Sprawdziłem NVIDIA RTX Spark w praktyce - nadciąga rewolucja na rynku laptopów

Laptopy na systemie Windows to sprzęt, który jednoznacznie kojarzy się z kompromisem wydajności i mobilności. Topowe modele potrafią zbliżyć się do możliwości średniego segmentu komputerów stacjonarnych, a te najbardziej kompaktowe zamiast tego oferują czas pracy na baterii zbliżony do sprzętu Apple. Zasadniczo to właśnie MacBook Pro do dziś stanowił najlepszy balans możliwości i mobilności, ale nie wszystko da się na nim zrobić. 

W ostatnich latach producenci procesorów w architekturze x86 starali się dogonić sprzęt Apple oparty o architekturę ARM64 (Apple Silicon) i jednocześnie dorzucali do swoich procesorów jednostki NPU - dedykowane rdzenie, które miały wykonywać podstawowe zadania AI, ale finalnie okazało się, że ich wydajność jest zbyt niska, a ilość pamięci w laptopach zbyt ograniczona, aby całość do czegokolwiek się przydała. To wszystko zmienia się wraz z pojawieniem się na rynku sprzętu mobilnego czwartego gracza - NVIDII z ich procesorem N1X.

Tego, czym w istocie jest i w jakich konfiguracjach będzie występować nowe CPU, dowiecie się z artykułu o RTX Spark przygotowanego przez Pawła, a ja podzielę się z wami moimi wrażeniami z faktycznego użytkowania laptopów wyposażonych w RTX Spark. Podczas IFA 2026 zostałem zaproszony na przedpremierowy pokaz, podczas którego przedstawiono najróżniejsze przykłady użycia i powiem już teraz na wstępie, że część z nich brzmi jak wyjęte prosto z filmu sci-fi! 

Pierwsze ze stanowisk pokazywało, jak RTX Spark radzi sobie z pracą w Unreal Engine 5 - popularnym silniku do tworzenia gier i efektów specjalnych (VFX) w filmach. O ile projekty części gier, tych z mniejszymi lokacjami, jak Pragmata czy Resident Evil, można bez problemu pomieścić w buforze pamięci graficznej na takim GeForce RTX 5090 (32 GB) lub nawet RTX 4090 (24 GB), tak w przypadku gier z dużym otwartym światem trzeba już bawić się w optymalizację i częściowe ładowanie mapy, aby uniknąć drastycznego spadku wydajności. Jeszcze gorzej sytuacja wygląda przy pracy nad efektami w filmach i tutaj właśnie do gry wkracza niepozornie wyglądający laptop z RTX Spark. 

Zakładając oczywiście, że wybierzemy najdroższy wariant z 128 GB zunifikowanej pamięci, który cenowo może przypadkiem nawet przeskoczyć wspomnianego RTX 5090… Niemniej sprawdziłem i faktycznie możliwość przemieszczania się po ogromnej mapie miasta pełnego detali (geometria Nanite) i z dynamicznym oświetleniem (Lumen) nie stanowiła wyzwania dla nowości od NVIDII, mimo iż użycie vRAM skakało momentami nawet powyżej 50 GB. W przypadku testowanego laptopa pozostawiało to jeszcze masę miejsca na inne aplikacje, w tym narzędzia AI (np. do generowania tekstur), które też potrzebują sporo dodatkowego vRAM. Prawdziwy game changer!

I teraz najlepsze - wydajność w znaczeniu płynności animacji nie spadała znacząco, nawet po odpięciu zasilania, a sam laptop przez cały czas pozostawał względnie cichy. Dla dzisiejszych, nawet najszybszych laptopów gamingowych jest to całkowicie nie do pomyślenia, a twórcy zdecydowanie docenią możliwość wybrania się z projektem do klienta i pokazania projektu bez wręczania słuchawek z ANC i wcześniejszego poszukiwania kontaktu do wpięcia zasilacza…

Następny pokaz i stanowisko, którego przez chwilę używałem, dotyczy generowania filmów z pomocą AI - coś, co obecnie nagminnie wykorzystuje się jako wsparcie w procesie tworzenia reklam, ale też wzbogacania filmów autorskich. Dzisiejszy sprzęt domowy i dla mniejszych twórców, którzy niekoniecznie chcą kupować RTX PRO 6000 za 90 tys. zł, zawsze stawiał użytkownika przed wyborem - powolny sprzęt z dużą pojemnością współdzielonej pamięci (np. Apple Studio albo laptopy z Ryzen AI Max+ 395) albo bardzo szybki sprzęt, ale z ograniczoną pamięcią (laptopy lub PC z RTX 5080/5090), na których trzeba było używać mniejszych modeli (gorszy efekt i mniej detali na generowanych klatkach). 

Laptop z RTX Spark idealnie łączy te dwa światy - ogromną przestrzeń w zunifikowanej (i rekordowo szybkiej!) pamięci z wysoką wydajnością samego GPU oraz optymalizacjami, jakie są dostępne dla architektury Blackwell - np. modele FP4 (choć tu warto zaznaczyć, że tak agresywna kwantyzacja może już powodować pojawianie się artefaktów i osobiście pozostałbym przy FP8, godząc się na dwukrotne wydłużenie czasu renderowania). To, co na laptopie albo PC z Ryzenem AI Max+ 395 renderuje się kilkadziesiąt minut, tutaj dostajemy w dosłownie minutę. 

Na miejscu porównałem też, ile realnie dają same optymalizacje NVIDII, odpalając ten sam projekt w konfiguracji "domyślnej" - korzystając z modelu FP16 (zamiast NVFP4), bez upscalingu NVIDIA VFX Super Resolution i NVIDIA VFX Frame Generation. W rezultacie zamiast 71 sekund, całość renderowała się w 460 sekund, a to i tak całkiem szybko z uwagi na wydajność samego RTX Spark (okolice GeForce RTX 5070). 

Gdyby przeciwnikiem RTX Spark w tym przypadku był laptop z mobilnym RTX 5090 (24 GB vRAM), to ComfyUI musiałoby się ratować funkcją Smart Model Offloading, zatem doczytywaniem modelu z RAM, poprzez PCI-E - to znacznie wolniejsza magistrala niż ta używana w RTX Spark, a do tego sam laptop musiałby mieć minimum 64 GB RAM (a do komfortowej pracy bardziej 96 GB lub 128 GB). W praktyce nadal pracowałby wolniej, głośniej i pobierałby przy tym przynajmniej dwa razy więcej prądu. 

Innymi słowy nowe laptopy RTX Spark efektywnie odpowiadają możliwościom dużej stacji roboczej, zachowując rozmiar i kulturę pracy znaną z ultrabooków biznesowych. To dosłownie pierwszy sprzęt mobilny, który nadaje się do tego typu poważnej pracy z AI. Wcześniej najbliżej tego celu realnie było, jak na ironię, Apple, ale traciło na innych polach pracy kreatywnej. RTX Spark to nadal pełnokrwisty RTX pod maską, co oznacza, że dostajemy dostęp czterech dekoderów (NVDEC 6. gen) i dwóch enkoderów (NVENC 9. gen) - identycznie jak w desktopowym RTX 5090 (i więcej niż w mobilnym RTX 5090)! 

Są też obecne rdzenie RT, co oznacza, że w takim Blenderze możemy w czasie rzeczywistym uzyskać podgląd ze śledzeniem promieni, a za sprawą dodania DLSS 4.5 Ray Reconstruction obraz będzie stabilny i natychmiast odszumiany, nawet podczas przemieszczania się po trójwymiarowej przestrzeni. Tego nie potrafi obecnie żaden sprzęt mobilny, jeżeli nie jest wyposażony w układ NVIDIA RTX. Choć tutaj od siebie dodam, że podczas przyglądania się tej demonstracji, a potem samemu sprawdzając działanie Blendera w praktyce, odniosłem wrażenie, że obraz z Rekonstrukcją Promieni wygląda ogólnie znacznie lepiej, nawet w statycznym ujęciu i zastanawiam się, czy tym samym nie odbiega od tego, jak będzie wyglądać faktyczny render już bez DLSS… 

Dużo mówi się o przechodzeniu na lokalnych asystentów - bo to bezpieczniejsze, bo to prywatniejsze, bo pełna kontrola i do tego brak cenzury. Łatwiej też wtedy operować na swoich plikach zapisanych lokalnie na naszym PC, jednak pojawia się jeden istotny problem. W przypadku typowego laptopa z głośno reklamowanymi jednostkami NPU, zwykle zabraknie RAM, aby załadować modele językowe, które znamy i cenimy z usług chmurowych. Chociażby najnowszy Qwen3.8 w wersji 72B lub 120B będzie wymagał odpowiednio ponad 40 GB i ponad 64 GB na samo wczytanie modelu, zatem laptop musiałby mieć przynajmniej 64 GB lub 96 GB RAM i od razu widać, że używanie nawet najszybszych mobilnych GPU zupełnie odpada. 

Oczywiście są laptopy, które mają mocne iGPU oraz dedykowane NPU i można im przypisać 64 GB albo nawet 96 GB vRAM z pamięci systemowej, tylko że nawet wtedy czas odpowiedzi takiego asystenta pozostawia wiele do życzenia. Najszybszy dotychczas AMD Ryzen AI Max+ 395 po optymalizacji uzyskuje około czterech tokenów na sekundę, podczas gdy RTX Spark może dojść nawet do szesnastu tokenów na każdą sekundę - odpowiedzi są generowane czterokrotnie szybciej i to faktycznie czuć. Dodatkowo nie ma tu problemu, aby jednocześnie używać kilku modeli (zwłaszcza jeżeli wybierzemy RTX Spark z tą największą pojemnością vRAM i mogą one pracować równolegle bez znaczącego wpływu na wzajemną wydajność). Podczas testów mogłem oglądać, jak jeden model w pocie czoła weryfikował poprawność kodu aplikacji (co i tak zajęło mu kilka minut - mówimy zatem o oszczędności czasu na poziomie nawet godziny albo dwóch dziennie!), podczas gdy drugi na nasze polecenia modyfikował kod strony internetowej, nad którą pracujemy (to też zajęło ponad minutę, ale tu sporo czasu zajmowało samo wyszukiwanie treści w internecie, z uwagi na specyfikę polecenia). 

Najlepsze natomiast zostawiłem na koniec - a przynajmniej najlepsze dla przeciętnego użytkownika komputera, albowiem w końcu faktycznie można powiedzieć, że AI stanie się naszą codziennością. Laptopy oparte o NVIDIA RTX Spark będą na etapie pierwszej konfiguracji oferować aktywowanie usługi Agenta Hermes od Nous Research (open-source’owy autonomiczny agent AI ogólnego przeznaczenia na licencji MIT). Brzmi trochę strasznie, ale to, co zobaczyłem i na własnej skórze mogłem sprawdzić, daje mi podobne odczucia jak pierwszy kontakt z komputerem tak w ogóle.

To już nie jest prosta automatyzacja oparta o algorytmy. Hermes rozumie, co robi, rozumie, z czym pracuje i też rozumie, czym jest, zatem nie wykonuje działań pochopnie i to ostatecznie zawsze my mamy decydujący głos, aby np. wysłać maila, którego skomponował samemu na podstawie otrzymanej wiadomości. Łączy ze sobą informacje z naszej poczty, telefonu, kalendarza, a nawet plików zapisanych na naszym PC lub chmurze, do której damy mu dostęp - naturalnie tu też kontrolujemy, na czym Hermes pracuje, ale odniosłem wrażenie, że realnie im więcej ma swobody, tym lepiej działa.  

Oprogramowanie możecie sprawdzić już teraz na swoim PC, ale tu pojawia się wałkowany od początku tego artykułu problem - będziecie potrzebować minimum 24 GB pamięci graficznej i drugie tyle pamięci RAM w przypadku tradycyjnego sprzętu x86 z systemem Windows. Zunifikowana pamięć RTX Spark nieco te wymagania luzuje i wariant z 32 GB powinien wystarczyć do poprawnej pracy Hermesa. Kolejny problem to pobór energii - taki asystent działa cały czas w tle i na dobrze pod tym kątem zoptymalizowanym RTX Spark nie wpływa na kulturę pracy urządzenia, ale już na wolniejszych NPU i APU będzie powodował pracę na wysokich obrotach, a nawet mimo tego nie zapewni takiej responsywności, co RTX Spark. 

Wybór RTX Spark z większą pojemnością (niż bazowe 32 GB) zapewni nam tutaj jeszcze szersze pole do popisu w kwestii uruchamiania subagentów lub ogólnie pracy kreatywnej lub z AI opisanej wyżej, z Hermesem stale pracującym w tle. A wszystko to bez płacenia co miesiąc abonamentu za usługę AI w chmurze - często niezależnie dla każdego zastosowania, którego potrzebujemy. Tak na to patrząc można powiedzieć, że zakup laptopa z RTX Spark okaże się nie tylko ogromną korzyścią w kontekście wydajności i kultury pracy sprzętu mobilnego, ale też swoistą inwestycją generującą oszczędności na wspomnianych subskrypcjach.

Odchodząc już od rewolucji, jaka za moment (premiera RTX Spark już w przyszłym miesiącu) wydarzy się w świecie sprzętu mobilnego oraz dostępu do narzędzi AI dla zwykłych użytkowników, mamy do omówienia jeszcze jeden temat - gry komputerowe i w szczególności gry online. Procesor NVIDIA N1X oparto o architekturę ARM, a co za tym idzie system Windows musi emulować część bibliotek. Dodatkowo przypominam, że mówimy tu o współdzielonej pamięci, a wiadomo, jak to wypada w przypadku klasycznych układów zintegrowanych.

Szczęśliwie układ Blackwell w RTX Spark stanowczo nie zalicza się do standardowego iGPU i przepustowość pamięci LPDDR5X na 512-bitowej szynie przewyższa nawet tę uzyskiwaną przez GDDR7 na mobilnym RTX 5070. Realnie śmiało można traktować tę zunifikowaną pamięć tak, jakby była dedykowaną pamięcią w GPU ze średniego segmentu (dopiero RTX 5070 Ti Laptop oferuje ciut wyższą przepustowość).

Co się zaś tyczy emulacji po stronie procesora, to trzeba przyznać, że Microsoft odwalił kawał dobrej roboty optymalizując emulator Prism i tutaj też straty są minimalne, a do tego bez problemu odpalimy też aplikacje użytkowe, które nie mają natywnego wsparcia dla architektury ARM. Grałem w Doom The Dark Ages i nawet na najwyższych ustawieniach z Path Tracingiem (i oczywiście wszystkimi dobrodziejstwami pakietu NVIDIA DLSS) grało się po prostu miodnie. Zero przycięć, natychmiastowa reakcja i oczywiście piękna oprawa graficzna (i muzyczna ;)).  

Większym problemem początkowo, gdy ogłoszono RTX Spark na CES 2026, było oprogramowanie anty-cheat na poziomie jądra systemu, które zwyczajnie nie współpracowało z architekturą ARM. Gdyby chodziło o dowolny inny duet korporacji niż Microsoft i NVIDIA, pewnie w tak krótkim czasie ten aspekt nie uległby zmianie, ale teraz już możemy mówić o komplecie tego typu zabezpieczeń na moment premiery. Podczas pokazu grałem online w F1 2026 (Javelin Anti-Cheat - spotykany też np. w Battlefield) oraz w ARC Raiders (Easy Anti-Cheat - stosowane też np. w Fortnite), a w planach jest wdrożenie do dnia premiery wsparcia dla Vanguard, co pozwoli odpalić również gry od Riot. 

Podsumowując, RTX Spark to nie jest jakiś super dedykowany sprzęt tylko do pracy z AI, tylko sprzęt, który w końcu faktycznie wdraża AI jako coś natywnego. Nie marketingowe hasło, ale też nie w formie super dedykowanego sprzętu, na którym nic innego nie da się robić. To sprzęt od podstaw zaprojektowany z myślą o zupełnie innym sposobie używania komputera, w którym użytkownik ma dużo mniej roboty i może w tym samym czasie zdziałać znacznie więcej albo więcej czasu poświęcić na rozrywkę, bo z nią ten sprzęt też sobie radzi wyśmienicie. 

Gdybyśmy na Benchmarku kiedyś zaczęli rozdawać znaczki za najbardziej niepozorny sprzęt, to NVIDIA RTX Spark byłby pierwszy w kolejce do jego uzyskania. Laptopy, które lada moment trafią do sprzedaży, różnią się specyfikacją i designem, ale łączy je jedna cecha - są wyjątkowo smukłe, lekkie i ciche podczas pracy, nawet pod pełnym obciążeniem - to coś, czego nie można powiedzieć obecnie o żadnym laptopie, który choćby zbliża się do nich swoją specyfikacją. Podczas mniejszego obciążenia mówi się nawet o dwóch dniach roboczych pracy na baterii, co też będzie rywalizować z najlepszymi konstrukcjami w tej kategorii (które oczywiście nie mają nawet startu do RTX Spark w kwestii mocy). To oczywiście korzyść wynikająca z samej architektury ARM, zwłaszcza w porównaniu do laptopów z procesorami X86 i dedykowanym GPU z wysokim poborem mocy. 

Wszystko to oczywiście nie będzie od razu dostępne w super przystępnych cenach z mini ratą 20x200 zł, ale też trudno oczekiwać, aby tak pionierskie urządzenie było z marszu dostępne w najniższym segmencie. Jednocześnie też sama NVIDIA w swojej komunikacji pozycjonuje ten sprzęt (tańszy wariant RTX Spark z 24 GB RAM) jako rozwiązanie dla uczniów i studentów, co może oznaczać, że niektóre modele będą dostępne w czterocyfrowej kwocie). Czas pokaże, a ja już nie mogę się doczekać faktycznych testów, mam nadzieję jeszcze we wrześniu!