پس از بیش از یک هفته زندگی و تنفس تراشه RTX Spark انویدیا، از میزان هوش مصنوعی، خلاقیت و قدرت بازی که در چنین فضای کوچکی گنجانده شده است، تحت تأثیر قرار گرفتم.

اوایل این ماه که در رویداد RTX Spark انویدیا در سانفرانسیسکو حضور داشتم، به اندازه کافی خوش شانس بودم که از طریق بسیاری از کارهایی که این «سوپرتراشه» می تواند انجام دهد، از نزدیک آشنا شدم. از آن زمان، تقریبا هر لحظه بیداری را صرف اجرای RTX Spark مبتنی بر ARM کرده‌ام و ببینم چه چیزی آن را از سایر چیپ‌ست‌های قبلی متفاوت می‌کند.

RTX Spark اولین سیستم روی تراشه (SoC) انویدیا است. با ترکیب یک CPU 18 هسته ای و 5120 Cuda core Blackwell RTX GPU همه در یک، یا یک CPU 20 هسته ای و GPU 6144 هسته ای برای نسخه بهتر خود، یک چیپست یکپارچه در رگه های تراشه های سری M اپل ارائه می دهد. در حالی که سیلیکون اپل به خاطر غوغای خود شناخته شده است، GPU Blackwell RTX به این معنی است که در اینجا برای بوت کردن، عملکرد بازی قابل توجهی نیز خواهید داشت.

چگونه این از نظر اعداد خام ترجمه می شود؟ مطمئنا چیزهای زیادی در زیر کاپوت وجود دارد، زیرا تراشه RTX Spark N1X که من با آن بازی می کردم، 20 هسته را در CPU خود فشرده می کند. در حالی که عملکرد 2623 تک هسته ای که در Geekbench 7.1 کلاک کردم تا حدودی کمتر از 4288 عددی است که برای تراشه M5 اپل به دست آوردیم، امتیاز 21899 چند هسته ای آن به شدت از 17926 دومی پیشی گرفت. این بدان معناست که برای کارهایی مانند تولید محتوا، توسعه نرم‌افزار و هوش مصنوعی، باید بتوانید در گوشه و کنار خود انتظار صدای بیشتری را داشته باشید.

بنابراین با توجه به پتانسیلی که در سراسر هوش مصنوعی عاملی، گردش‌های کاری خلاقانه و بازی‌ها وعده می‌دهد، بیایید نگاهی به عملکرد آن در هر یک از این حوزه‌ها بیندازیم.

هوش مصنوعی عامل ترکیبی

(اعتبار تصویر: آینده) در طول راه اندازی RTX Spark SoC انویدیا، تمرکز زیادی روی پتانسیل آن برای هوش مصنوعی عامل هیبریدی وجود داشت. اکنون، مدل‌های هوش مصنوعی مبتنی بر ابر، بدون شک بسیار قدرتمند هستند، اما من کاملا نگرانی‌های امنیتی در مورد آپلود خصوصی‌ترین داده‌هایم در فضای ابری دارم و کاملا مطمئن نیستم که بخواهم کورکورانه به شرکت‌های پشت برخی از این مدل‌ها اعتماد کنم.

استفاده از مدل‌های منبع باز محلی که می‌توانم خودم را بررسی کنم و هرگز داده‌های حساس را به خارج از شبکه من منتقل نمی‌کنند، جایگزین بسیار امن‌تری به نظر می‌رسد – اما لزوما همه نمی‌خواهند خود را از قدرت مدل‌های مرزی قطع کنند. به همین دلیل است که انویدیا به جای آن یک سیستم هیبریدی برای RTX Spark معرفی کرده است.

درعوض، جریان کاری ترکیبی که RTX Spark از آن پشتیبانی می‌کند به شما امکان می‌دهد مدل‌های محلی خود را انتخاب کنید و آنها را برای بخش‌های خاصی از یک گردش کار عاملی محصور کنید، در حالی که وظایف خاص و سخت را به مدل‌های مرزی ابری برون سپاری کنید. در نتیجه، کاربران باید بتوانند رویکردی بسیار دقیق‌تر داشته باشند و دقیقا تصمیم بگیرند که چقدر می‌خواهند به مدل‌های عمومی و خصوصی تکیه کنند.

برای افرادی که دوست دارند محصولات پیچیده را کدنویسی کنند یا صحنه‌های سه بعدی سختی تولید می‌کنند، اجباری برای انتخاب بین گزینه‌های امنیتی باینری ضعیف، رویکرد YOLO و قفل کامل ابزار ارزشمندی خواهد بود.

بنابراین اکنون که مدتی را با RTX Spark صرف کرده‌ام، عملکرد نمایندگی آن چگونه به این وعده‌ها عمل کرده است؟ برای دریافت تصویری گسترده از معیار MLPerf Client برای شبیه‌سازی گردش‌های کاری تحلیلگر داده و عامل SWE با استفاده از مدل محلی Qwen 3 8B، با میانگین مدت زمان هر اجرا 63.7 و 50.8 ثانیه و پردازش تا 14005 و 10238 توکن را اجرا کردم.

من همچنین با استفاده از ComfyUI برخی از گردش‌های کاری تصویر و ویدئو را محک زدم. هنگام آزمایش گردش کار با استفاده از مدل‌های NVFP4 Flux2.Dev (NVFP4 و Flux2.Klein 4B Base)، برای تولید تصویر به ترتیب 46.5 و 16.2 ثانیه طول کشید، در حالی که مدل LTX 2.5 (تقطیر) NVFP4 88 ثانیه طول کشید. این به طور کلی با آنچه انویدیا وعده داده است مطابقت دارد و نشان می دهد که RTX Spark با چه سرعتی می تواند با استفاده از مدل های محلی رسانه تولید کند.

با این حال، داده‌های خام تنها چیزهای زیادی را به شما می‌گویند. به همین دلیل است که من روزها را با استفاده از هرمس و مدل منبع باز محلی Qwen3.8 27B به آموزش عامل هوش مصنوعی اختصاص دادم تا ببینم RTX Spark چه کاری می تواند انجام دهد.

مطمئنا، به نظر می رسد که برخی از وظایف را در تنظیمات Extra High خود کاملا از بین برده است. با دادن برخی از داده‌های تحلیلی به شکل CSV، از آن خواستم صفحه‌گسترده را مرتب کند، داده‌ها را تجزیه و تحلیل کند و یافته‌های کلیدی آن را ارائه کند و پس از 12 دقیقه تامل و اصلاح، با خوشحالی یک جدول محوری و برخی مشاهدات روی داده‌ها را بیرون آورد. در حالی که من از هیچ یک از نتایج آن بسیار شگفت زده نشدم، ماه ها به بررسی این داده ها پرداختم و این واقعیت که می توانست ضروری ترین نکات را بدون خروج هیچ یک از اطلاعات امن من از لپ تاپ شناسایی کند، بسیار چشمگیر بود.

برخی از آزمایش‌هایی که من انجام دادم شامل صبر و شکیبایی بیشتر و اصلاح روند کار نماینده برای گرفتن بهترین نتایج بود. اولین باری که از نماینده هرمس خود خواستم به مشتری ایمیل آنلاین من متصل شود و خلاصه ای از ایمیل های روز را ارائه دهد، 75 دقیقه روش های مختلفی را برای تبادل توکن با مشتری آنلاین Outlook صرف کرد، قبل از اینکه به طور غیرمنتظره ای خراب شد. با این حال، بار دوم نقش کمی فعال‌تر را بازی کردم و وقتی احساس کردم که در حال حرکت است یا با موانعی روبرو شده است، بازخورد ارائه می‌کنم و در 70 دقیقه با موفقیت بریف را تنظیم می‌کنم.

بنابراین با کمی صبر و تذکر عاقلانه، قطعا می توانید نتایج خوبی را با استفاده از یک مدل محلی به دست آورید. علاوه بر این، لازم نیست هر بار این فرآیند کامل را طی کنید - از هرمس بخواهید چیزی را به عنوان یک مهارت ذخیره کند و در آینده این فرآیند را خودکار می کند یا حتی آن را به عنوان یک Cron Job تکراری برنامه ریزی می کند. حتی می‌توانید از آن بخواهید که راه‌هایی برای بهبود کارایی مهارت‌های موجود پیدا کند، به این معنی که می‌توان زمان اجرا و منابع مورد نیاز آنها را در آینده به حداقل رساند.

گردش کار خلاق

(اعتبار تصویر: آینده) اگر فکر کنید این بدان معناست که لپ‌تاپ‌های RTX Spark عمدتا بر ابزارهای هوش مصنوعی متمرکز هستند، بخشیده می‌شوید. اما این نمی تواند فراتر از این مورد باشد: در حالی که بسیاری از مطبوعات پیرامون تراشه بر روی ابزارهای هوش مصنوعی آن بوده است، این واقعا تنها رشته ای نیست که به کمان آن می پردازد.

همانطور که می توانید از این واقعیت که RTX Spark در جدیدترین Asus ProArt P16 استفاده شده است متوجه شوید، کار خلاقانه تمرکز بزرگی برای SoC جدید است. حتی اگر به قدرتی که برای هوش مصنوعی مولد ارائه می دهد علاقه ندارید، تعداد زیادی از برنامه های خلاقانه سازگار با RTX، اعم از Blender، Adobe Creative Suite، Canva یا Unity نشان می دهد که چه تعداد غول خلاق در پشت SoC جدید تلاش می کنند.

مشتاقانه برای آزمایش اینکه RTX Spark چقدر کار خلاقانه را انجام می دهد، از Puget Bench برای خودکارسازی طیف وسیعی از وظایف در Photoshop و Premiere Pro استفاده کردم. گردش کار استاندارد فتوشاپ PugetBench 10.83 دقیقه طول کشید و امتیاز 11801 را به دست آورد، در حالی که خط لوله استاندارد Premiere Pro آن 8.12 دقیقه طول کشید و امتیاز 76234 را به دست آورد و آن را کاملا در محدوده یک ایستگاه کاری خلاق واقعی قرار داد. این بدان معناست که در ناحیه ناهموار تراشه M5 اپل قرار گرفته است که به ترتیب امتیازهای 13755 و 69887 را کسب کرده است که در کار ویدیویی پیچیده بهتر است اما برای تصاویر ثابت کاملا برابر نیست.

برای کسانی که از هوش مصنوعی مولد در کار خود استفاده می‌کنند، من همچنین برخی از جریان‌های کاری تصویری و ویدیویی تولیدی را با استفاده از ComfyUI محک زدم. هنگام آزمایش گردش کار با استفاده از مدل‌های NVFP4 Flux2.Dev (NVFP4 و Flux2.Klein 4B Base)، برای تولید تصویر به ترتیب 46.5 و 16.2 ثانیه طول کشید، در حالی که مدل LTX 2.5 (تقطیر) NVFP4 88 ثانیه طول کشید. این به طور کلی با آنچه انویدیا وعده داده است مطابقت دارد و نشان می دهد که RTX Spark با چه سرعتی می تواند با استفاده از مدل های محلی رسانه تولید کند.

در حالی که من نه یک فیلمبردار مشتاق یا یک هنرمند نوظهور بلندر هستم، دهه‌ها را صرف بررسی تصاویر ثابت کرده‌ام، بنابراین یک فایل قدیمی فتوشاپ 4K و 300dpi را پیدا کردم. قبلا بسیار بزرگ بود زیرا دارای لایه‌های با وضوح بالا، ماسک‌های برش‌دهنده و لایه‌های تنظیم بود، اما من تعداد لایه‌ها را سه برابر کردم و تعدادی فیلتر و افکت اضافه کردم. زمان پردازش کمتر از یک ثانیه باقی ماند و حتی نصف کردن اندازه تصویر فقط حدود پنج طول کشید، که با توجه به تعداد بسیار زیاد لایه‌ها و گروه‌هایی که با آنها کار می‌کردم بسیار چشمگیر است.

و RTX Spark حتی باید بتواند به ابزارهای هوش مصنوعی داخلی این برنامه‌ها سرعت بخشد، به لطف همکاری اخیر بین Nvidia و Adobe. Adobe با بهینه‌سازی برنامه‌ها برای استفاده کامل از GPU تراشه، قول می‌دهد که لپ‌تاپ‌های RTX Spark پردازش، ویرایش، رنگ و افکت‌های ۲ برابری هوش مصنوعی را ارائه می‌کنند. این یک مزیت واقعی برای هر کسی است که از این ابزارهای هوش مصنوعی به عنوان بخشی از گردش کار خود استفاده می کند.

عملکرد بازی

(اعتبار تصویر: آینده) با توجه به تاریخچه انویدیا، بازی طبیعتا تمرکز بزرگی برای چیپست RTX Spark است. از آنجایی که اکثر بازی ها با معماری x86 اجرا می شوند، SoC ها در گذشته طبیعی ترین خانه برای بازی نبوده اند. با این حال، جایگاه انویدیا در این فضا به این معنی است که بسیاری از توسعه‌دهندگان نسخه‌های بومی RTX Spark از بازی‌های خود را هنگام عرضه تراشه در ۱۶ اکتبر راه‌اندازی کردند، از جمله Cyberpunk 2077، Doom: The Dark Ages و 007 First Light – در حالی که سری Call of Duty قرار است در سال ۲۰۲۷ عرضه شود.

و برای کسانی که هنوز سازگار نیستند، شبیه‌سازی Prism به این معنی است که می‌توانید عناوین زیادی را اجرا کنید که تنها تأثیر کمی بر عملکرد CPU شما دارد.

وقتی صحبت از عملکرد بازی به میان می‌آید، RTX Spark مطمئنا بی‌تفاوت نیست. امتیاز 3DMark Port Royal 8133، Steel Nomad امتیاز 2846 و Speed ​​Way 2872 را به دست آورد. این یک لمس کمتر از Asus Zephyrus G14 با Nvidia GeForce RTX 5070 Ti با امتیاز ۱۰،۱۱۹، ۳،۴۸۸ و ۴،۰۳۱ است. اما عملکرد بسیار بهتری نسبت به اکثر لپ‌تاپ‌های دارای پردازنده گرافیکی یکپارچه مانند Pre-RTX-Spark Dell XPS 16 است که مقادیر 3888، 1488 و 916 را تضمین می‌کند.

اما در حالی که این بنچمارک های شبیه سازی شده برای دریافت دید وسیعی از عملکرد بازی مفید هستند، بنچمارک های درون بازی بهترین راه برای به دست آوردن بینش واقعی از عملکرد عناوین واقعی هستند. هنگام آزمایش RTX Spark، Cyberpunk 2077 با سرعت 30.16 فریم بر ثانیه در 1080p در تنظیمات Raytracing: Ultra و Doom: The Dark Ages به طور میانگین 48.58 فریم بر ثانیه در 1080p ارائه کرد - بسیار شبیه به 32.33 فریم بر ثانیه و 51.33 فریم بر ثانیه با خروجی 51.63f با سرعت NTU4Asvi. GeForce RTX 5060.

با این حال، هیچ چیز با آزمایش واقعی بازی های دست اول قابل مقایسه نیست، بنابراین من تعدادی از بازی های مورد علاقه خود را انتخاب کردم و آنها را امتحان کردم. انصافا Cyberpunk 2077 حتی با استفاده از تنظیمات فوق‌العاده Raytracing بسیار قابل بازی بود و زمانی که به Ray-tracing Medium تغییر مکان دادم، با سرعت 60 فریم بر ثانیه فوق‌العاده روان اجرا شد.

در همین حال، اجرای Gears of War: E-Day در تنظیمات Ultra به همان روانی بود که تاهینی روی میز مرمری می‌ریزد. وقتی امواج Horde را به هم می کوبیدم، حتی در تنظیمات Ultra هیچ کاهش قابل توجهی مشاهده نمی شد، با این که اکشن هرگز به زیر 115 فریم بر ثانیه نمی رسید. بنابراین ممکن است برای قدرت مطلق با RTX 5090 مطابقت نداشته باشد، اما هرکسی که گیمرهای نخبه را منع کند، هنوز هم چیزهای زیادی برای دوست داشتن در اینجا پیدا خواهد کرد.

بنابراین، اگرچه طبیعتا در سطح لپ‌تاپ‌های مخصوص بازی مانند MSI Vector A18 HX A9W نیست، من هنوز هم تحت تأثیر بازی‌های روی تراشه RTX Spark هستم. و این تنها زمانی آشکارتر می شود که آن را با سیستم های SoC سبک وزن مشابه مقایسه کنید. در حالی که MacBook Pro M5 از نظر عملکرد خلاقانه به همان اندازه چشمگیر است، اما به سختی قادر به حذف 11.5 فریم در ثانیه در Cyberpunk 2077 در تنظیمات Raytracing: Ultra بود.

در نتیجه، اگر به دنبال چیپست هستید که نه تنها عملکرد عالی در یک کار خاص، بلکه عملکرد عالی در هر کاری که انجام می‌دهید به شما ارائه دهد، RTX Spark ثابت کرده است که انتخاب خوبی خواهد بود.