英伟达与微软联手：RTX Spark 与 MXC 让 AI 智能体在 Windows 本地安全常驻

10月7日，周三，微软在旧金山Dogpatch Studios举办了一场Windows AI与Surface发布活动。NVIDIA创始人兼CEO黄仁勋与微软CEO萨提亚·纳德拉在炉边对谈中登台，主持人是曾任白宫AI政策高级顾问的Sriram Krishnan。两位掌门人给出的信息很明确：两家公司正在联合设计硬件与软件，让AI智能体直接运行在Windows PC上。黄仁勋回顾了公司的来路，说NVIDIA的成立与Windows密不可分，“如果没有Windows，就没有GeForce”。随后他把这段几十年的历史接到智能体时代：当智能体就住在你的电脑里，它就成了你的个人助理。纳德拉则把功劳归于黄仁勋数十年如一日的愿景，称那是一种长期的结构性趋势，也是今天这个时刻的来由。 这场活动真正的技术重点，在于微软提出的安全底座。微软Windows与设备执行副总裁Pavan Davuluri宣布，Microsoft Execution Containers（简称MXC）正式全面可用。它是操作系统级的基础设施，让智能体能够在系统控制之下，安全且持续地在后台运行。Davuluri表示，微软把这些原语直接做进Windows，使智能体可以被保护、被观察、被治理，并与Microsoft Security和Agent 365配合。纳德拉随后强调，必须让桌面成为智能体执行任务最安全的地方。黄仁勋的评价更直接：这将成为下一代IT的基础，就像Windows和DirectX改变了应用的构建方式，MXC将改变智能体的构建与部署方式。把它放在行业脉络里看，智能体与传统应用最大的区别在于，它会自主调用工具、读写文件并长时间驻留，权限边界和审计能力因此成为前提，而不是附加功能。

硬件一侧的主角是RTX Spark。按NVIDIA博客的说明，它把一颗最高6,144核的Blackwell RTX GPU，与一颗最高20核的NVIDIA Grace CPU，以600 GB/s的带宽连接在一起，提供1 PFLOP的FP4 AI性能和最高128GB的统一内存。Davuluri介绍说，微软的Surface Laptop Ultra就是围绕RTX Spark打造的，有了128GB统一内存和接近一千万亿次的AI算力，笔记本上可以运行传统机器装不下的模型。NVIDIA举的例子是Qwen 3.8 Flash Next，据称是一个1250亿参数、带510亿n-gram的模型，在智能水平上可与许多云端模型相当，同时不计量计费，也无需把数据发送到云端。这里需要冷静看待：这些性能与模型对比均来自厂商自述，实际体验取决于量化方式、上下文长度和具体任务，读者应等待独立评测。合作的整机厂商包括宏碁、华硕、戴尔、惠普、联想、微软、微星和技嘉，形态从轻薄本到为常开智能体设计的紧凑型台式机。笔记本即日起开放预订，10月16日上市，紧凑型台式机11月开售。

软件栈的统一，是这一发布对开发者最有价值的部分。RTX Spark运行完整的NVIDIA CUDA平台，开发者可以不改写代码，把模型、工具和工作流从RTX Spark迁移到DGX Station，使用同一套NVIDIA AI软件栈。对创作者，它带来支持NVFP4的第五代Tensor Core、硬件加速AV1以及4:2:2视频编解码；对玩家，官方称借助DLSS 5、Reflex和G-SYNC，可在1440p下以超过每秒100帧运行3A游戏。紧凑型台式机则使用同一颗RTX Spark超级芯片，装进为全天候运行设计的小机箱，成为一台让智能体持续工作的本地AI设备。活动同时预览了NVIDIA DGX Station for Windows，称其为首款面向Windows企业桌面的桌边AI超级计算机，把GB300 Grace Blackwell级别的AI基础设施带入Windows生态。Davuluri说，过去需要租用集群才能获得的能力，现在可以放在桌边。博客指出，DGX Station此前运行在Linux上，这次的变化意味着Windows企业环境首次能直接使用这类设备。

从产业结构看，这件事还有一层值得单独讨论的含义。过去几年，智能体的主要运行场所是云端数据中心，用户按调用次数或令牌数量付费，数据必须离开本机。RTX Spark与MXC的组合试图改写这一前提：把算力放进个人设备，把安全边界交给操作系统，再用统一的CUDA软件栈把开发体验贯通。如果这条路线成立，云端与端侧将不再是替代关系，而是分工关系：高频、涉及隐私、需要长时间在线的任务留在本地，超大规模或偶发的任务继续交给云。对软件公司而言，这意味着产品需要同时适配本地与云端两套运行时；对个人用户而言，这意味着一台电脑的价值，将越来越取决于它能让多少智能体稳定、安全地替自己工作。 综合来看，这次发布的意义不在单个参数，而在于一条完整链路第一次被同时拿出来：操作系统级的隔离与治理、统一内存的本地算力、跨笔记本到桌边超算的同一套CUDA栈。对企业IT来说，数据不出设备、按设备而非按调用付费的模式，会改变成本结构和合规讨论；对开发者来说，一次开发、多级部署的路径降低了迁移成本。但风险同样清楚。智能体常驻本地，意味着攻击面从云端API扩展到每一台终端，MXC的隔离强度、默认策略与可审计性，需要安全社区在真实环境中检验。高配硬件的价格、续航与散热，博客没有披露，也有待实测。此外，本地模型与前沿云端模型之间的差距，是否真如厂商所说已经可以忽略，仍要靠独立基准来回答。接下来最值得关注的，是10月16日首批笔记本交付后的评测、MXC在企业中的采用速度，以及开发者是否真的把智能体工作负载放到本地。