夜雨聆风NVIDIA 这次最值得看的，不是“它也开始做 CPU 了”。
这个说法太小。
真正值得看的，是 NVIDIA 正在把 CPU、GPU、内存、互连和软件栈打包成一个新的计算单元。它在数据中心叫 Vera Rubin，在 PC 上叫 RTX Spark。名字不同，逻辑很像：
CPU 负责控制，GPU 负责计算，NVLink-C2C 负责连接，统一内存负责把数据墙拆薄。
这不是一颗 CPU 的故事。
这是 NVIDIA 把 AI 工厂缩小，塞回个人电脑里的故事。
别只看 Arm CPU
很多人看到 RTX Spark，第一反应是：NVIDIA 要挑战 Intel 和 AMD 了。
这个判断没错，但不完整。
如果 NVIDIA 只是做一颗 Arm CPU，事情反而没那么大。CPU 市场很难打，x86 生态很厚，Windows 软件兼容也是长期问题。过去这么多年，Arm 进 PC 不是没有机会，但一直没有真正打穿主流市场。
所以这次的关键，不是 NVIDIA 终于做了 CPU。
关键是它没有把 CPU 当成孤立产品卖。
RTX Spark 是一颗 superchip。它把 20 核 Grace CPU、Blackwell RTX GPU、NVLink-C2C、最高 128GB unified memory 放进同一套平台，再和 Microsoft 的 Windows on Arm 生态绑定。
这就是 SoC 思路。
传统 PC 是 CPU 一边、独显一边，中间靠 PCIe 搬数据。显卡很强，但显存有限；系统内存很大，但 GPU 不能像访问本地显存一样舒服地吃到。
AI PC 最尴尬的地方就在这里。
本地跑大模型，不是只看算力。模型首先要装得下。一个消费级高端显卡有 24GB、32GB 显存，已经很强，但面对更大的本地模型、多模态模型、长上下文、Agent 工具链，还是很容易撞墙。
统一内存改变的是这个约束。
128GB unified memory 严格说不是传统独显上的 128GB HBM 显存，但对本地 AI 来说，它非常接近一个更大的公共算力池：CPU 和 GPU 不再像两个隔着收费站的城市，而像同一栋楼里的两层办公室。
这就是为什么“128GB 显存不是梦”这个说法会有传播力。
它技术上要讲清楚：这是统一内存，不是传统独显显存。
但它商业上也确实击中了痛点：本地 AI 最缺的，正是能让模型装得下、跑得动、调得顺的内存池。
NVLink-C2C 是这件事的骨架
SoC 不是把 CPU 和 GPU 放在一起就完了。
真正的问题是：它们之间怎么交换数据？
传统 PC 里，CPU 和 GPU 之间主要靠 PCIe。PCIe 当然很重要，但它本质上还是外设总线逻辑。数据从系统内存搬到显存，再从显存搬回系统内存，中间有延迟、有复制、有带宽约束。
而 RTX Spark / GB10 这类设计强调的是 NVLink-C2C。
市场上常见的 GB10 口径，是 CPU 与 GPU 之间通过 NVLink-C2C 获得约 600GB/s 级别带宽，约等于 PCIe 5.0 x16 的 4.7 到 5 倍。这个数字重要，不是因为它听起来更大，而是因为它解释了统一内存为什么不是营销词。
如果 CPU、GPU 共享一池内存，但互连不够快，那统一内存会变成“容量好看，效率难看”。
互连足够快，统一内存才真正有意义。
这也是 NVIDIA 在数据中心端反复讲 NVLink 的原因。
在 Vera Rubin NVL72 平台里，Vera CPU 和 Rubin GPU 通过第二代 NVLink-C2C 相连，NVIDIA 给出的口径是 CPU-GPU coherent bandwidth 达到 1.8TB/s，是 PCIe Gen 6 的 7 倍。
PC 端是 600GB/s 级别，数据中心端是 1.8TB/s 级别。
尺度不同，方向一样：
CPU 和 GPU 不再是松散拼装，而是被重新焊成一个系统。
所以 NVIDIA 这次要讲的不是“我也有 CPU”，而是“我能定义 CPU 和 GPU 怎么一起工作”。
为什么偏偏是 Arm？
Arm 在这里不是一个孤立卖点。
它是 NVIDIA 横跨 PC 和数据中心的共同底座。
在 PC 端，Arm 带来的是能效和 SoC 设计自由度。过去 Windows PC 的主叙事长期围绕 x86，CPU、独显、内存、主板、散热、电池，各自有成熟分工。这套体系很强，但也有惯性。
AI PC 需要的是另一种优先级：
• 本地模型要装得下； • Agent 要长时间待命； • 多模态任务要低延迟； • 笔记本还要有续航； • 开发者还要能直接用 CUDA、TensorRT、RTX 生态。
这时候，Arm CPU 的意义不是替代 x86 跑分，而是给 NVIDIA 一个更自由的系统设计空间。
在数据中心端也是一样。
Vera CPU 不是为了在通用服务器 CPU 市场里做一颗“更像 Xeon 的 CPU”。它服务的是 AI factory：数据处理、工具调用、agentic inference、任务编排、网络、存储、安全、GPU 调度。
换句话说，CPU 不再只是主机里的中央处理器。
它变成 AI 系统里的控制面。
微软合作说明 NVIDIA 想进 PC 入口
NVIDIA 和 Microsoft 合作推出 RTX Spark，说明这件事不只是硬件发布。
没有 Windows，NVIDIA 很难单独重塑 PC。
AI PC 不是一块芯片就能成立。它需要操作系统层面的 Agent 入口、安全隔离、权限管理、应用生态、游戏兼容、开发者工具和用户习惯。
Microsoft 需要一个足够强的本地 AI 硬件平台，证明 Windows PC 不是只能把 AI 请求发到云端。
NVIDIA 需要 Windows 这个入口，把自己的 CUDA、RTX、Blackwell、TensorRT、DLSS、游戏生态和本地 Agent 生态带进主流 PC。
所以这次合作的重点，不是“Windows 支持一颗新芯片”。
重点是双方都在重新定义 PC：
过去的 PC 是你打开应用、点击、输入。
新的 AI PC 是你提出目标，Agent 在本地理解、规划、调用工具、处理文件、生成内容。
这需要的不是单点算力，而是一个本地小型 AI 系统。
这也是 RTX Spark 最有野心的地方。
它不是把 GPU 塞进笔记本。
它是把一个小型 AI 数据中心塞进笔记本。
数据中心可能还在涨，但增长叙事要下沉
这里要避免一个误读：
NVIDIA 不是因为数据中心不行了，才转向 AI PC。
恰恰相反，数据中心仍然是 NVIDIA 的绝对主力。
NVIDIA 在 FY2027 Q1 的总收入是 816 亿美元，其中 Data Center 收入 752 亿美元，同比增速仍然非常高。只看数字，数据中心远没有结束。
但另一个问题也越来越明显：
AI 算力中心的建设，已经进入重资本开支周期。
GPU、HBM、机柜、网络、电力、土地、冷却、融资、客户集中度，所有变量都在变重。过去两年的增长方式，是把更多 GPU 塞进数据中心；接下来继续增长，当然还可以，但它越来越依赖云厂商、AI 公司、主权 AI 和大型企业继续把资本开支往上推。
这就是“杠杆拉满”的感觉。
不是没有需求，而是增长越来越重。
AI PC 的意义，是给 NVIDIA 另一条增长叙事：
把 AI 算力从云端集中建设，推向终端分布式部署。
数据中心负责训练、大规模推理、企业服务和云端模型。
AI PC 负责本地 Agent、隐私数据、低延迟交互、开发者原型、个人知识库、多媒体创作和游戏。
前者是重资产。
后者是终端生态。
这不是替代关系，而是分层关系。
大号 SoC 和小号 SoC
把 PC 端和数据中心端放在一起看，会发现 NVIDIA 的逻辑非常统一。
数据中心端，Vera Rubin 是大号 SoC。
它把 Vera CPU、Rubin GPU、NVLink、网络、DPU、机柜、冷却和软件栈组合成 AI factory。CPU 不只是“配一颗主机处理器”，而是负责让 GPU 更少等待、更快调度、更高吞吐。
PC 端，RTX Spark 是小号 SoC。
它把 Arm CPU、Blackwell GPU、NVLink-C2C、统一内存、Windows、CUDA 和本地 Agent 组合成 personal AI computer。
一边是 AI 工厂。
一边是个人 AI 工作站。
中间的共同语言，就是 Arm + NVIDIA GPU + NVLink-C2C + unified memory + CUDA 软件生态。
所以这次 NVIDIA 的真实意图，可能不是“做 CPU”。
而是把 CPU 纳入自己的系统控制权。
以前 NVIDIA 控制的是 GPU。
后来它控制了 GPU 之间的网络。
现在它要控制 CPU 和 GPU 之间的关系。
再往后，它要控制数据中心和 PC 之间的 AI 工作流。
这会冲击谁？
第一，当然是 Intel 和 AMD。
RTX Spark 如果只是一台昂贵的 AI 开发者机器，冲击有限。但如果它进入 Microsoft Surface、Dell、HP、Lenovo、ASUS、MSI 这些主流 PC 厂商体系，问题就变了。
过去 PC 的核心计算单元是 x86 CPU，GPU 是可选加速器。
现在 NVIDIA 想把核心计算单元改成 Arm CPU + Blackwell GPU + 统一内存。
这不是单颗芯片竞争，而是主板级、系统级、生态级竞争。
第二，是 Apple。
Apple Silicon 过去几年证明了一件事：CPU、GPU、NPU、统一内存和操作系统打包在一起，体验可以明显改变。
NVIDIA 现在做的不是复制 Apple，而是把类似的 SoC 逻辑放进 Windows PC，同时把 CUDA 和 RTX 生态带进去。
Apple 的强项是软硬件一体和消费体验。
NVIDIA 的强项是 AI 计算、开发者生态和 GPU 软件栈。
如果 Windows on Arm 这次真的被 RTX Spark 带起来，AI PC 竞争会从“谁的 CPU 跑分高”，变成“谁的本地 AI 生态更完整”。
第三，是云端 AI 服务。
本地 Agent 不会取代云端模型，但会重新分工。
隐私数据、文件整理、个人知识库、低延迟任务、轻量代码助手、多媒体工作流，这些很适合在本地跑。云端则继续承担大模型、复杂推理、大规模协作和企业级部署。
NVIDIA 最聪明的地方在于：不管你把 AI 放在云端，还是放在 PC，它都想卖你同一套架构。
结论：NVIDIA 补上的不是 CPU，是控制权
这次最容易被误读的地方，是把 NVIDIA 的动作看成“进军 CPU 市场”。
它确实进入了。
但如果只看到 CPU，就会错过更大的结构变化。
NVIDIA 真正补上的，是系统控制权。
在 AI 时代，GPU 负责计算，但 CPU 负责调度、编排、工具调用、上下文管理和系统控制。Agent 越复杂，CPU 和 GPU 之间的数据交换越频繁，内存容量和互连带宽越重要。
所以 CPU 不是回到中心。
CPU 是被重新定义了。
它不再是单独和 GPU 争夺主角，而是成为 AI 系统的控制器。
这就是为什么 RTX Spark、Vera CPU、Vera Rubin、NVLink-C2C、统一内存、Windows on Arm 要放在一起看。
NVIDIA 不是要变成下一个 Intel。
它要做的是另一件事：
把从 AI 工厂到个人电脑的计算单元，都改造成 NVIDIA 式 SoC。
如果这个方向成立，AI PC 就不只是 PC 行业的新卖点。
它会成为 NVIDIA 在数据中心之外，继续扩张 AI 计算版图的第二个入口。
数据中心是大号 AI 工厂。
RTX Spark 是小号 AI 工厂。
而那颗 Arm SoC，就是 NVIDIA 把两边连起来的铰链。
资料来源
• NVIDIA and Microsoft Reinvent Windows PCs for the Age of Personal AI[1] • Windows Experience Blog: Introducing a powerful new chapter for Windows PCs, accelerated by NVIDIA RTX Spark[2] • NVIDIA RTX Spark 产品页[3] • NVIDIA Launches Vera CPU, Purpose-Built for Agentic AI[4] • NVIDIA Vera Rubin Ramps Into Full Production to Power Agentic AI Factories Worldwide[5] • NVIDIA FY2027 Q1 财报新闻稿[6]
引用链接
[1] NVIDIA and Microsoft Reinvent Windows PCs for the Age of Personal AI: https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-and-Microsoft-Reinvent-Windows-PCs-for-the-Age-of-Personal-AI/default.aspx[2] Windows Experience Blog: Introducing a powerful new chapter for Windows PCs, accelerated by NVIDIA RTX Spark: https://blogs.windows.com/windowsexperience/2026/05/31/introducing-a-powerful-new-chapter-for-windows-pcs-accelerated-by-nvidia-rtx-spark/[3] NVIDIA RTX Spark 产品页: https://www.nvidia.com/en-us/products/rtx-spark/[4] NVIDIA Launches Vera CPU, Purpose-Built for Agentic AI: https://nvidianews.nvidia.com/news/nvidia-launches-vera-cpu-purpose-built-for-agentic-ai[5] NVIDIA Vera Rubin Ramps Into Full Production to Power Agentic AI Factories Worldwide: https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Vera-Rubin-Ramps-Into-Full-Production-to-Power-Agentic-AI-Factories-Worldwide/default.aspx[6] NVIDIA FY2027 Q1 财报新闻稿: https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Announces-Financial-Results-for-First-Quarter-Fiscal-2027/default.aspx
