高宏傑：RTX Spark 不是 AI PC，是場域邊緣 AI 整合盒 — COMPUTEX 2026 展後分析
來源： Facebook — 高宏傑 日期： 2026-06-06（約略） 平台： Facebook 個人貼文 擷取方式： Hermes PinchTab（public-meta profile，headless）
貼文全文
COMPUTEX終於來到了最後一天。一如以往，我終於可以從每天喝的痛與快樂中脫離了。
這幾年的 COMPUTEX，不知道是人老了看過的東西多了，還是我執變的越來越重。除了看看老朋友，陪陪客戶外，很少有啥題目讓我眼睛一亮。不是沒有新東西，而是滿場的 NVIDIA 供應鏈軍火展示。大廠商在賣 NVL72，機櫃，水冷，電源管理或一條龍服務；中廠商在賣 GPU Server、水路快接頭；小廠商賣賣 Jetson 開發版跟應用，產值巨大但視覺疲勞。印象中的 COMPUTEX 是要百花齊放，千奇百怪的。就像年輕時候的光華商場，各式各樣的電子小玩具，連 CD-ROM 都有各式各樣不同功能取向的產品，讓我不知道怎麼選。
不過今年 NVIDIA 新發表的 RTX Spark，卻讓我從一開始看不懂到底在玩啥，到後來越想越覺得是個有搞頭的東西。而且我覺得有趣的地方，跟 NVIDIA 自己的第一波行銷手法不太一樣，所以寫了這篇猜想來分享一下。
結論先說，我強烈的認為，RTX Spark 的價值，不在消費 AI PC，而在場域邊緣 AI 整合盒。
為何一開始看不懂
RTX Spark 一開始在 GTC 亮相的時候，它的行銷用詞跟定位非常清楚，這並不是一台新的工程師玩具，而是一台要讓消費者或創作者使用的 AI PC。但是我不買單。
不買單的原因並不是因為我是 AI 懷疑論者（並不是，我每個月交了不少 AI 稅給大頭們），或是覺得技術有缺陷。而是我不知道需求在哪？我一直覺得現在並不是 AI PC 走入消費端的好時機。原因很簡單，消費端並沒有治理問題。除了嘗鮮或是研究，家用電腦並沒有明顯的本地自建 AI 的需求；各類的 SaaS 廠商也會用盡方法把我們這塊肥肉綁在雲端的 TOKEN 計費上。
更何況，在我記憶中，“Real” Windows on ARM 已經失敗過三次：
- 第一次（2012）：微軟跟 NVIDIA 聯合出品的 Surface RT，純 32-bit ARM，所有 APP 專用，不能跑 Windows 桌面程式，無疾而終。
- 第二次：微軟跟高通聯合戰線，主打「永遠連線」輕薄筆電。初期只能模擬 32 位元程式，主流 64 位元 app 要等好幾年後才跑得動，相容性一直有問題。
- 第三次（近兩年）：這一兩年的 AI PC 浪潮，依舊是微軟跟高通。軟體成熟度大增，還拉了 ACER、ASUS、DELL 等一線大廠助陣，但終端銷量依舊沒被真正帶起來。
所以當老黃說「Every single application that Windows has ever run」的時候，完全打動不了我。看了一下規格，雖然跟 Apple Silicon 一樣是統一記憶體架構，也有 128GB 選項，但記憶體頻寬還是 300GB/s，跟現在在 MAC 上跑 LLM 遇到的問題一樣：模型裝得下但跑不動。去年的 DGX Spark（同一顆 GB10），經過實測，受限於記憶體頻寬，70B 的模型也只能一秒跑幾個 Token。
轉折：從消費產品到場域應用
在我逛展的時候，接到了最近在幫他家工廠導入機聯網跟 AI 落地的朋友電話。一邊聊遇到的問題，一邊跟他說在展場看到了啥。聊著聊著，突然覺得，如果不是用消費產品的角度來看 RTX Spark，而是從場域應用的方向來看，我覺得它很有搞頭。
要把 AI 運用到真實的應用場域，到今天還是個麻煩的事：
- 用雲端服務？ 資料隱私、反應慢、串聯麻煩。對使用情境固定、使用者少但希望快速反應的場域來說，雲有點難辦。
- 改用地端設備？ 設備貴不是大問題；但要如何伺候、連結與部署這些設備，頭就痛了。
- 用 Jetson？ 比一台 PC＋GPU 簡單好顧，但多個任務要怎麼同時工作？多個 Jetson 又要如何通訊整合？最後常常變成蚊子工程。
RTX Spark 的關鍵論點
-
CUDA 生態 + Windows 的組合是神來之筆 — HMI 終於能與底層計算深度協同，操作員可以用自然的「說與聽」指派產線任務，機器即時分析並作預警或預測。
-
取代多台 SI 設備拼湊的噩夢 — 以前需要找三家系統整合商（SI）、拼湊好幾台硬體才能勉強運作的場景，現在一塊小盒子有機會搞定。
-
消費級量產平攤成本 — 既然定位消費級別，各家廠商預計發表型態都是筆記型電腦，代表 RTX Spark 一定比 DGX Spark 划算很多。硬體成本直接被全球龐大的消費與筆電市場平攤。
-
Windows 的 IT 納管優勢 — 跑 Windows 的設備，企業原有的 IT 管理、網域控制、資安防護全都能無縫接入。多數公司不需要因為引進 AI 落地而擴編 Linux 團隊。
-
離線運作 + 資料飛輪 — 藉由 CUDA，多模態 AI 不但可以塞進同一台機器同時工作，還能離線運作。即時資料在自己手上，AI 也在自己手上，造出自有資料飛輪的門檻被踏平。
-
固定成本（CAPEX） — 不像雲端 Token 是難以預測的變動成本，佈署 RTX Spark 的基礎設施成本是固定的、可估算的。
場景想像
- 小吃店：電話進來訂位或客訴，機器當場聽、當場理解、當場查訂位系統回話，通知廚房或店員。
- 產線：鏡頭看零件，現場人員用講的問「這批良率怎麼樣」，機器直接調 ERP 給答案，出錯時直接移除並分析製程。
- 工作排程：對著螢幕問一句，就把生產排程跟庫存檢索一次串起來。
免責
RTX Spark 還沒上市，這一切都是我看公開資訊後所產生的美好幻想。說不定又重蹈了之前三次 Windows 失敗的老路。希望痛風不要發作，不然這篇大概會被我自己刪掉。
留言區
MD Lin
如果 RTX Spark 是拿來當 AI PC，那 Mac 幾乎在大多數場景都贏。Mac 已經是成熟產品，RTX Spark 還在證明 Windows on Arm 不是第四次輪迴。
頻寬數據：
- Apple Mac Studio M3 Ultra：819GB/s 記憶體頻寬
- Mac M4 Max：最高 546GB/s
- NVIDIA DGX Spark (GB10)：128GB LPDDR5x、273GB/s 頻寬
RTX Spark 真正的活路不是打敗 Mac，而是避開 Mac：把自己做成 CUDA 場域 AI 盒，專門處理 Mac 不擅長的現場整合、工控周邊、視覺推論、低延遲本地部署與企業級垂直方案。
Bryant Liu
說白了就跟 private 5G 類似，沒有「必要」的應用，只是產業鏈要找題目來掺一咖，代表自己有跟上 AI 而已。
MD Lin（補充）
做了一張最新 AI Coding 的人口佔比，其實市場就算有也太小，更何況現在 Mac Studio、Mac Mini 就能串聯得很棒了。
Allen Yen
為什麼王董可以寫這一大串看起來很厲害，我卻讀不太懂的文啊？
Alex Lee
你們有出展嗎？這次我有回去看展。可惜沒機會見面聊聊。
你說的，真正打到目前 AI 產業的問題。我覺得不管是 Microsoft 或是 Google，仍脫離不了 PC+AI 新功能或是強化上。但 AI 本質上，PC 應用只是他能做的事情之一。所以不該只是談 AI 怎麼輔助 PC，而是應該思考所謂 AI Native App。這種平台仍基於目前硬體架構，但介面並不是對話或現存 App。強調的是工作目標，而不完全是協作。
Computex 大多展的是 RTX Spark。但 nVidia GTC 的主場，展的就是 OpenClaw 了。PC 界要的是能和 Mac 競爭的硬體，所以開出 RTX Spark，用 UMA 來至少和 MacBook/MacMini 打平。但 nVidia 看的是策略，所以談的是 Agent。
YinDuen Liao
我認真地看完了，很喜歡同學精闢的分析，讓我們拭目以待吧！
張証喻
我粗俗的眼光只有看到一台十幾萬的 Windows。
Hank Yu
需要的話呼叫我一下。
林彥華
我也認真的看完了，遇到高董來按讚的；）
Michael Sun
（無具體回應）
關鍵數據
| 項目 | 數值 |
|---|---|
| RTX Spark 記憶體選項 | ≤ 128GB LPDDR5x（UMA） |
| 記憶體頻寬 | ~300GB/s |
| DGX Spark (GB10) 頻寬 | 273GB/s |
| DGX Spark 70B 模型實測 | 每秒數個 Token |
| Mac M3 Ultra 頻寬 | 819GB/s |
| Mac M4 Max 頻寬 | 最高 546GB/s |
| Windows on ARM 失敗次數 | 3 次（2012 Surface RT、高通 32-bit 模擬、AI PC 浪潮） |
| COMPUTEX 展期 | 2026 年 |
| 留言互動數 | 44 Reactions、38 Shares |
關聯頁面
- gao-hong-jie — 高宏傑（作者）
- rtx-spark-edge-ai-box — RTX Spark 作為場域邊緣 AI 整合盒
- edge-ai-harness — 邊緣 AI 落地整合（Harness / 手工活）
- nvidia-computex-2026 — COMPUTEX 2026 NVIDIA 展示