NVIDIA柏林GTC发布本地AI硬件全线

英伟达在柏林GTC上把“本地AI”从一句口号变成了一条完整的产品线：从Windows PC上的RTX Spark，到Linux开发者的DGX Spark，再到企业级的DGX Station，三层硬件同时铺开，配套软件、模型、集群方案一并落地。这不是一次常规的产品更新，而是英伟达在云AI之外另开一条战线的明确信号——它要把推理和智能体能力从数据中心拽回到用户的桌面上。

三层硬件，三种用户，一个逻辑

RTX Spark面向Windows PC，最高128GB统一内存、1 petaflop AI算力，能跑个人智能体、1440p 100帧游戏和内容创作。DGX Spark面向Linux开发者，64GB版本10月23日由合作伙伴出货，可通过ConnectX-7组网和NVIDIA Sync Cluster Assistant最多八台集群，凑出1TB统一内存跑GLM 5.3这类前沿模型。DGX Station面向企业团队，748GB一致性内存、最高20 petaflops，能服务30人以上，速度对标云端模型。

三层产品的共同点不是算力数字，而是“数据不出机器”这个前提。Underdog桌面智能体跑在RTX Spark上，靠自研Husky推理引擎全程本地运行，用户数据不离开PC。这个细节值得琢磨：英伟达在卖的与其说是硬件，不如说是“隐私可控的AI”这个叙事。

集群和软件才是真正的门槛

单台DGX Spark跑不动大模型，这是常识。英伟达的解法是让八台机器通过ConnectX-7手动配置成集群，1TB统一内存足以承载GLM 5.3级别的前沿模型。这个设计针对的是小团队共享一个后端、每个开发者跑并发会话的场景——换句话说，它想替代的是“团队去租云GPU”这件事。

配套的NVIDIA Sync Model Launcher本月上线，几次点击就能下载匹配配置的模型和容器并接入OpenCode，还自动加载DGX Spark Skills做故障排查和设备维护。10月的软件更新加了Wi-Fi Assistant，让设备在appliance模式下切换网络。这些功能单看都是小修小补，合起来指向一个目标：把本地部署的摩擦系数降到接近云端一键开通的水平。

本地AI真正的敌人从来不是算力不够，而是配置太麻烦。英伟达这一轮更新几乎全部在打“麻烦”这两个字。

企业IT的入场券

DGX Station新增了七个集成：Absolute Security、Splunk by Cisco、Fleet Device Management、Microsoft Intune、Perforce Puppet、Progress Software Chef、Tanium。这份名单的意义在于，它让IT部门能用现有的企业设备管理流程来纳管DGX Station，加速审批、降低部署风险、缩短首token时间。

企业采购本地AI硬件的最大阻力往往不是预算，而是“这东西怎么纳入我们的合规体系”。英伟达把Splunk、Intune、Tanium这些IT运维标配拉进来，等于给企业开了一张入场券。12月推出的DGX Station for Windows更进一步，直接支持nTop、Dassault Systèmes、Keysight、MathWorks、Rockwell Automation、Siemens、Synopsys、Unity、Altera等制造业软件，让工程师在Windows原生环境里跑本地模型和智能体。

机器人、世界模型和AI工厂模拟

DGX Station还发布了三个开源参考工作流，把GPT-6 Astra、Isaac Lab、Isaac Lab-Arena和Cosmos带到桌面级硬件上。开发者可以用它们做GR00T 1.7模型的强化学习微调、训练灵巧操作技能、后训练Cosmos世界模型生成合成数据。机器人团队因此有了专属算力做后训练、仿真和评估，不必排队等共享基础设施。

更值得关注的是DSX OS在DGX Station上的预览——在完整基础设施到位之前模拟AI工厂的运营。这个动作的潜台词是：英伟达希望企业先在桌面上把AI工厂的逻辑跑通，再去做大规模采购。本地硬件在这里扮演的是“沙盘”角色。

模型和推理引擎的Day-0支持

英伟达宣布对Nemotron、GLM、DeepSeek、Qwen、MiniMax和FLUX.3提供Day-0支持，同时给llama.cpp和vLLM两个推理引擎加了新加速，还发布了一批针对本地硬件优化的checkpoint。NVIDIA Cloud Functions也以早期访问形式登陆Linux版DGX Station，团队可以把本地模型端点注册进共享目录，通过一个OpenAI兼容入口访问，换模型不用改应用代码。

这一层的战略意图很清楚：本地硬件的价值取决于能跑什么模型、跑得多快。Day-0支持和推理引擎优化是在告诉开发者，你不需要为了本地部署而牺牲模型新鲜度。

所以呢

英伟达这轮发布的真正判断是：AI推理的下一波增量不在云端，而在桌面和数据中心之间的那片空白地带。RTX Spark用“解锁bootloader”吸引开发者和爱好者定制本地智能体，DGX Spark用八机集群服务小团队，DGX Station用企业级管理集成和Windows生态撬动制造业和工程团队——三条线各自对应一类买家，但共享同一个卖点：数据留在本地，能力接近云端。

对从业者而言，这意味着本地AI的部署门槛正在被系统性拆解。集群配置、模型下载、故障排查、企业纳管、推理加速，每一环都有对应的工具落地。对行业而言，英伟达在给自己造一个不依赖云服务商的分发渠道——模型、推理引擎、智能体框架都跑在它的硬件上，云只是可选项之一。黄仁勋在keynote上用RTX Spark训练Hugging Face的Microduck机器人，演示的是Isaac Lab、Hermes Agent和Nemotron 3.5 Bolt 74B在本地协同工作的完整链路，这个画面本身就是对“本地智能”最直接的定义。