将 Spark 带到欧洲：本地智能驱动下一波智能体浪潮

截至2026年10月21日，NVIDIA 在 GTC Berlin 展示了一套覆盖个人电脑、开发者设备和企业工作站的本地 AI 产品线。RTX Spark 面向 Windows PC 上的个人智能体，DGX Spark 面向 Linux 开发与模型扩展，DGX Station 则面向企业团队、机器人和本地推理服务。此次更新不只增加硬件型号，还覆盖模型部署、集群管理、推理优化、后训练和企业应用接入。

RTX Spark 将完整本地智能体带到 Windows PC

10月16日上市的 RTX Spark 面向个人智能体、内容创作和本地模型推理。NVIDIA 表示，其最高配置提供 128GB 统一内存和 1 petaflop AI 算力，并可支持 1440p、每秒 100 帧的游戏场景。ASUS、Dell Technologies、HP、Lenovo、Microsoft 和 MSI 的相关笔记本已经上市，Acer 产品则计划随后推出。

本地智能体方面，Underdog 桌面应用已经支持 RTX Spark。按照 NVIDIA 的说明，Underdog 通过其 Husky 模型专用推理引擎完全在设备上运行模型，处理过程中用户数据不会离开电脑。多款 RTX Spark 笔记本还提供解锁的 bootloader，便于开发者定制本地智能体。NVIDIA 展示的案例包括利用 RTX Spark 上的智能体、Isaac Lab、Hermes Agent 和 Nemotron 3.5 Bolt 74B 训练 Hugging Face 的 Microduck 机器人。

DGX Spark 把开发环境扩展到八节点集群

面向 Linux 开发者的 64GB DGX Spark 系统计划于10月23日起由合作伙伴陆续交付。官方列出的可运行模型包括 Nemotron 3.5 Bolt 74B 24GB、Qwen3.8 27B 和 Gemma 4 26B-A4B。当单台设备容量不足时，DGX Spark 可通过内置 NVIDIA ConnectX-7 网络和 NVIDIA Sync Cluster Assistant 连接多台设备。

手动配置模式下，集群最多支持八台 DGX Spark，合计提供 1TB 统一内存，用于运行更大模型、更长上下文和并发智能体任务。NVIDIA 将这一配置定位为小团队共享后端，例如让多名开发者针对同一个模型并行工作，而不是面向大规模生产集群。

软件侧的更新也在降低模型部署门槛。计划于10月推出的 NVIDIA Sync Model Launcher 可以根据设备配置下载模型和容器，并将其连接到 OpenCode，同时加载故障排查、设备维护及官方文档等 DGX Spark Skills。10月软件更新还加入 Wi-Fi Assistant，使设备以 appliance mode 运行时能够切换网络。

DGX Station 面向企业服务、制造业与机器人

DGX Station 提供 748GB 一致性内存和最高 20 petaflops AI 性能。NVIDIA 称，它能够运行 GLM 5.3 等模型，并以接近云端模型的速度服务 30 多名用户。这一性能与用户规模属于 NVIDIA 提供的指标，实际表现仍取决于模型、并发量及具体工作负载。

企业连接方面，NVIDIA Sync 现已支持 DGX Station，可在两台 Linux 系统之间建立连接；新增的 Absolute Security、Splunk by Cisco、Fleet Device Management、Microsoft Intune、Perforce Puppet、Progress Software Chef 和 Tanium 集成，用于设备配置、管理与合规流程。

Windows 版 DGX Station 预计由合作伙伴在12月推出。它将面向专业应用和现有企业环境，支持 RTX PRO GPU，以及由运行在 NVIDIA GB300 系统上的大语言模型驱动的智能体。官方列出的制造与工程软件生态包括 nTop、Dassault Systèmes、Keysight Technologies、MathWorks、Rockwell Automation、Siemens、Synopsys、Unity 和 Altera，并支持在本地运行 Hermes Agent、Perplexity 或 Aible。

本地模型目录与机器人工作流开始形成

面向 Linux 版 DGX Station 的 NVIDIA Cloud Functions 将进入早期访问。团队可以把本地模型端点登记到共享目录，再通过统一的 OpenAI 兼容入口调用；替换端点背后的模型时，无需修改应用代码。NVIDIA 还发布了三套开源机器人参考工作流，将 GPT-6 Astra、Isaac Lab、Isaac Lab-Arena 和 Cosmos 用于强化学习后训练、灵巧操作训练以及世界模型后训练。

在 GTC Berlin 展台上，NVIDIA 还预览了运行于 DGX Station 的 DSX OS，用于在完整基础设施到位前模拟 AI 工厂运行；另一项演示则由 DGX Station 为 30 多名软件开发者提供本地 token 服务。

Recursive Flint 与新模型获得首日适配

Recursive Superintelligence 发布了面向本地运行的编码模型 Recursive Flint。该模型采用 400 亿参数 MoE 架构，每个 token 激活 25 亿参数。NVIDIA 表示，Recursive 的 Eureka Machine 自动化研究流程后生成的内核，在不修改模型权重的情况下，使 Flint 在 RTX Spark 上的生成速度提升 55%。Flint 以 Apache 2.0 许可证在 Hugging Face 提供开放权重，可用于 RTX Spark、DGX Spark、GeForce RTX 和 RTX PRO GPU，并可通过 NeMo Automodel、NeMo RL 等工具进行后训练。

模型支持方面，NVIDIA 宣布为 Nemotron Bolt E4B 4GB、GLM、DeepSeek、Qwen、MiniMax、Liquid AI 的 LFM2.5-24B-A2B 以及 FLUX.3 Klein 提供首日适配。Black Forest Labs 的 FLUX 3 Image Klein 是 56 亿参数开放权重图像模型；按照 NVIDIA 数据，经过优化的构建版本可在最低 8GB 显存的 GeForce RTX GPU 上运行，并在 RTX 5090 上约四秒生成一张 100 万像素图像。

推理优化主要来自软件栈配合

llama.cpp 为 Qwen 3.8 Flash Next 加入基于 MTP 的推测解码。NVIDIA 称，在 RTX PRO 6000 Blackwell 上，端到端智能体任务最高加速 1.4 倍。
vLLM 加入更快的推测解码和面向 Qwen 线性注意力层的 FlashInfer prefill 内核。NVIDIA 称，在 DGX Spark 上运行 Qwen3.8 27B 时，智能体任务最高加速 1.3 倍。
在 DGX Station 上，GLM 5.3 Flash 的吞吐量最高提升 1.2 倍。

本地部署适合哪些场景，仍有哪些约束

本地 AI 的主要适用场景包括隐私要求较高的个人助手、开发者编码环境、小团队共享推理后端、制造业工作站以及需要快速反复迭代的机器人训练。数据与模型可以留在组织内部，也减少了对远程推理服务的持续依赖。不过，Underdog 所描述的“不让数据离开电脑”针对完全在设备上运行的流程，并不自动适用于所有接入云端工具或服务的智能体。

硬件容量仍然是明确边界。不同模型需要不同内存配置，例如部分本地优化检查点可运行于单台 128GB DGX Spark，而另一款 GLM 本地检查点需要两套系统。DGX Spark 集群目前采用手动配置且最多支持八台，并不等同于自动扩缩容的云基础设施。

软件可用性也需要区分：DGX Spark 64GB 系统和 Nemotron Bolt E4B 4GB 计划于10月23日推出，Model Launcher 要到当月后续上线，Windows 版 DGX Station 预计在12月交付，而 NVIDIA Cloud Functions 仍处于早期访问阶段。

此外，官方给出的生成速度、任务加速比、用户服务数量和基准表现均来自 NVIDIA、合作伙伴或模型厂商，适合用于判断设计上限，不应直接等同于生产环境结果。实际选型仍需用真实模型、上下文长度、并发量、量化方式和持续负载进行验证。

资料来源：Bringing the Spark to Europe: Local Intelligence Powers Next Wave of Agents（2026-10-21）。