机械革命大师之路X10将发布：RTX Spark芯片让AI常驻桌面

AI时代，打开网页、输入指令、等云端AI回话，已经成了不少人的习惯。可这套模式有个绕不开的短板：AI更像按次计费的服务，会话受额度和网络牵制，本地资料与手头任务也未必能跨入口接上。网络一波动、Token额度一用完，手头流程就容易断掉。于是有人开始盼一种新状态：AI不用每次重新唤醒，就安静待在本机里，随时等着被调用，真正变成常驻桌面的助手。盯上这个痛点，机械革命即将推出大师之路X10——一款搭载RTX Spark超级芯片的桌面迷你小盒子，设计核心就是让AI稳稳住在桌面，让AI触手可及。

让AI触手可及，靠的是常驻在线，而不是临时开个会话。

这里说的触手可及，并非手机上装个App、网页上开个入口那么轻巧，关键在于AI能稳稳待在本机，随时响应、拿来就用。常驻是最要紧的一环：智能体长期驻留后台，持续读取本地文档和资料，随时接指令干活，不必每次都重新唤醒、重新建立上下文。要做到这点，光算力强还不够，设备得扛得住长时间稳定运行，供电和散热都得跟得上。桌面小盒子的形态，正好对上这个需求：固定插电，散热条件撑得起长时间负载，机身紧凑不占桌面，摆在那儿就能一直跑。对用户来说，AI不再是打开网页才能用的服务，而是放在桌面上、随叫随到的一项能力。

本地算力，甩开Token和网络的束缚。

推理全压在云端，Token额度、网络条件就会变成绕不开的天花板。本地算力方案给出了另一条路：日常问答、资料检索、智能体托管这些活，直接在机器上跑完，日常调用少受云端额度限制，接近“无限Token”的体验；对话记录和上下文也留在本机，不用反复上传。碰到本地算力接不住的重负载任务，再平滑切到云端，原有工作链路不用改动。这套“本地托管、按需扩容”的模式，既保住了响应速度，也把数据外传的范围压小，隐私顾虑因此轻了不少。

AI要住下来，先得有个合适的位置。

传统PC形态里，笔记本被电池和温控策略捆住，不适合长时间高负载推理；台式机性能上限更高，可体积偏大，摆放布线都是负担。大师之路X10卡在两者之间：机身紧凑，插上电源就能长期运行，手机、平板、笔记本都能当前端交互入口，算力底座单独搁在桌面一角。智能体不是单次调用的工具，而是长期驻留后台的搭档，小盒子正是为这类工作方式准备的载体——在不大幅挤占桌面空间的前提下，让AI持续运行。

RTX Spark超级芯片，托起本地大模型。

从硬件看，大师之路X10搭载的是RTX Spark超级芯片：20核Arm v9.2 Grace定制CPU与Blackwell架构GPU集成在一起，CUDA核心数量为6144个，FP4算力最高1 petaflop，内存走统一架构。CPU和GPU共用同一个内存池，模型权重就不必在内存与显存之间来回倒腾，这笔搬运开销被省了下来。NVIDIA官方资料显示，这颗芯片最高能跑1200亿参数的模型，上下文长度可到100万；完整模型装进统一内存后，加载一次就能反复调用，适合常驻智能体。机械革命同时在自研AI SSD，针对的是本地大模型卡在存储上的问题。存储这一环要是打通，本地能跑的模型规模有望再往上走，用户的记忆数据也能留在自己机器里。这套方案并不排斥云端，而是做分工：日常推理、智能体托管、记忆留存尽量放在本机完成，一旦超出本地算力上限，再去调用云端资源。

CUDA生态，让AI落到真实场景。

CUDA生态已经相当成熟，大师之路X10能做的事远不止跑大模型。开发者拿它在本机搭智能体、调原型、部署新模型；创作者靠FP4 Tensor Cores、RT Core、DLSS、AV1、4:2:2硬件编解码以及NVIDIA Broadcast，做图像生成、视频渲染、直播推流；到了游戏场景，DLSS、Reflex和光线追踪也都在支持范围内——一台小盒子能同时扛起这些负载。AI真正常驻桌面、随叫随到之后，触手可及就不再只是句口号，而成了日常。如果你想让AI不只是网页里的一个入口，而是桌面上随时能喊的搭档，这款即将推出的小盒子值得关注。