Laptop, który pracuje zamiast ciebie. Test NVIDIA RTX Spark w ASUS ProArt P16

NVIDIA RTX Spark to zasadniczo konsumencka odmiana zaprezentowanego blisko rok temu NVIDIA DGX Spark - mini serwera AI ze 128 GB zunifikowanej pamięci, limitem mocy do 240 W oraz opcją łączenia nawet do czterech takich urządzeń poprzez dedykowany interfejs ConnectX-7.

Tym razem NVIDIA stawia na sprzęt przyjaźniejszy dla użytkownika, jako że mowa przede wszystkim o laptopach z systemem Windows. Sprzętowo jednak pozostaje to nadal ten sam pionierski SoC NVIDII - N1X zawierający 20 rdzeni NVIDIA Grace GB10 w architekturze ARM64 (konkretnie to 10 szybszych rdzeni Cortex-X925 oraz 10 oszczędniejszych rdzeni Cortex-A725) oraz GPU w architekturze Blackwell (GB20B), wyposażone w 6144 rdzeni CUDA.

Różnice skrywają się w limicie mocy, jako że mobilny Spark został ograniczony do 80 W poboru mocy, co ma swoje przełożenie na maksymalnym taktowaniu. Ponadto laptopy nie mają złącza ConnectX-7, ale można śmiało przyjąć, że na użytek osobisty, nawet do pracy twórczej, moc AI na poziomie 1 Petaflop (NVFP4) to i tak aż nadto.

Tu warto też nadmienić, że sam pomysł na laptopa w architekturze ARM64 z Windows nie jest niczym nowym - od lat mamy dostępne budżetowe konstrukcje na procesorach z telefonów (Snapdragon), tylko że z ich okazji Microsoft nieszczególnie się przykładał do optymalizacji systemu pod ARM - teraz się to zmienia i wyraźnie czuć, że wsparcie ze strony NVIDIA potrafi w tym temacie "przenosić góry". To samo tyczy się samej platformy - SoC z mocnym iGPU oraz masą zunifikowanej pamięci znamy już z układów AMD Ryzen AI Max+ 395, z tym że tam łatkę AI doklejono niejako "przy okazji", bo dodano niewiele warte NPU (50 TOPS…) i ogólnie okazało się, że duża współdzielona pamięć pozwala używać większych modeli AI.

NVIDIA poszła inną drogą i swój SoC od podstaw zaprojektowała jako sprzęt do AI - widać to chociażby po przepustowości połączenia między GPU a CPU, która wynosi w RTX Spark 600 GB/s - to 5x szybciej niż komunikacja dedykowanego GeForce RTX 5090 poprzez PCI-E 5.0 (do 128 GB/s) i oznacza, że czynnikiem limitującym GPU Spark jest szybkość pamięci - 300 GB/s (odczuwalnie szybciej niż w przypadku fizycznie zintegrowanego z procesorem Radeona 8060S - 256 GB/s dla wariantu z 64 GB). Oczywiście to nadal blisko 3x wolniej niż dedykowana pamięć GDDR7 w kartach GeForce, tylko że nie ma to znaczenia w przypadku AI, jeżeli model i tak nie zmieści się w 16-24 GB takiego vRAM i GeForce i tak musi się posiłkować pamięcią systemową.

Do tego oczywiście cała architektura Blackwell powstała z myślą o centrach obliczeniowych AI i posiada liczne sprzętowe optymalizacje, jak chociażby obsługę kwantyzacji NVFP4. To o tyle istotne, że możemy dzięki temu korzystać z większego modelu przy tej samej szybkości i zajętości pamięci, co na sprzętach bez GPU Blackwell (lub korzystać z tego samego modelu przy nawet 4x mniejszej zajętości vRAM oraz uzyskując rezultaty nawet 2x szybciej). Innymi słowy - RTX Spark 64 GB z wykorzystaniem NVFP4 można przyrównać do Ryzen AI Max+ 395 z 192 GB RAM - jeżeli sprawdzaliście ostatnio ceny pamięci, to pewnie domyślacie się, który ze sprzętów będzie bardziej opłacalny ;)

A to jeszcze nie koniec - w przypadku RTX Spark mamy do dyspozycji te same rdzenie CUDA, co w GeForce RTX 50, co przekłada się na te same optymalizacje Tensor oraz możliwość używania dedykowanych wtyczek dla generatywnej AI (cały pakiet NVIDIA VFX) albo pakietu DLSS - tak w grach, jak i w aplikacjach kreatywnych typu Blender. Tak że ponownie - niby nic nowego, ale podanego w zupełnie niespotykanej formie, bo mówimy o bardzo kompaktowym laptopie i z dostępem do puli pamięci wcześniej zarezerwowanej tylko dla układów GPU klasy serwerowej - przykładowo NVIDIA RTX Pro 6000 96 GB, którego cena ostatnio przebiła kwotę 100 tys. zł (za samo GPU!).

Jednocześnie N1X będąc procesorem w architekturze ARM oferuje szereg zalet dla urządzeń mobilnych, jednocześnie nie wpływając na komfort codziennego użytkowania. NVIDIA zauważyła, że dzisiejsze procesory X86 najczęściej nie są w pełni wykorzystywane i konieczność zachowania zgodności z kilkudziesięcioletnią architekturą to realny koszt efektywności. Wybór procesora ARM to nie oszczędność i osłabienie specyfikacji - to świadomy wybór obecnie lepszego rozwiązania dla urządzeń mobilnych.

Mniejsze zapotrzebowanie na energię to dłuższy czas pracy na baterii oraz mniej wydzielanego ciepła, zatem również cichsza praca pod obciążeniem. Ponadto same baterie w laptopach nie są w stanie wydawać więcej niż te 90-120 W, co znacząco limituje wydajność mocniejszych podzespołów, podczas gdy RTX Spark nigdy nie przekroczy tych 90-100 W, zatem nie potrzebuje zasilacza, aby pokazać swój pełen potencjał - oferuje go praktycznie przez cały czas.

NVIDIA zaprosiła mnie na specjalny dzień prasowy, podczas którego zaprezentowano dziennikarzom z całego świata wszystkie możliwości nowej platformy. Pod koniec wydarzenia wszyscy zaproszeni otrzymali egzemplarz RTX Spark na potrzeby testów redakcyjnych i mnie w udziale przypadł ASUS ProArt P16 z mocniejszą odmianą NVIDIA N1X oraz 64 GB zunifikowanej pamięci. To sprzęt bez dwóch zdań stworzony z myślą o twórcach treści, o czym świadczy 16-calowy panel OLED z fabryczną kalibracją, ogromny touchpad, trzy złącza USB-C 4.0, slot na karty SD i wyjście HDMI 2.1 (i co też sugeruje jego nazwa). Nie będę też ukrywać, że osobiście odpowiada mi taka stonowana stylistyka w całości czarnej aluminiowej obudowy.

ASUS wyróżnia się też w kwestii układu chłodzenia - ten pozwala całkowicie dezaktywować wentylatory, jeżeli laptop nie jest w danej chwili mocno obciążony (choć z moich obserwacji dotyczy to praktycznie tylko całkowitej bezczynności). Natomiast pod pełnym obciążeniem dwa duże wentylatory i system radiatorów połączonych dwoma grubymi ciepłowodami nie tylko radzi sobie z odprowadzaniem domyślnych 80 W ciepła, ale też pozwala na podniesienie limitów mocy do 85 W (i 95 W dla chwilowego poboru). Istotne znaczenie ma tu również wykorzystanie ciekłego metalu zamiast klasycznej silikonowej pasty termoprzewodzącej.

Laptop w pełnym stresie może i nie jest już cichy, ale nadal daleko tu do głośności generowanej przez analogiczne konstrukcje gamingowe. Co istotne, chłodzenie to pozwala stale utrzymać maksymalny limit mocy, czym nie mogą się pochwalić wszystkie pozostałe laptopy z RTX Spark (przykładowo Microsoft Surface, wg wstępnych pomiarów, obniża moc do 50 W przy stałym obciążeniu).

Warto też nadmienić, że ASUS ProArt P16 to obecnie jedyny laptop z RTX Spark, który pozwala na dołożenie kolejnego SSD M.2 PCI-E 5.0! Pozornie banał, ale w przypadku sprzętu dedykowanego do AI szybko zdałem sobie sprawę z tego, że jest to dosłownie kluczowy aspekt - fabryczny SSD o pojemności 1 TB nie był w stanie pomieścić nawet całej procedury testowej dla aplikacji kreatywnych, a gdzie tu jeszcze zmieścić gry i prywatne pliki… Pamiętajmy, że modele AI potrafią ważyć nawet po kilkadziesiąt GB każdy, a w zależności od zadania używa się odpowiednio dobranego modelu i taka biblioteka ComfyUI szybko pochłania kolejne terabajty.

Przygotowując się do testów musiałem wybrać jakiś sprzęt stanowiący punkt odniesienia (testy samego nowego laptopa niczego by wam przecież nie powiedziały). Pierwszym i dosyć oczywistym wyborem byłby tutaj MacBook Pro M5 Max z 64 GB pamięci, tylko że z uwagi na różnice w oprogramowaniu (macOS vs Windows 11) uznałem, że to temat na osobną publikację.

Dziś zatem skupimy się na porównaniu nowości od NVIDII do istniejących już na rynku konkurentów w architekturze X86 w ramach tej samej rodziny laptopów ASUS ProArt (aby ograniczyć wpływ samej konstrukcji laptopa) - topowej specyfikacji ASUS ProArt P16 oraz bliższego w założeniach ASUS ProArt PX13 (z SoC AMD).

Testy prowadziłem tak na baterii, jak i z wykorzystaniem zasilania sieciowego. Laptopy pracowały pod kontrolą systemu Windows 11 26H1 i wszystkie sterowniki były najnowszą ich dostępną wersją. Profil zasilania laptopa podczas testów zawsze był najwyższym dostępnym w aplikacji ASUS ProArt Hub, podobnie jak i w systemie wybrany został profil wysokiej wydajności. Tu taka mała uwaga - ten ostatni parametr drastycznie wpływa na wydajność procesora N1X w aplikacjach x86 (w szczególności w grach), co najpewniej wynika z zarządzania wydajnością emulatora Microsoft Prism (odpowiada on za emulację kodu x86 na procesorze ARM). Pozostałe "klasyczne" laptopy były całkiem niewrażliwe na zmianę tego ustawienia (pełną kontrolę nad zasilaniem posiadała aplikacja ASUS).

Testy syntetyczne pomiędzy różnymi architekturami często nie mówią całej prawdy, stąd w pierwszej kolejności sięgnąłem po testy w realnych aplikacjach. Niemniej, dla zachowania rzetelności oraz dla maksymalnie kompleksowego przetestowania każdej z aplikacji, wykorzystałem pakiet PugetBench dla Twórców - to aplikacja symulująca realną pracę w popularnych programach. Wyniki, jak widać poniżej, potrafią zaskoczyć.

Montaż wideo to przede wszystkim domena GPU, ale też 24 GB vRAM na mobilnym RTX 5090 realnie wystarczą na potrzeby nawet bardziej złożonych projektów. Stąd nieskrępowana dominacja laptopa z GeForcem na pokładzie. RTX Spark plasuje się w połowie drogi do zintegrowanego Radeona, ale też warto podkreślić jedną rzecz, której te słupki nie zdradzają. Na obu GPU NVIDII bez problemu można pracować na surowych plikach z kamery - RAW 12K 4:2:2 w 10 bit są dekodowane sprzętowo (do tego oba testowane GPU mają po dwa dekodery), czego nie potrafi karta AMD i musi posiłkować się tworzeniem proxy (domyślne ustawienia testu PugetBench). Dodatkowo testy nakładania efektów AI działają tu dosłownie kilkukrotnie szybciej na kartach zielonych, ale to tylko niewielka składowa finalnego wyniku. Ostatecznie zatem praca na laptopach wyposażonych w GPU Blackwell była znacznie bardziej zrównoważona w kwestii wydajności.

Najpopularniejsza aplikacja do edycji fotografii okazała się być bardziej testem dla wydajności CPU niż GPU. Owszem - jest kilka efektów, których nałożenie na laptopie z RTX 5090 zajmowało kilkukrotnie mniej czasu niż na Radeonie (a RTX Spark znowu plasował się w środku), ale większość czynności była uzależniona od szybkości procesora. Sam Photoshop posiada już wersję dedykowaną dla procesorów ARM (podobnie zresztą jak wszystkie pozostałe aplikacje testowane przez PugetBench) i dzięki temu procesor w RTX Spark dosłownie depcze po piętach najszybszej jednostce mobilnej od AMD i wyprzedza w tej kwestii 12-rdzeniowego Ryzena AI 9 HX 370 w swoim "klasycznym bliźniaku". Ostatecznie jednak różnice nie są ogromne i na wszystkich testowanych sprzętach pracuje się porównywalnie.

W przypadku tworzenia gier wydajność GPU ma oczywiście znaczenie, ale najwyraźniej nie aż tak duże, jak się spodziewałem. Najszybsza mobilna karta graficzna okazuje się tylko o 25 proc. wyprzedzać zintegrowany układ w procesorze AMD i wyniki nie chciały wyjść inaczej, nawet po wielokrotnym powtarzaniu testu - obecnie jest on jeszcze oznaczony jako wersja beta, zatem zalecam traktować te wyniki z pewną dozą nieufności. Niemniej RTX Spark i tak zdołał nieco przegonić swojego czerwonego rywala, nawet jeżeli jest to zwycięstwo znacznie mniejsze, niż można się było spodziewać.

Warto też zaznaczyć, że w tym przypadku testy też nie uwzględniały żadnych przesadnie dużych scen, które wykroczyłyby poza możliwości klasycznych GPU z 12-16 GB vRAM i laptopy ze zunifikowaną pamięcią nie mogły się tutaj wykazać. Zaznaczam jednak, że pobrane demko City Sample potwierdza te przypuszczenia - na RTX Spark (oraz Radeonie 8060S), gdy przypiszemy im po 48 GB vRAM, można płynnie nawigować nawet po tak dużej przestrzeni, podczas gdy w RTX 5090 Laptop kończy się już vRAM i pojawiają się ciągłe przycięcia.

Wszystkie powyższe testy powtórzyłem po odłączeniu wtyczki zasilającej - dla laptopów z procesorami X86 zablokowało to dostęp do profilu Wydajność w aplikacji ASUS ProArt Hub, podczas gdy RTX Spark praktycznie w ogóle nie odnotował odpięcia zasilania (żadnego nawet mignięcia ekranu, ani nic z tych rzeczy). Sama wydajność ostatecznie spada na wszystkich sprzętach, ale to na RTX Spark ten spadek jest na tyle znikomy, że odważę się stwierdzić, że pomijalny (4-7 proc.). W przypadku DaVinci Resolve RTX Spark niemal zrównuje się z GeForce RTX 5090, a w Photoshop znacząco wyprzedza procesor AMD, plasując się na szczycie stawki. To oczywiście wynika z faktu, że RTX Spark (w przeciwieństwie do jego konkurentów), nie musi obniżać limitów mocy, gdy pracuje na zasilaniu z baterii.

Negatywnie zaskoczyły mnie testy w 7zip - normalnie nawet bym ich pewnie nie robił, ale oczekiwanie 10 minut na rozpakowanie archiwum z Cinebench dało mi do myślenia. Pomimo zainstalowania natywnej wersji 7zip dla ARM i tak okazuje się, że procesor N1X sromotnie przegrywa ze swoimi konkurentami, zwłaszcza w kwestii dekompresji, w której Ryzen AI Max+ 395 uzyskał prawie 2,5x wyższą prędkość. To realnie może mieć wpływ na codzienną pracę, jeśli często pracujecie z archiwami.

Kolejną natywną, ku mojemu zaskoczeniu, aplikacją dla ARM, jaką przetestowałem, był Cinebench (wersja 2026) - tutaj test polega tylko na renderowaniu obrazu, co całkowicie obciąża wszystkie rdzenie procesora. Warto dodać, że w tych testach mobilne procesory AMD ostatnio zdołały przegonić nawet mocne jednostki desktop od Intela, zatem spodziewałem się, że RTX Spark tu polegnie. Otóż nic bardziej mylnego!

Natywne wsparcie dla ARM pozwala układowi N1X w pełni rozwinąć skrzydła i pokonuje swoich konkurentów z obozu AMD - pojedynczy wątek daje nawet 15 proc. przewagi, a praca na wszystkich rdzeniach to ponownie 10 proc. względem szybszego z modeli AMD, ale już 70 proc. przewagi nad 12-rdzeniowym Ryzenem AI 9 HX 370 - imponujące! Niestety to mimo wszystko jeden z wyjątków od reguły - nadal większość aplikacji, zwłaszcza tych bardziej specjalistycznych, nie ma wsparcia dla Windows z ARM i system musi emulować starszą architekturę. Dobrze pokazują to wyniki z pakietu SPEC Workstation, w których procesor N1X w RTX Spark ledwo wyprzedza słabszego z czerwonych rywali. Dodajmy jednak, że to nadal ogólnie bardzo dobre wyniki.

Kolejne testy dotyczyły już stricte tego, do czego zaprojektowano testowany dziś laptop z RTX Spark - pracy ze sztuczną inteligencją. Zacznijmy może od testów syntetycznych, jako że praca z AI co do zasady jest nieco syntetyczna. Pakiet UL Procyon przygotowano z myślą o testowaniu PC i laptopów właśnie w takich zastosowaniach, ale jego twórcy nie brali pod uwagę, że powstaną urządzenia konsumenckie gotowe na używanie tak dużych modeli, jakie pomieści RTX Spark. Dodatkowo też branża ta rozwija się tak szybko, że użyte w testach modele to wręcz dinozaury tej branży (mają ponad rok).

Modele użyte do generowania obrazów realnie mieszczą się na kartach z 12-16 GB vRAM i nie korzystają z żadnych współczesnych optymalizacji (niższej kwantyzacji), a mimo tego RTX Spark plasuje się znacznie bliżej najsilniejszego GeForce w laptopach niż Radeona 8060S. Mniejsze różnice pomiędzy dwoma laptopami bez dedykowanego GPU odnotowano w przypadku testów LLM - tutaj tylko RTX 5090 Laptop mocno się wyróżnia. Najnowszy z testów, zatem AI Computer Vision 2.0, nie pozostawia suchej nitki na konstrukcji AMD i RTX Spark uzyskuje 3,5x wyższy wynik - test ten pokazuje szybkość wykonywania różnych popularnych operacji wspomaganych przez AI - takich jak maskowanie czy upscaling.

Od bardziej praktycznej strony przetestowałem AI w środowisku ComfyUI, sprawdzając kolejno szybkość generowania obrazów, muzyki oraz wideo, ale tym razem z wykorzystaniem znacznie nowszych i większych modeli, które oferują też wsparcie dla kwantyzacji NVFP4. Bardzo dobrze widać, jak wiele to zmienia - tak pod względem szybkości pracy, jak i w ogóle możliwości załadowania modelu. Podczas testu wideo laptop z GeForce RTX 5090 nie był w stanie załadować modelu z precyzją BF16, natomiast przy kwantyzacji NVFP4 i tak musiał część danych przerzucać do RAM, co finalnie zminimalizowało jego przewagę wydajności względem RTX Spark (który cały model zmieścił do pamięci). Radeon nie obsługuje NVFP4, a model BF16 załadował się, ale nie był w stanie ukończyć zadania z uwagi na złożoność obliczeniową (przerwałem proces po czterech godzinach). Podobnie też tylko RTX Spark zdołał ukończyć wbudowany w ComfyUI test generowania wideo z modelem Wan 2.2 14B.

Generowanie obrazu okazało się prostsze, ale ponownie laptop z RTX 5090 nie zdołał zmieścić całego workflow (mimo dosyć małego modelu Flux.2 Klein 4B) w 24 GB bez przejścia na NVFP4, co sprawiło, że uzyskał gorszy wynik od RTX Spark. Mniejsza kwantyzacja przywróciła już prawidłową kolejność kart na wykresie (oraz oczywiście brak wyniku karty AMD, która nie wspiera ani FP4 ani FP8). Wbudowany test z wykorzystaniem modelu Qwen Image 2.1 (tylko BF16) też daje jasny obraz sytuacji oraz tego, jak dużo w AI oznacza szybki układ graficzny (poza pojemną pamięcią) - 20 s na obrazek na RTX Spark, zamiast 85 s na laptopie z AMD Ryzen AI Max+ 395, to w skali całego dnia pracy z grafiką dobra godzina oszczędności…

Finalnie testy generowania muzyki niczego nie zmieniają - strata integry w procesorze AMD jest może nieco mniej druzgocąca, ale i tak dobrze widać, które z testowanych urządzeń zasługują na znaczek "AI" w nazwie.

Oczywiście nie mogło zabraknąć praktycznego testu LLM - zatem szybkości pracy lokalnego agenta AI. NVIDIA prezentuje ten aspekt użytkowania laptopa z RTX Spark jako najbardziej przełomowy, zatem dobrze, gdyby faktycznie działało to lepiej niż na sprzęcie, który już mamy dostępny. Bez zaskoczenia przewaga widoczna w pracy AI nad zdjęciami czy muzyką powraca też przy pracy z najnowszymi LLM’ami, zdolnymi do głębokiego rozumowania. Używany przeze mnie agent Hermes korzystający z lokalnego modelu Qwen3.8 dostał ode mnie identyczne zadanie na każdym laptopie (ten sam prompt) - w skrócie miał przygotować stronę internetową na temat RTX Spark.

W tym przypadku, gdy laptop zajmuje się tylko pracą z LLM i w pamięci nie musi znajdować się nic poza modelem językowym, laptop z GeForce RTX zachowuje swoją przewagę wynikającą z blisko 2x większej liczby rdzeni CUDA i wyższego taktowania (choć to ostatnie znacznie spada, gdy odłączymy mu zasilanie…), zatem jest o 30 proc. szybszy od RTX Spark. Układ AMD niestety działa już ponad trzykrotnie wolniej od RTX Spark i w jego przypadku po prostu każdego dnia dużo mniej zdziałamy z pomocą AI. W jednej kwestii jednak GeForce RTX 5090 Laptop ustępuje obu rywalom - jego 24 GB vRAM zostaje w całości skonsumowane przez agenta i nie ma opcji, aby agent działał w aplikacjach kreatywnych (które też potrzebują vRAM). Tutaj właśnie nowy NVIDIA RTX Spark notabene błyszczy, oferując połączenie wysokiej wydajności AI z masywną pamięcią współdzieloną. Oczywiście pod warunkiem, że nie damy się wpuścić w maliny i nie wybierzemy RTX Spark z 24/32 GB współdzielonej pamięci…

Istotne w przypadku RTX Spark testy kończymy na sprawdzeniu czasu pracy na baterii. Wszystkie testowane laptopy zostały skalibrowane do jasności 200 nitów (bez automatycznego przygaszania ekranu), aktywowany został tryb oszczędzania energii (od początku trwania testu) i przeprowadzono pomiar w Procyon Office. Test ten polega na symulacji pracy biurowej, zatem zasadniczo na obciążeniu samego procesora. Warto tu przypomnieć, że Ryzen AI Max+ 395 testowałem w mniejszym, 13-calowym laptopie, choć i tak wszystkie panele to OLED 3K. Wyniki mówią same za siebie.

W praktyce 200 nitów to dosyć dużo dla OLED (w zależności od laptopa od 70 proc. do 80 proc. jasności), zatem wyniki te można jeszcze podnieść i myślę, że to jeden z pierwszych laptopów, który cały dzień wytrzyma bez zasilania. Z tym że jeżeli tak używacie laptopa (tylko praca w pakiecie biurowym), to nie potrzebujecie kupować RTX Spark… Jeżeli natomiast zechcecie na baterii używać agentów albo pracować kreatywnie, to bateria zniknie znacznie szybciej. W trybie maksymalnej wydajności będzie to dosłownie godzina pracy pod pełnym obciążeniem albo bardziej realnie 2-3 godziny typowej pracy. Jeżeli zasilanie ograniczymy do 40 W w trybie "Whisper", to laptop wytrzyma nawet 3-5 godzin doraźnego pracowania w aplikacjach kreatywnych ze wsparciem agentów. Dobra wiadomość jest taka, że laptop, jak to na współczesny sprzęt przystało, bardzo szybko się ładuje, a do pracy "biurowej" wystarczy wam nawet kabel USB z gniazda w samochodzie lub samolocie - sprawdzałem w praktyce :).

Hasło "RTX" w nazwie produktu poniekąd obliguje do wysokiej wydajności w grach, a do tego sama NVIDIA promuje RTX Spark jako "The One PC" - komputer dla każdego: dla twórców, dla graczy i dla… agentów AI, którzy mają go używać do pracy za nas. Niemniej granie jest istotnym fragmentem tego przekazu (w sumie ciekawe, czy agenci AI też grają sobie po pracy?), zatem nie wypada całkowicie gamingu pominąć, nawet jeżeli w mojej opinii laptopy z RTX Spark nie są sprzętem gamingowym. Ba! Nawet laptop ASUS ProArt P16 z mobilnym GeForce RTX 5090 trudno nazwać sprzętem dla graczy, z uwagi na jego nastawienie na mobilność i w efekcie limitowanie mocy GPU do zaledwie 120 W (95 W + 25 W dynamicznego Boost).

Teraz pewnie zapytacie, dlaczego wcześniej nie wspomniałem, że omawiane porównania dotyczą tak mocno przyciętego RTX’a - co do zasady słusznie, zatem wyjaśniam. W testach AI najważniejsza jest szybkość i przepustowość pamięci, a ta w tym przypadku jest jednakowa z najszybszymi odmianami RTX 5090 Laptop. Ilość jednostek CUDA i rdzeni Tensor to kolejna istotna kwestia dla obliczeń AI i tych też jest dokładnie tyle samo. Różnica w taktowaniu to około 500 MHz, co stanowi około 15 proc. spadku względem topowych konstrukcji i będzie istotnie wpływać na wydajność w grach, ale w zastosowaniach kreatywnych będzie znikoma. A finalnie też zależało mi, aby RTX Spark porównać z realną alternatywą również w kwestii właśnie mobilności (rozmiarów i kultury pracy), zatem bliźniaczy ProArt ASUSa wpisał się w ten motyw perfekcyjnie. A teraz już do wyników.

W grach, które mocno obciążają GPU, wpływ emulacji procesora x86 jest mniejszy, ale nadal nie całkiem pomijalny. Mimo tego zwykle wystarcza wydajności, aby utrzymać stabilnie ponad 50 FPS, z których można następnie całkiem skutecznie podbić płynność animacji generatorem klatek. Rewelacyjnie sprawdza się też upscaling DLSS 4.5 (druga wersja modelu transformacyjnego), poprawiając wydajność i tym samym responsywność gry bez widocznego wpływu na jakość oprawy.

Na tle swoich konkurentów RTX Spark wypada zwykle gdzieś w połowie stawki. Najszybszy zintegrowany układ od AMD (swoją drogą znacznie szybszy niż chociażby to, co ostatnio Valve pokazało w "konsoli dla graczy" zwanej Steam Machine…) też radzi sobie bardzo dzielnie i zwykle ustępuje RTX Sparkowi o 20-30 proc., nadal oferując ponad 30 FPS, nawet w wyższej rozdzielczości. Tutaj niestety trzeba się liczyć z brakiem pełnego wsparcia dla FSR 4 (RDNA 3.5 nie obsługuje wymaganej przez niego precyzji FP8) oraz niedostępnością nowego modelu generatora klatek (ML), zatem jakość oprawy jest wyraźnie słabsza niż na ekranie RTX Spark. A są też gry, które wprost nie oferują żadnego generatora klatek na laptopie z kartą AMD.

Warto też nadmienić, że karty z serii Blackwell wspierają dynamiczny generator klatek z mnożnikiem sięgającym nawet 6x, co ponownie daje im znaczną przewagę w oczach casualowych graczy, którzy chcą się odprężyć po całym dniu kreatywnej pracy. Jest też szerzej dostępny i lepiej działający DLSS Ray Reconstruction, choć to dotyczy głównie grania z Path Tracingiem, na który RTX Spark niestety jest nieco zbyt słaby (żaden z testów wyżej nie uwzględnia tych futurystycznych ustawień). Nieco ciekawiej robi się, gdy gry zaczynają bardziej obciążać procesor, jak chociażby przedstawiciel gatunku roguelike z elementami bullet hell - Returnal.

Tutaj wyniki są z grubsza podobnie niezależne od wybranych ustawień w samej grze i widać, że wszystkie laptopy limituje procesor - nadal na wartości powyżej 60 FPS, zatem śmiało można (na kartach RTX) odpalić generator klatek. Na karcie AMD odnotowałem niepokojące przycięcia, które mogą wynikać z przepustowości pamięci albo po prostu wydajności Radeona po aktywacji śledzenia promieni. Tak naprawdę jedyną istotną porażkę RTX Spark odnosi w testowanej przez mnie grze Counter-Strike odpalonej na typowo "kompetytywnych" ustawieniach - najniższy preset i rozdzielczość 1080p.

Tutaj jak na dłoni widać limitowanie wydajności poprzez emulację procesora x86. Oczywiście wynik 177 FPS na panelu 120 Hz to nadal "aż nadto", ale mimo wszystko zabawnie widzieć, jak zintegrowany układ AMD oferuje prawie dwukrotnie więcej FPS. Tutaj pojawia się pytanie, czy ta gra to wyjątek i czy faktycznie w skrajnym przypadku emulator Microsoft Prism potrafi nawet o połowę przyciąć wydajność w grze? To sprawdziłem w Marvel Rivals - jedynej, póki co, grze tego typu dostępnej w wersji x86 oraz ARM.

Okazuje się, że niestety tak dokładnie jest - w sytuacji, gdy gra lub jej ustawienia obciążają w znacznej mierze procesor, to wydajność podczas emulacji gry bez natywnego wsparcia dla ARM będzie niższa o nawet 50 proc., podczas gdy w scenariuszach, w których limitem jest wydajność GPU, ten spadek będzie oscylować w okolicy 10-20 proc. Ogólnie odnoszę wrażenie, że w przypadku procesora N1X w ramach emulacji przez Prism takim sufitem wydajności jest właśnie 50-60 FPS przed aktywacją generatora klatek. To akceptowalnie, ale z pewnością mogłoby być lepiej i pozostaje mieć nadzieję, że więcej gier będzie portowanych na architekturę ARM (zwłaszcza tych popularnych tytułów e-sportowych).

Nie będę ukrywać, że jako internetowy twórca od pierwszych zapowiedzi zdecydowanie nie mogłem się doczekać premiery laptopów NVIDIA RTX Spark. Na każdym kolejnym wydarzeniu, począwszy od CES, potem na Computex i ostatnio też na Gamescom oraz IFA, a skończywszy na przedpremierowym Editor's Day, moje oczekiwania były podsycane kolejnymi pokazami możliwości nowej platformy. Teraz, gdy w końcu mogłem go sprawdzić i dokładnie przetestować na własnych warunkach, zdecydowanie się nie zawiodłem. To w istocie pierwszy sprzęt godny miana "AI Ready", albo może nawet "AI Inside" i całkowicie zmienia sposób, w jaki wchodzę w interakcję z komputerem.

W teorii te wszystkie narzędzia były już dostępne wcześniej - agenci z lokalnym LLM to motyw rozwijany już od lat, ale po raz pierwszy dostajemy konsumencki sprzęt zdolny lokalnie obsłużyć najnowsze modele językowe z głębokim myśleniem i jeszcze pozostać z zapasem pamięci na odpalenie aplikacji, w których tacy agenci będą nam pomagać lub wprost za nas pracować. To nadal rodzaj współpracy i sam agent bez naszego nadzoru i naszej wizji projektowej lub artystycznej nic sensownego nie stworzy, ale mimo tego skala ułatwienia i przyspieszenia pracy jest tym zapowiadanym i zdecydowanie dostarczonym przełomem.

Użytkownik przestaje być uwiązany do usług chmurowych - zyskuje pełną prywatność i bezpieczeństwo swoich danych (przestaje sam być produktem, którym jest używając AI w chmurze), do tego ma większą kontrolę nad samym modelem i realny brak ograniczeń. Niezależnie, czy lecimy samolotem, czy jedziemy pociągiem, czy też pojechaliśmy do domku w górach, gdzie też nie ma internetu - lokalny agent AI dalej będzie nas wspierać w pracy.

Jeżeli z takiej pomocy agenta korzystamy doraźnie kilkanaście razy dziennie, to na tym w zasadzie kończą się korzyści, ale jeżeli nasi agenci pracują non stop, często nawet po naszych godzinach pracy, to dodatkowo zaoszczędzimy majątek (realnie kilka tysięcy złotych miesięcznie) na opłatach za tokeny dla chmurowych modeli AI, jednocześnie tylko marginalnie podnosząc zużycie energii. A jako bonus, gdy już agent skończy pracę, to możemy na takim laptopie pograć sobie całkiem płynnie nawet w najnowsze hity.

Na koniec jeszcze mały kubek zimnej wody na ostudzenie emocji - wydajność (ilość iteracji oraz tokenów przetwarzanych przez RTX Spark w każdej sekundzie) może i jest kilkukrotnie wyższa od alternatywy w postaci Ryzen AI Max+ 395 (Windows x86), ale nadal pozostaje daleko w tyle za wydajnością, jaką oferują modele chmurowe. Poziom inteligencji lokalnego modelu też znacząco ustępuje najnowszym modelom klasy GPT Astra 6 albo Gemini 4 i tego się nie przeskoczy z uwagi na ilość pamięci, jakiej wymagają te modele (setki gigabajtów vRAM) oraz na to jak wolno działałyby na GPU w RTX Spark.

Pojawia się też problem długości kontekstu - tego, jak złożone zadania agent może wykonywać zanim zacznie halucynować. Topowe modele w chmurze oferują kontekst rzędu 1-2M, podczas gdy RTX Spark 128 GB może się zbliżyć do 1M kontekstu, ale tylko na prostszych modelach, jak zalecany przez NVIDIA Qwen3.8 27B, tylko że wtedy wstępne przygotowanie modelu (przed rozpoczęciem pracy) zajmie RTX Spark dobre kilkanaście minut z uwagi na tylko 300 GB/s przepustowości pamięci. Jest co prawda opcja "dziel i rządź", w której agent sam decyduje jakie zadania kierować do chmury (za którą płacimy), a które może zrealizować lokalnie, tylko że to znowu kompromis po stronie komfortu i bezpieczeństwa, którymi odznacza się RTX Spark działający w pełni lokalnie, nawet jeżeli obecnie jest dobre dwie generacje AI do tyłu.

Podsumowując - platforma RTX Spark Laptop to przełom dla osób, które już teraz pracują z AI i muszą akceptować ograniczenia pracy w chmurze, ale też jest to sprzęt, który w końcu ma szansę wprowadzić agentów AI pod strzechy zwykłych ludzi i zmienić nasze podejście do komputera - tutaj trochę ziszczają się słynne słowa prezesa NVIDIA - Jensena Huanga - niebawem nie będziemy kupować komputera dla siebie, tylko dla naszych agentów AI.

Póki co jednak nadal kupujemy go dla nas (a tanio nie jest), dlatego też polecam rozważnie podchodzić do wyboru wariantu RTX Spark. Modele z 24 GB i 32 GB sprawdzą się tylko w zastosowaniach biurowych z małymi modelami LLM. Wariant 64 GB (ten z testu) pozwala już poczuć ten podmuch przyszłości i w części aplikacji faktycznie agent będzie pracować za nas.

Natomiast pełnię możliwości RTX Spark ujrzycie dopiero w modelu ze 128 GB i ten wariant polecam osobom, które chcą zajmować się edycją wideo albo projektowaniem gier/3D z pomocą, albo raczej asystą, AI. Pamiętajcie też, żeby nie wybierać wersji z 1 TB SSD, chyba że faktycznie tylko do pracy biurowej.

Warto zainwestować w laptopa z NVIDIA RTX Spark jeżeli:

• chcemy, aby agenci AI wyręczali nas w części codziennej pracy;
• chcemy skupić się na naszej wizji artystycznej, a na barkach agenta AI pozostawić jej urzeczywistnianie;
• potrzebujemy sprzętu, który bardzo długo wytrzyma podczas lekkiej pracy na baterii;
• poza pracą lubimy czasem też odpalić sobie jakąś nową gierkę;
• nie odpowiada nam ekosystem Apple.

Nie warto wybierać laptopa z RTX Spark jeżeli:

• laptopa używamy przede wszystkim do grania;
• do pracy potrzebujemy najmocniejszych modeli AI o wysokiej wydajności;
• pracujemy tylko stacjonarnie (tu lepszy będzie DGX Spark).

RTX Spark nagradzam odznaką Super Produktu oraz oczywiście Super Innowacji i Super Mobilności. Dodatkowo ASUS ProArt P16 RTX Spark dostaje ode mnie wyróżnienie za Super Jakość.

Laptopa ASUS ProArt P16 z RTX Spark 64 GB na potrzeby wykonania testów użyczyła nam firma NVIDIA.