Video recensione RTX SparkCos'è RTX SparkPrestazioni e BenchmarkEfficienza, consumi e temperaturePrestazioni a batteria e autonomiaAI locale e AgentiOttimizzazioni CUDAWindows on ARM e produttivitàGamingPrezzi e confronti Abbiamo realizzato una video recensione molto approfondita per spiegare come funziona RTX Spark e tutte le sue particolarità. Nel video mostriamo anche una delle prime macchine al mondo che integra questo chip, il laptop ASUS ProArt P16. Date un'occhiata da questo link o dal player a seguire. La piattaforma NVIDIA RTX Spark è basata sul SoC N1X, che combina una CPU Grace (basata su architettura ARM e realizzata in collaborazione con MediaTek) e una GPU Blackwell, stessa architettura utilizzata anche per le GPU discrete della serie RTX 5000.Esistono due configurazioni principali di Spark. La più potente utilizza una CPU a 20 core e una GPU con 6.144 CUDA core, mentre la versione inferiore scende a 18 core per la CPU e 5.120 CUDA core per la GPU. Le configurazioni dei notebook possono inoltre variare parecchio in base alla quantità di memoria unificata LPDDR5X, arrivando fino a 128 GB. CPU e GPU comunicano attraverso la tecnologia NVLink-C2C. La piattaforma utilizza un bus a 256 bit e una banda fino a circa 300 GB/s. La memoria unificata è la caratteristica più importante di RTX Spark. Su un notebook tradizionale, CPU e GPU utilizzano memorie separate: la CPU ha la RAM di sistema, mentre la GPU dispone della propria VRAM. Una GPU può essere velocissima, ma se il modello AI che vogliamo utilizzare supera la quantità di VRAM disponibile, poi bisogna ridurne le dimensioni, utilizzare una quantizzazione più aggressiva oppure spostare parte del lavoro sulla CPU. RTX Spark elimina in buona parte questa barriera mettendo a disposizione della GPU una quantità di memoria molto più grande rispetto a quella normalmente disponibile sulle GPU laptop. Su questa piattaforma, infatti, CPU e GPU condividono lo stesso pool di memoria, che si può allocare anche in modo differente a seconda delle esigenze.Questo però non significa che 128 GB di memoria rendano automaticamente più veloce qualsiasi carico. La capacità determina cosa possiamo caricare, mentre la banda di memoria incide anche sulla velocità con cui alcuni modelli vengono eseguiti. È una distinzione importante, soprattutto quando si parla di LLM molto grandi. Abbiamo approfondito architettura e funzionamento anche nel nostro articolo dedicato al superchip RTX Spark e agli agenti AI su Windows. Per i nostri test abbiamo utilizzato un ASUS ProArt P16 con la versione completa di RTX Spark: CPU a 20 core, GPU da 6.144 CUDA core, 64 GB di memoria unificata e SSD da 1 TB. Il notebook è soltanto il banco di prova: quello che c'interessa qui è capire come si comporta la piattaforma Spark.I benchmark che trovate nella galleria in basso mostrano abbastanza chiaramente il carattere di Spark. La CPU Grace offre buone prestazioni e permette di gestire senza problemi anche workload pesanti, ma non è il componente più impressionante del SoC. Esistono processori Intel, AMD e soprattutto Apple Silicon che possono essere più veloci in diversi carichi CPU. La GPU Blackwell, invece, è decisamente più interessante. I risultati dei test la collocano grossomodo nella fascia di una RTX 5070 Laptop, anche se un confronto diretto va interpretato con le dovute cautele: Spark è una GPU integrata all'interno di un SoC, con memoria unificata e un budget energetico completamente diverso da quello di una scheda grafica discreta. Ed è proprio questo il punto. Non è tanto importante stabilire se in un singolo benchmark Spark faccia qualche punto in più o in meno rispetto a una 5070 Laptop. È molto più interessante vedere quanta potenza grafica NVIDIA sia riuscita a inserire in una piattaforma del genere.In poche parole, dal punto di vista della GPU non ci si può lamentare, perché Spark ha già prestazioni di altissimo livello. La CPU, invece, può diventare un collo di bottiglia evidente, soprattutto nelle operazioni in cui il carico è più spostato su di essa che sulla GPU. Uno dei motivi per cui RTX Spark è davvero rivoluzionario è il rapporto fra prestazioni e consumo, che nel mondo dei portatili Windows è sempre un argomento difficile da trattare.NVIDIA indica per il suo SoC un intervallo configurabile fra 45 e 80 W, anche se l'implementazione pratica dipende dal produttore del notebook. Durante i test ho visto un comportamento molto stabile anche nei carichi prolungati. In termini di potenza, durante gli stress test si può arrivare a picchi di 80 W per la CPU, ma solitamente si sta ben sotto i 70 W. Per il gaming, invece, la situazione è ancora più chiara, con una media intorno ai 45 W per la GPU e sotto i 20 W per la CPU. Le temperature aumentano progressivamente, come è normale aspettarsi, ma non ho osservato crolli improvvisi delle frequenze o dati che facciano pensare a un throttling particolarmente aggressivo. Questo non significa però che Spark sia freddo o silenzioso. Sul ProArt P16 abbiamo raggiunto temperature vicine ai 90°C sulla CPU nei carichi più pesanti e le ventole si fanno sentire chiaramente. Anche la scocca diventa calda quando CPU e GPU vengono stressate a lungo.Molto meglio, invece, il comportamento della GPU, che sta quasi sempre sotto i 76°C anche durante gli stress test. L'ottimizzazione termica per questo elemento è decisamente migliore.Ricordiamo nuovamente che altri notebook Spark possono comportarsi diversamente, perché raffreddamento e limiti energetici dipendono dal produttore. In ogni caso, la tendenza generale è abbastanza stabile: la GPU non dà problemi, mentre la CPU potrebbe arrivare a far scaldare molto l'intero package del SoC.Considerando tutto, si può dire che RTX Spark riesce a offrire prestazioni molto elevate con un budget energetico decisamente più contenuto rispetto alle workstation Windows tradizionali, quelle con CPU e GPU dedicate. Uno degli aspetti che mi ha sorpreso maggiormente è il funzionamento a batteria. Le prestazioni di RTX Spark rimangono praticamente invariate anche scollegando l'alimentatore.Nei miei test le differenze fra alimentazione esterna e batteria sono state talmente piccole da rientrare spesso nel normale margine di variabilità del benchmark. Questa è una differenza enorme rispetto a molte workstation e notebook gaming tradizionali, che possono ridurre sensibilmente le prestazioni di CPU e GPU quando si usa solo la batteria. Naturalmente questo non significa che si possa utilizzare continuamente la GPU al massimo per un'intera giornata. Con workload AI molto pesanti, il consumo cresce tantissimo e la batteria si azzera in poche ore.Nelle attività normali, però, la situazione cambia completamente. Ad esempio, nel test PCMark 10 Battery Video abbiamo superato le 20 ore d'autonomia con la batteria da 99 Wh del notebook ProArt utilizzato per i test. Ciò dimostra quanto possa essere efficiente la piattaforma, grazie soprattutto all'architettura basata su ARM e alle tante ottimizzazioni implementate da NVIDIA e da Microsoft. L'efficienza energetica e l'autonomia sono due tra i vantaggi più importanti di RTX Spark rispetto alle soluzioni x86 di Intel o AMD. Siamo quasi ai livelli di Apple con i suoi chip della linea M, finalmente anche nel mondo Windows abbiamo un concorrente che possa permettere alte prestazioni e grande autonomia senza troppi compromessi. Possiamo parlare per ore di benchmark CPU e GPU, ma il motivo principale per cui esiste RTX Spark è un altro: l'intelligenza artificiale in locale. Durante le nostre prove abbiamo utilizzato diversi servizi (tra cui llama.cpp, ComfyUI e Hermes Agent), oltre ai benchmark dedicati alla generazione di testo e immagini. I risultati numerici sono interessanti, con prestazioni di alto livello in tutti gli ambiti principali. La generazione di token al secondo è buona, anche se non a livello di GPU discrete o di altre piattaforme. Il dato che conta davvero è però un altro: con 64 o 128 GB di memoria unificata si possono caricare modelli in locale che sulle normali GPU laptop semplicemente non entrano. Una RTX Laptop con 8, 12 o 16 GB di VRAM può essere estremamente veloce quando il modello rientra nella memoria disponibile, ma in caso contrario ci sono limitazioni importanti.RTX Spark cambia questo limite, riesce a gestire anche modelli molto complessi come Qwen 3.8-27B, Qwen3.6-35B-A3B, DeepSeek-V4-Flash e altri ancora. E questi sono modelli ormai maturi e versatili, paragonabili ad alcune delle versioni di ChatGPT, Claude e Gemini meno recenti, che però girano sui datacenter delle rispettive aziende. Bisogna comunque distinguere fra capacità e velocità. Avere abbastanza memoria per caricare un modello enorme non significa necessariamente ottenere la stessa reattività di una GPU discreta, che può essere molto più potente. Alcune prove che ho condotto hanno evidenziato proprio questo: con modelli molto grandi, il memory bandwidth può diventare uno dei principali limiti. C'è sempre un compromesso da accettare in questo caso, su qualsiasi tipo di hardware, e Spark non fa eccezione.Perché allora utilizzare l'AI in locale? Ci sono almeno quattro vantaggi concreti, che per i professionisti più esigenti possono fare la differenza.Privacy: documenti aziendali, codice proprietario e dati sensibili possono essere elaborati senza mai lasciare il proprio computer, in piena sicurezza;Lavoro offline: non bisogna caricare niente sul cloud o sui datacenter delle aziende, tutto può essere fatto sulla propria macchina, anche in viaggio (treno, auto, aereo) e dove non c'è connessione;Costi: una volta acquistato l'hardware non si paga ogni singola inferenza o ogni token generato, con un netto risparmio rispetto agli abbonamenti dei servizi AI;Controllo: possiamo scegliere modello, quantizzazione, backend, strumenti e workflow, creando una propria versione estremamente raffinata del modello, secondo le nostre esigenze. Questo non significa che il cloud scomparirà. Al contrario, lo scenario più interessante è probabilmente quello ibrido: elaborare localmente ciò che conviene mantenere sul dispositivo e utilizzare modelli cloud solo quando serve maggiore potenza o una capacità che il modello locale non può offrire.Lo stesso vale per gli agenti. Hermes Agent, Perplexity e strumenti simili possono usare file, applicazioni e servizi per completare autonomamente attività più complesse, ed è proprio attorno a questo tipo di utilizzo che NVIDIA e Microsoft stanno costruendo buona parte dell'ecosistema RTX Spark. L'AI agentica è sicuramente uno dei banchi di prova principali su cui si giocherà il futuro di Spark e dei chip di questo tipo. NVIDIA ha già stretto collaborazioni con i maggiori partner del settore, ha già ottimizzato la piattaforma per gestire i carichi dell'AI agentica, ha già sviluppato modelli e servizi di routing specializzati per questo tipo di operazioni. C'è ancora tantissimo lavoro da fare, sia chiaro, ma la direzione sembra quella giusta. RTX Spark arriva sul mercato come una piattaforma nuova a livello hardware, ma con un ecosistema molto completo e rodato dal punto di vista software. E questo è probabilmente uno dei suoi vantaggi più importanti. NVIDIA porta con sé la tecnologia CUDA e tanti servizi sviluppati nel corso di molti anni. Un ecosistema utilizzato da anni per framework AI, software di rendering, applicazioni professionali e moltissimi strumenti che sviluppatori e creator conoscono già. Il vero vantaggio competitivo di RTX Spark, quindi, non sta soltanto nella GPU Blackwell o nella memoria unificata, ma anche nella combinazione fra queste caratteristiche e l'ecosistema CUDA, che per i professionisti fa tanta differenza.Per chi utilizza già software e librerie ottimizzati per NVIDIA CUDA, la transizione è quindi molto meno traumatica di quanto potrebbe sembrare guardando soltanto al passaggio da x86 ad ARM. Eccoci al punto critico di questa piattaforma, uno dei temi più discussi ancor prima dell'uscita di Spark e dei prodotti che lo utilizzano: il supporto a Windows on ARM.La mia esperienza è stata molto più positiva di quanto temessi. Durante il periodo di prova non ho riscontrato problemi rilevanti con i driver e gran parte delle applicazioni che utilizzo abitualmente dispone ormai di una versione ARM nativa. Inoltre, quando non c'è una versione nativa, Windows può utilizzare il sistema Prism per eseguire il codice x86/x64 su piattaforma ARM. L'utilizzo di Prism e dell'emulazione dei software x86 non è però a costo zero. Su alcune applicazioni, ad esempio, è possibile vedere tempi di primo avvio più lunghi, un maggiore carico sulla CPU (che deve gestire anche l'emulazione) e alcune incompatibilità con servizi accessori.Inoltre, per software o benchmark specifici ci può essere un'incompatibilità totale del sistema, soprattutto per quei programmi aziendali molto vecchi e molto peculiari, che Prism non riesce a gestire in nessun modo. Quindi non siamo ancora davanti alla trasparenza quasi totale raggiunta da Apple dopo anni di transizione verso ARM, ma la situazione è molto diversa dai primi tentativi di Windows on ARM fatti ad esempio da Qualcomm con i suoi Snapdragon. Su Spark l'esperienza d'uso è molto più soddisfacente, i problemi sono minori, quasi tutto funziona senza grandi preoccupazioni.Anche in questo caso, il lavoro da fare è tanto, sia da parte di NVIDIA che soprattutto da parte di Microsoft, ma si vede finalmente una speranza per rendere Windows on ARM un sistema davvero completo e utilizzabile da tutti. Anche perché, se dal punto di vista della CPU si ha bisogno di emulazione per x86, per la GPU non c'è bisogno di alcun livello di transizione: è una GPU NVIDIA come le RTX 5000, quindi per la parte grafica tutti i software girano bene, esattamente come farebbero su un laptop tradizionale.Ho provato molte delle applicazioni più importanti a livello di produttività: Premiere, Photoshop, Blender e altri software per creator funzionano bene, al netto di qualche ritardo nell'avvio. Inoltre, quando un workload sfrutta CUDA, Tensor Core o acceleratori specifici di NVIDIA, Spark riesce a mostrare davvero i muscoli e rendere l'utilizzo super ottimizzato. È proprio questo il punto da tenere a mente: le prestazioni migliori arrivano quando il software riesce a sfruttare ciò che rende Spark differente. RTX Spark non è stata progettata principalmente come piattaforma gaming, ma è impossibile ignorare questo aspetto su una GPU Blackwell da 6.144 CUDA core. Nei giochi che ho provato (Cyberpunk 2077, Pragmata, Doom: The Dark Ages, Gears of War: E-Day e altri) l'esperienza è sempre molto buona.Le prestazioni raster si collocano grossomodo nella fascia di una RTX 5070 Laptop, anche se il paragone diretto è comunque difficile. A livello di framerate, frametime e latenze, a volte Spark riesce a fare anche un po' meglio, ma molto dipende dal gioco in sé. Il vero vantaggio è che sono disponibili tutte le principali tecnologie NVIDIA, compresi raytracing, DLSS e Frame Generation. Questo aggiunge un livello di compatibilità ulteriore, che sblocca le possibilità del gaming ad alte prestazioni e permette di avere un'esperienza di gioco simile (se non migliore) rispetto ai notebook gaming più potenti sul mercato.Il problema principale rimane ancora una volta l'architettura ARM. Molti giochi girano attraverso il layer di compatibilità Prism e questo può aumentare il carico sulla CPU, limitare il frame rate in determinati scenari o peggiorare frame time e valori di fps minimi. Inoltre, c'è da considerare anche la compatibilità con i sistemi di anti-cheat, che non è ancora universale. NVIDIA ha già fatto accordi con le software house più importanti e alcuni dei sistemi più diffusi hanno già una versione nativa che gira su Spark. Sono già stati annunciati altri sistemi in arrivo nei prossimi mesi, ma anche per questo tipo di tecnologie servirà tempo e fatica. Tutto considerato, il giudizio è abbastanza chiaro: su RTX Spark si può giocare molto bene, ma comprare oggi un notebook con Spark esclusivamente per giocare non ha molto senso. Il gaming può essere considerato un valore aggiunto, ma non è minimamente parte del core di questo tipo di prodotti. Un notebook tradizionale con CPU x86 e GPU RTX discreta rimane una scelta più razionale (e anche molto più conveniente) per chi vuole soltanto il gaming. In Italia, le configurazioni di laptop con RTX Spark partono intorno ai 3.000€ e possono superare tranquillamente i 6.000€ per le versione con 128 GB di memoria unificata. Sono disponibili diversi modelli prodotti da Microsoft, Dell, Lenovo, MSI, HP e ASUS.Il nuovo ASUS ProArt P16 utilizzato per la mia prova, con RTX Spark in versione 20 core, 64 GB di memoria e SSD da 1 TB, costa 4.599€.La premessa necessaria è che sono cifre elevate, quasi fuori mercato al momento, ma Spark non è una piattaforma pensata oggi per il pubblico generalista. Se utilizzate il computer principalmente per navigare, lavorare su Office o giocare, non avete bisogno di qualcosa del genere. Anche molti creator possono ottenere tutto ciò che serve spendendo molto meno. Il target di Spark è quello dei professionisti che possono sfruttare davvero AI locale, ottimizzazioni CUDA e grandi quantità di memoria accessibili alla GPU: sviluppatori, ricercatori, creator con workflow specifici e aziende che devono elaborare dati sensibili senza passarli al cloud.Le peculiarità molto precise di RTX Spark rendono questa piattaforma molto diversa rispetto al resto del mercato, con vantaggi e svantaggi che devono essere analizzati in dettaglio. Facciamo qualche confronto per capire meglio di cosa stiamo parlando.Il primo riferimento è sicuramente la RTX 5070 Laptop. Le prestazioni grafiche possono essere simili, ma la filosofia è completamente diversa: una GPU discreta dispone di VRAM dedicata e lavora insieme ad una CPU separata, mentre Spark integra tutto nello stesso SoC e può mettere a disposizione della GPU una quantità di memoria enormemente superiore, fondamentale per gestire i modelli AI più complessi. Il secondo concorrente è AMD Strix Halo. È probabilmente la piattaforma Windows più simile concettualmente, perché integra una GPU molto potente e una grande quantità di memoria unificata. Il vantaggio di AMD è mantenere l'architettura x86 e quindi la massima compatibilità con Windows tradizionale, ma su questo NVIDIA risponde con CUDA e un ecosistema GPU molto più maturo.Poi c'è Apple Silicon. Il confronto è inevitabile, perché anche i chip della linea M usano architetture ARM, memoria unificata, grande efficienza e alte prestazioni. Apple mantiene un vantaggio importante sulla CPU e, soprattutto con M5 Max, può contare su una banda di memoria molto superiore, caratteristica particolarmente utile con alcuni modelli AI. Spark risponde con CUDA, RTX, maggiore compatibilità gaming e tutto l'ecosistema software NVIDIA ottimizzato per le applicazioni professionali.Per tutti questi motivi, al momento i prodotti con Spark vanno considerati quasi come un mondo a parte rispetto al resto, e anche fare i conti in termini di convenienza è molto difficile. Detto questo, proprio per la sua unicità e per i costi così alti delle prime macchine uscite (tutte top gamma), è impossibile consigliarne l'acquisto a cuor leggero. RTX Spark al momento è ancora una promessa per il futuro più che una realtà consolidata, quindi va valutata con molta cautela.L'articolo NVIDIA RTX Spark, la recensione: è davvero il futuro dei PC Windows? sembra essere il primo su Smartworld.