать несколько секунд до появления первого токена вывода. В ноутбучной версии RTX Spark фактическая пропускная способность, вероятно, будет скорректирована из-за ограничений по энергопотреблению.
Добавляем защитную клетку для AI-агента
Ещё одним ключевым анонсом, помимо производительности, стало сотрудничество NVIDIA и Microsoft на уровне системы. Эта часть, возможно, является самым упускаемым из виду, но при этом наиболее глубоко влияющим на отрасль содержанием потребительских анонсов GTC 2026.
Компьютер, способный запускать 120B-модель, если отдать его под управление AI-агенту, который может автономно управлять рабочим столом, нажимать кнопки, читать и записывать файлы, представляет угрозу безопасности уже не уровня "потеряются ли данные", а уровня "не сделает ли агент того, чего вы от него не ждёте". Без решения этой проблемы компании не смогут развертывать такие устройства среди сотрудников.
Схема, предложенная Microsoft и NVIDIA, — это два рубежа обороны. Первый: Microsoft улучшила встроенные механизмы безопасности Windows, добавив мониторинг и ограничения действий AI-агентов на уровне операционной системы. Второй: NVIDIA официально интегрировала рантайм OpenShell в платформу Windows. Согласно официальной документации NVIDIA, OpenShell — это открытый песочный рантайм, обеспечивающий изоляцию на уровне ядра. Он очерчивает для AI-агента контролируемую область операций; агент может автономно выполнять задачи в этих рамках, но его права строго ограничены — он не может выходить за пределы, чтобы получить доступ к системным файлам, сетевым подключениям или конфиденциальным данным пользователя.
Значение этой комбинации для корпоративных закупок очевидно. До этого концепция "локального AI-агента" оставалась на уровне технических демонстраций. Железо справляется, а каркас безопасности отсутствует. Ни один корпоративный IT-отдел не рискнул бы внести устройство в таком состоянии в список закупок. NVIDIA и Microsoft вставляют между аппаратным обеспечением и приложениями стандартизированный слой изоляции, превращая "работает" в "управляемо".
Сам по себе уровень производительности OpenShell — переменная, требующая наблюдения. Песочная изоляция обычно приводит к некоторой потере производительности; насколько именно это повлияет на скорость инференса или отклик системы, NVIDIA пока не раскрывает. Сложность развёртывания на стороне корпоративного IT-администрирования, совместимость с существующими политиками безопасности — эти практические вопросы, возникающие при внедрении, потребуют проверки только после выхода OEM-устройств на рынок.
Почему Adobe согласилась на "переработку с фундамента"
Степень вовлечённости софтверных компаний обычно служит индикатором того, сможет ли новая аппаратная платформа закрепиться.
Шаги, объявленные Adobe во время GTC, — самый значимый сигнал со стороны софта в этой волне анонсов. Согласно официальному блогу NVIDIA и подтверждениям руководителей Adobe, компания начала переработку Photoshop и Premiere на фундаментальном уровне, специально адаптируя их под унифицированную архитектуру памяти RTX Spark, заявляя о потенциальном увеличении производительности AI и графической обработки до 2 раз.
"Переработка с фундамента" — это не добавление плагина или адаптационного слоя. В традиционном ПК у CPU и GPU свои пространства памяти; при обработке огромного PSD-файла или монтажной линейки 8K видео данные постоянно перемещаются между двумя областями памяти — это основной источник потерь производительности. Унифицированная память RTX Spark позволяет CPU и GPU напрямую совместно использовать одно и то же 128-гигабайтное пространство; это структурное изменение имеет практическую ценность для рабочих процессов профессиональных создателей контента. То, что Adobe пошла на переписывание низкоуровневого кода, означает, что она считает это архитектурное направление не разовым маркетинговым трюком.
Однако, с чем именно сравнивается это "ускорение в 2 раза", NVIDIA и Adobe не раскрыли. С современным x86-процессором и дискретной видеокартой или с NPU-решением AI PC предыдущего поколения? Результаты будут совершенно разными. Пока не обнародованы условия бенчмаркинга, истинную ценность этой цифры можно поставить под вопрос.
О поддержке также заявили Blackmagic Design, ComfyUI, llama.cpp, OTOY и ряд игровых студий. Поддержка со стороны ComfyUI и llama.cpp заслуживает внимания, поскольку это одни из самых активных инструментов с открытым исходным кодом в текущих локальных AI-воркфлоу. Ранняя поддержка со стороны сообщества разработчиков часто более правдиво отражает потенциал экосистемы платформы, чем обещания крупных вендоров.
NVIDIA использует экосистему CUDA и архитектуру унифицированной памяти, чтобы построить в лагере Windows опыт, аналогичный интегрированному решению Apple. Разница в том, что Apple сама возводит свою стену, а NVIDIA должна убедить Microsoft и независимых поставщиков программного обеспечения (ISV) строить её вместе. Готовность Adobe взяться за фундаментальную переработку, по крайней мере, показывает, что первый кирпич в этой стене уже заложен.
За пределами спецификаций на бумаге
Вернёмся к самому практичному вопросу: можно ли будет купить эти устройства и что они собой представляют на практике?
Согласно информации NVIDIA, первые устройства с RTX Spark поступят в продажу осенью этого года — это будут тонкие ноутбуки и компактные настольные ПК от Asus, Dell, HP, Lenovo, Microsoft Surface и MSI. Модели от Acer и Gigabyte последуют позже. Конкретные цены и точные даты выхода для всех OEM не объявлены.
Ещё более важными, чем цены, являются несколько неизвестных на физическом уровне. Как уравновесить энергопотребление и тепловыделение, упаковывая чип с производительностью в 1 петафлопс в тонкий ноутбук? Какова производительность RTX Spark в не-AI сценариях повседневной офисной работы и время автономной работы? Не окажется ли фактическая пропускная способность 128 ГБ унифицированной памяти в ноутбучном форм-факторе заметно сниженной из-за ограничений по энергопотреблению?
Эти вопросы — настоящее испытание на этапе промышленного внедрения. Пиковая производительность чипа в инженерном образце и его фактическое поведение в руках потребителя при ежедневной 8-часовой работе — часто две разные вещи. NVIDIA на презентации подчеркнула энергоэффективность RTX Spark, но не привела конкретных численных значений TDP или данных о времени автономной работы.
С точки зрения структуры индустрии ПК появление RTX Spark знаменует становление новой модели разделения труда. За последние тридцать лет контроль над ключевыми чипами ПК находился в руках производителей x86-процессоров; производители GPU, хотя и становились всё важнее, всегда оставались "компонентами, подключаемыми к материнской плате". На этот раз NVIDIA представляет полноценный SoC, интегрирующий всё от CPU и GPU до контроллера памяти, причём часть CPU на архитектуре Arm разработана MediaTek. Властная структура цепочки поставок ПК смещается от "x86 CPU плюс опциональный GPU" к "SoC-платформе с центром на GPU".
Этот поворот не произойдёт в одночасье. Ценовая стратегия OEM, энергоэффективность реальных продуктов, прогресс адаптации софта от ISV, цикл закупок и проверки корпоративными клиентами — каждый этап определяет, станет ли RTX Spark новой точкой отсчёта в индустрии ПК или очередной технологической демонстрацией с высоким стартом и тихим финалом. Ответа придётся ждать как минимум до осени этого года.
