Recensione NVIDIA RTX Spark: la “rivoluzione” dei PC provata su ASUS ProArt P16 con Windows on ARM

Da anni aspettiamo che nel mondo Windows accada qualcosa di simile a quello che Apple è riuscita a fare con Apple Silicon. Un cambiamento che non riguardi soltanto le prestazioni, ma il modo stesso in cui hardware e software lavorano insieme. Qualcomm ci ha provato, Intel e AMD continuano a evolvere le proprie piattaforme, ma questa volta a voler cambiare le regole del gioco è NVIDIA. E, dopo aver provato il nuovo ASUS ProArt P16 con RTX Spark, possiamo già anticiparvi che qualcosa di importante sta succedendo.

Non è una macchina perfetta, anzi, è una prima generazione con un prezzo che la rende praticamente inaccessibile alla maggior parte degli utenti. Eppure, era da parecchio tempo che non ci trovavamo davanti a un notebook Windows così interessante, soprattutto per quello che potrebbe rappresentare nei prossimi anni. Perché RTX Spark non è semplicemente un processore con una GPU NVIDIA integrata, ma una piattaforma sviluppata per portare l’intelligenza artificiale locale, quella vera, al centro dell’esperienza PC.

Riproduci il video: ULTRA NOTEBOOK che SPACCA ma BATTE TUTTI? APPLE, INTEL, AMD? RTX SPARK PROVATO (ASUS PROART P16)

Com’è fatto ASUS ProArt P16, uno dei migliori notebook sul mercato

Prima di entrare nel vivo della recensione e parlare della nuova piattaforma NVIDIA, dobbiamo soffermarci sul notebook che la ospita. Il ProArt P16 è uno dei notebook più belli e meglio costruiti che ci siano passati tra le mani, con una qualità generale che trasmette immediatamente la sensazione di avere a che fare con un prodotto di fascia altissima.

La scocca è realizzata in alluminio, il design è estremamente pulito e minimalista, con uno spessore che parte da appena 12,9 millimetri e un peso di 1,77 kg. Numeri particolarmente interessanti considerando che abbiamo a disposizione un display da 16 pollici e una piattaforma hardware tutt’altro che convenzionale. La colorazione Nano Black del nostro esemplare è molto elegante e professionale, anche se dobbiamo ammettere che la versione Neo White rimane una delle più belle mai realizzate da ASUS.

Il display è uno dei suoi punti di forza. Troviamo un ASUS Lumina Pro OLED da 16 pollici con risoluzione 3840 x 2400 pixel, formato 16:10 e refresh rate variabile fino a 120 Hz, con copertura del 100% dello spazio colore DCI-P3, validazione Pantone e una luminosità di picco HDR dichiarata fino a 1.600 nit. È un pannello eccellente per lavorare, creare contenuti e ovviamente anche per godersi film e videogiochi, con neri profondissimi, una resa cromatica convincente e una definizione molto elevata.

Particolarmente interessante è il trattamento antiriflesso, perché ASUS ha scelto una soluzione differente rispetto ai classici pannelli opachi. Solitamente questi rivestimenti finiscono per sacrificare una parte della brillantezza del display, mentre qui rimane sostanzialmente quella finitura lucida tipica degli OLED, ma con una riduzione sensibile dei riflessi ambientali. ASUS dichiara un abbattimento fino al 65% e, pur senza eliminarli completamente, il trattamento funziona molto bene, soprattutto quando si lavora in ambienti illuminati. Ottimo anche il comparto audio, con sei altoparlanti capaci di restituire un suono pieno, potente e ben bilanciato, decisamente superiore alla media dei notebook.

Ci ha convinto parecchio anche la combinazione tra tastiera e trackpad. La prima ha una corsa di 1,7 millimetri, keycaps piacevoli, un feedback molto deciso e soprattutto un rimbalzo che rende la digitazione veramente naturale. È una di quelle tastiere con cui si entra subito in sintonia, tanto che anche dopo lunghe sessioni di scrittura non abbiamo mai sentito il bisogno di utilizzare una periferica esterna. Il trackpad aptico è enorme, preciso e perfettamente proporzionato rispetto alla tastiera, con una combinazione che favorisce moltissimo la produttività e la rapidità di utilizzo.

Non ci sono particolari rinunce nemmeno sul fronte della connettività. ASUS ha inserito tre porte USB4 Type-C da 40 Gbps, una USB-A da 10 Gbps, HDMI 2.1, lettore SD Express e jack audio, oltre a Wi-Fi 7, Bluetooth 5.4 e una webcam Full HD con sensore a infrarossi per Windows Hello. Insomma, una dotazione completa che rende questo ProArt P16 una workstation portatile estremamente piacevole da utilizzare. E tutto questo prima ancora di accendere RTX Spark e scoprire cosa riesce a fare.

Segui TuttoTech.net su Google Discover

NVIDIA RTX Spark, una nuova architettura per Windows

Per capire perché questa piattaforma sia così importante dobbiamo cambiare leggermente il modo in cui siamo abituati a ragionare sui notebook Windows. Tradizionalmente abbiamo una CPU Intel o AMD, una quantità di RAM dedicata al sistema e, nelle macchine più potenti, una GPU NVIDIA con la propria memoria video. È un approccio che conosciamo da anni e che funziona molto bene, ma che presenta alcuni limiti quando CPU e GPU devono condividere grandi quantità di dati, soprattutto con i carichi di lavoro legati all’intelligenza artificiale.

Con NVIDIA RTX Spark N1X, sviluppato insieme a MediaTek per la CPU e realizzato con processo produttivo TSMC a 3 nanometri, NVIDIA ha scelto un approccio più integrato. Abbiamo un unico superchip che mette insieme una CPU ARM Grace e una GPU Blackwell RTX, con una memoria unificata accessibile alle diverse unità di elaborazione. Una filosofia che ricorda inevitabilmente Apple Silicon, anche se l’architettura e soprattutto l’ecosistema software sono profondamente differenti.

La CPU utilizza 20 core ARM, divisi in 10 Cortex-X925 ad alte prestazioni e 10 Cortex-A725 più efficienti. La GPU, invece, si basa sull’architettura Blackwell e dispone di 6.144 CUDA core, distribuiti su 48 Streaming Multiprocessor, con RT Core di quarta generazione e Tensor Core di quinta generazione. È una configurazione estremamente interessante, soprattutto perché porta all’interno di un unico chip tutte le tecnologie NVIDIA che conosciamo già nel mondo delle GeForce RTX, comprese CUDA, OptiX, ray tracing, DLSS e le accelerazioni per l’intelligenza artificiale.

Le prestazioni teoriche in AI arrivano fino a 1 petaflop in FP4, un numero che deve essere contestualizzato perché si riferisce a una precisione numerica specifica e non rappresenta la potenza generica del processore. Ancora più interessante, però, è il dato relativo ai consumi: NVIDIA dichiara per RTX Spark un TDP configurabile tra 45 e 80 watt, una soglia che comprende CPU e GPU e che permette di concentrare una quantità notevole di potenza all’interno di notebook estremamente sottili.

E qui possiamo già fare una prima considerazione sulle prestazioni. La GPU Blackwell integrata in RTX Spark si colloca indicativamente nell’area di una GeForce RTX 5070 Laptop, con risultati che variano naturalmente in base alle applicazioni e alle ottimizzazioni utilizzate. Il vero vantaggio, però, è che qui non abbiamo una GPU dedicata con un proprio budget energetico da sommare a quello della CPU, ma un superchip che integra entrambe le componenti all’interno di un limite di potenza molto più contenuto. In altre parole, non stiamo parlando della GPU più veloce in assoluto, ma di una soluzione che può offrire un rapporto tra prestazioni e consumi veramente interessante.

Una delle sorprese più interessanti riguarda però il comportamento lontano dalla presa di corrente. NVIDIA aveva promesso prestazioni molto elevate anche durante l’utilizzo a batteria e nelle nostre verifiche abbiamo osservato differenze estremamente contenute rispetto all’alimentazione esterna, in alcuni casi nell’ordine dell’1-2%. Un risultato che meriterà ulteriori approfondimenti, ma che rappresenta già un cambiamento importante rispetto a molti notebook tradizionali, dove scollegare l’alimentatore significa rinunciare immediatamente a una parte consistente delle prestazioni.

I 128 GB di memoria unificata sono la vera rivoluzione

Ma c’è una caratteristica che, più di qualsiasi altra, rende questa piattaforma differente: i 128 GB di memoria unificata LPDDR5X presenti nella configurazione del nostro ProArt P16. È un quantitativo enorme per un notebook e soprattutto cambia completamente il tipo di operazioni che possono essere eseguite localmente. Pensiamo a una GeForce RTX 5090 Laptop, una GPU che nei carichi grafici tradizionali è decisamente più potente di quella integrata in RTX Spark, ma che deve fare i conti con una quantità di memoria video dedicata molto più contenuta. Quando lavoriamo con modelli di intelligenza artificiale di grandi dimensioni, però, la capacità di memoria diventa fondamentale, perché quei modelli devono prima di tutto poter essere caricati e gestiti in maniera efficiente.

RTX Spark permette a CPU e GPU di accedere a un grande pool di memoria condivisa, eliminando la rigida separazione tra RAM di sistema e VRAM che caratterizza le configurazioni tradizionali. Non significa che tutti i 128 GB siano automaticamente disponibili per qualsiasi applicazione, perché Windows e gli altri processi continuano a utilizzare parte delle risorse e l’allocazione GPU può essere configurata tramite NVIDIA App, ma il vantaggio rimane enorme.

C’è però un elemento che merita di essere approfondito: la banda di memoria arriva a un massimo teorico di 300 GB/s, un valore importante ma inferiore rispetto a quello che troviamo sulle GPU dedicate più potenti dotate di memoria GDDR7. Di conseguenza, avere la capacità necessaria per caricare un modello molto grande non significa necessariamente poterlo eseguire a velocità elevatissime. La capacità determina quanto possiamo caricare, mentre la banda e la potenza di elaborazione incidono su quanto velocemente possiamo lavorarci.

È un compromesso particolarmente interessante anche per i modelli Mixture of Experts, nei quali soltanto una parte dei parametri viene attivata per ogni token generato. In questi casi avere molta memoria disponibile, insieme a una buona accelerazione GPU, può rivelarsi estremamente utile. Ed è proprio su questo equilibrio tra capacità, banda e prestazioni che NVIDIA ha costruito buona parte della filosofia di RTX Spark.

L’intelligenza artificiale in locale è il vero terreno di gioco

Arriviamo quindi alla parte più interessante della nostra prova, perché RTX Spark non nasce semplicemente per eseguire qualche funzionalità AI integrata in Windows o per accelerare occasionalmente un programma. Questa è una piattaforma progettata per portare l’intelligenza artificiale locale al centro dell’esperienza PC, consentendo di utilizzare modelli linguistici, sistemi generativi e agenti direttamente sul computer, senza dover necessariamente dipendere da infrastrutture cloud.

Il vantaggio è evidente soprattutto in prospettiva. Oggi siamo abituati a utilizzare servizi come ChatGPT, Gemini o Claude, che elaborano le nostre richieste attraverso server remoti. Ma non è detto che in futuro tutte le operazioni debbano passare dal cloud. Ci saranno sempre più attività che potranno essere gestite direttamente sui nostri dispositivi, dalla gestione dei documenti all’analisi dei dati, dalla programmazione fino all’automazione di interi flussi di lavoro. E avere un modello locale significa poter lavorare anche offline, mantenere determinati dati sul proprio dispositivo ed evitare costi API per ogni singola operazione.

NVIDIA, inoltre, parte da una posizione privilegiata, perché può sfruttare un ecosistema software che viene sviluppato e perfezionato da molti anni. Parliamo naturalmente di CUDA, ma anche di TensorRT, delle librerie di inferenza, dei framework e delle ottimizzazioni specifiche per l’architettura Blackwell. Una parte enorme del mondo dell’intelligenza artificiale è già costruita intorno alle GPU NVIDIA, ed è proprio questa compatibilità a rappresentare uno dei vantaggi più importanti della piattaforma.

Particolarmente interessante è il supporto a NVFP4, un formato numerico a 4 bit che permette ai modelli compatibili di ridurre l’occupazione della memoria e sfruttare in maniera efficiente i Tensor Core Blackwell. Naturalmente non tutti i modelli e non tutti i carichi di lavoro possono utilizzare automaticamente queste ottimizzazioni, ma quando il software è progettato per sfruttarle, i risultati possono essere veramente notevoli.

I nostri benchmark AI: RTX Spark convince

Per verificare le prestazioni abbiamo utilizzato diversi benchmark, tra cui Artificial Analysis AgentPerf, SPEED-Bench, AIPerf e MLPerf Client, concentrandoci su operazioni di inferenza e generazione di contenuti. Prima di parlare dei numeri, però, è importante sottolineare che confrontare le prestazioni AI non è semplice come confrontare un Geekbench qualsiasi: modelli, quantizzazione, dimensione del contesto, framework e impostazioni possono modificare enormemente i risultati. Per non considerare le risposte imprevedibili del modello, qualche competitor potrebbe dimostrare di andare più veloce ma con risposte errate.

Una parte importante dei test è stata effettuata con Qwen3.8 da 27 miliardi di parametri, utilizzando una quantizzazione Q4, speculative decoding e il backend CUDA attraverso llama.cpp. Con AgentPerf abbiamo completato tutti i 168 passaggi previsti senza errori, registrando un tempo normalizzato di 1.013,57 secondi, quindi poco meno di 17 minuti. Un risultato particolarmente interessante, soprattutto considerando che il riferimento fornito da NVIDIA per un ProArt P16 da 64 GB si attestava intorno ai 1.473 secondi. Si tratta di uno scarto di circa il 31% sul tempo di completamento, anche se non possiamo considerarlo un confronto perfettamente controllato per via delle differenze di configurazione.

Ancora più interessanti sono i risultati relativi alla generazione dei token. In AgentPerf abbiamo registrato una velocità di decode di 46,06 token al secondo, mentre in SPEED-Bench siamo arrivati a 30,87 token al secondo, completando correttamente tutti i 55 campioni previsti. Sono due prove differenti e i relativi numeri non devono essere confrontati direttamente, ma dimostrano che RTX Spark riesce a eseguire modelli importanti con velocità convincenti, senza dover inviare continuamente richieste a un server remoto.

Abbiamo poi utilizzato AIPerf per verificare il comportamento della piattaforma con contesti progressivamente più grandi. Con un input di circa 16.000 token e una generazione da 1.024 token abbiamo registrato un tempo complessivo di 66 secondi, mentre con un contesto di circa 64.000 token siamo arrivati a 147 secondi, contro i circa 197 secondi riportati nel riferimento NVIDIA. Un dato interessante, che dimostra però anche quanto la lunghezza del contesto possa incidere sulle prestazioni: la quantità di memoria permette di affrontare carichi importanti, ma non elimina completamente i tempi necessari per elaborarli.

Molto convincente anche la generazione delle immagini. Utilizzando FLUX.2 Klein da 4 miliardi di parametri, con accelerazione TensorRT RTX e formato NVFP4, abbiamo registrato 35,5 immagini al minuto, equivalenti a circa 1,69 secondi per immagine, con risoluzione 1024 x 1024 pixel e un preset da quattro step. Naturalmente aumentando la complessità del modello o il numero di passaggi cambiano anche i tempi di generazione, ma questo risultato rende molto bene l’idea di quello che possiamo già fare direttamente su un notebook.

L’impressione generale è che RTX Spark riesca a esprimere il massimo del proprio potenziale proprio quando hardware e software NVIDIA vengono utilizzati insieme. Non è semplicemente una questione di potenza bruta, ma di un ecosistema che permette alle applicazioni ottimizzate di sfruttare realmente l’architettura Blackwell. Ed è qui che questa piattaforma riesce a distinguersi maggiormente.

Per i Creator NVIDIA continua ad avere un vantaggio importante

Ma RTX Spark non è pensata soltanto per l’intelligenza artificiale, e sarebbe un errore limitarne la valutazione a questo ambito. Stiamo comunque parlando di un ProArt, quindi di un notebook destinato anche a professionisti della creazione dei contenuti, del rendering 3D, della fotografia e del montaggio video.

In questo contesto ritroviamo tutte le tecnologie NVIDIA che conosciamo da anni. Applicazioni come Blender, DaVinci Resolve, Premiere Pro e Photoshop possono beneficiare di differenti forme di accelerazione GPU, e soprattutto quando entrano in gioco CUDA, OptiX e le funzionalità AI il vantaggio dell’ecosistema NVIDIA diventa evidente.

Pensiamo per esempio a Blender, dove il rendering attraverso OptiX può sfruttare i Tensor Core e le unità dedicate al ray tracing, offrendo prestazioni molto superiori rispetto all’elaborazione esclusivamente CPU. In questo ambito la GPU di RTX Spark può posizionarsi nell’area di una RTX 5070 Laptop, con un budget energetico complessivo decisamente interessante. Inoltre, la disponibilità di 128 GB di memoria unificata permette di affrontare scene molto grandi, che su una GPU tradizionale potrebbero incontrare i limiti della VRAM dedicata.

Nel montaggio video e nella fotografia, però, il discorso diventa più articolato. Non tutte le operazioni sono accelerate allo stesso modo e non basta avere una GPU NVIDIA per ottenere automaticamente le massime prestazioni in qualsiasi programma. Alcune elaborazioni dipendono maggiormente dalla CPU, altre richiedono percorsi hardware dedicati alla codifica e decodifica dei video, mentre per certe funzionalità AI è indispensabile che il software supporti le librerie corrette.

La situazione, inoltre, è in continua evoluzione. NVIDIA e Microsoft stanno lavorando con gli sviluppatori per portare sempre più applicazioni native su ARM e per integrare percorsi di accelerazione specifici per RTX Spark. Durante il nostro breve periodo di prova non siamo riusciti a completare un’intera campagna di benchmark omogenei su Blender, V-Ray e PugetBench, quindi preferiamo non attribuire al nostro esemplare punteggi che non abbiamo misurato direttamente. Rimane però evidente quanto il potenziale della piattaforma dipenda dalla qualità dell’integrazione software, che sarà probabilmente uno degli elementi più interessanti da osservare nei prossimi mesi.

Non nasce per giocare, ma si difende benissimo con il DLSS

Quando si parla di NVIDIA è praticamente impossibile non parlare anche di videogiochi, e RTX Spark non fa eccezione. Bisogna però chiarire immediatamente un concetto: ASUS ProArt P16 non è un notebook gaming, e non nasce per competere direttamente con macchine dotate di GeForce RTX 5080 o RTX 5090 Laptop dedicate. È una piattaforma che privilegia l’intelligenza artificiale e i carichi professionali, ma questo non significa che non possa offrire un’esperienza gaming convincente.

La GPU Blackwell integrata permette di affrontare anche titoli impegnativi in QHD, quindi a 2560 x 1440 pixel, sfruttando le tecnologie NVIDIA per migliorare qualità dell’immagine e fluidità. Il supporto a DLSS Super Resolution e Multi Frame Generation diventa particolarmente importante quando si cerca di raggiungere frame rate elevati, soprattutto considerando il display OLED a 120 Hz del ProArt P16.

Abbiamo utilizzato anche Cyberpunk 2077 per osservare il comportamento della piattaforma sotto carico, riscontrando un assorbimento vicino ai 140 watt alla presa nelle condizioni più impegnative. Va però ricordato che questo dato riguarda il consumo dell’intero notebook, comprese le perdite dell’alimentatore e l’eventuale ricarica della batteria, e non corrisponde al TDP del solo superchip.

Il supporto alle tecnologie NVIDIA permette comunque di ottenere un’esperienza di gioco interessante, ma bisogna distinguere i fotogrammi renderizzati nativamente da quelli generati attraverso la Multi Frame Generation. Quest’ultima può migliorare notevolmente la fluidità visiva, senza però sostituire completamente la necessità di un buon frame rate di partenza, soprattutto per quanto riguarda la latenza dei comandi.

C’è poi un altro aspetto da considerare, legato alla CPU ARM e al sistema operativo. Alcuni videogiochi vengono eseguiti attraverso Prism, traduttore x86 di Windows per la parte CPU, e in queste situazioni può capitare che il processore diventi un limite prima ancora della GPU. Le prestazioni possono quindi cambiare sensibilmente da titolo a titolo, anche in presenza di una potenza grafica teoricamente sufficiente.

Consumi, temperature e autonomia: una piattaforma convincente

Uno degli aspetti che ci ha convinto maggiormente è il comportamento termico del ProArt P16, soprattutto considerando quanto ASUS sia riuscita a contenere dimensioni e peso. Nell’utilizzo quotidiano il notebook è estremamente silenzioso, con ventole che in determinate condizioni diventano praticamente impercettibili. Quando invece si comincia a sfruttare seriamente la piattaforma, il sistema di raffreddamento entra in funzione e si fa sentire, ma con una rumorosità che ci è sembrata più contenuta rispetto a molte workstation tradizionali o notebook gaming dotati di CPU e GPU separate.

Anche le temperature sono generalmente sotto controllo. Nei benchmark AI che abbiamo monitorato la GPU ha raggiunto al massimo 77 gradi, senza evidenze di rallentamenti termici nei campioni raccolti, mentre in altri carichi particolarmente impegnativi abbiamo osservato temperature interne più elevate, nell’ordine degli 85-89 gradi. Quello che ci ha colpito maggiormente, però, è la temperatura percepita sul telaio, che rimane sempre abbastanza contenuta da non rendere fastidioso l’utilizzo del notebook, anche durante sessioni impegnative.

I consumi confermano quanto questa architettura possa essere interessante. Durante i nostri benchmark AI abbiamo registrato valori medi della sola GPU compresi indicativamente tra 43 e 59 watt, con picchi campionati intorno ai 76 watt. Sono numeri che non rappresentano il consumo complessivo del SoC, ma che restituiscono comunque un quadro positivo sull’efficienza dell’architettura Blackwell integrata.

Nell’utilizzo quotidiano la situazione cambia naturalmente in base al carico. In alcune condizioni di lettura e navigazione abbiamo osservato consumi dell’intero notebook vicini ai 15-17 watt, mentre con un utilizzo misto più impegnativo ci si sposta su valori superiori. Ed è proprio questa capacità di adattare i consumi alle diverse operazioni che rende interessante l’accoppiata tra architettura ARM e GPU NVIDIA.

La batteria è da 99,9 Wh, praticamente il massimo che troviamo normalmente sui notebook destinati anche ai viaggi, mentre l’alimentatore USB-C da 140 watt è abbastanza compatto e permette di recuperare circa il 50% della carica in 45 minuti.

Per quanto riguarda l’autonomia, nella nostra esperienza il ProArt P16 riesce a comportarsi bene quando viene utilizzato per attività quotidiane e relativamente leggere. Con navigazione web, documenti e operazioni non particolarmente impegnative possiamo collocarci indicativamente tra le 7 e le 10 ore di utilizzo, con risultati che dipendono naturalmente dalla luminosità del display, dalle applicazioni utilizzate e dal tipo di carico. Quando invece iniziamo a sfruttare in maniera più intensa la piattaforma, l’autonomia diminuisce sensibilmente e negli scenari impegnativi che abbiamo affrontato si può scendere verso le 3-3,5 ore, con una durata potenzialmente ancora inferiore mantenendo il superchip costantemente al massimo della potenza.

Windows on ARM funziona, tranquilli

Arriviamo a uno degli aspetti più delicati di questa recensione, perché RTX Spark utilizza una CPU ARM e quindi richiede Windows on ARM. Una piattaforma che negli ultimi anni ha compiuto passi avanti enormi, soprattutto grazie al lavoro di Microsoft e all’arrivo dei notebook Snapdragon, ma che continua a presentare alcune differenze rispetto al tradizionale mondo Windows x86.

La buona notizia è che nell’utilizzo quotidiano l’esperienza è ormai piuttosto matura. Moltissime applicazioni funzionano correttamente, il sistema operativo è reattivo e il supporto alle versioni ARM64 native continua a crescere. Per i programmi che non dispongono ancora di una versione dedicata interviene Prism, il sistema di traduzione sviluppato da Microsoft per tradurre le istruzioni x86 e x64.

La differenza rispetto alle precedenti piattaforme ARM, però, è che qui abbiamo una GPU NVIDIA con supporto nativo a CUDA. Questo significa che un’applicazione compatibile può utilizzare istruzioni CPU tradotte da Prism e continuare a sfruttare direttamente le accelerazioni GPU disponibili, senza dover necessariamente rinunciare a tutte le ottimizzazioni che conosciamo nel mondo NVIDIA. Naturalmente il risultato dipende dal software, dalle librerie e dal livello di supporto effettivamente implementato dagli sviluppatori, ma è un vantaggio importante.

Nel complesso, però, il lavoro fatto da Microsoft e NVIDIA ci è sembrato convincente, soprattutto considerando che ci troviamo davanti a una piattaforma completamente nuova. Dove avremmo voluto qualcosa in più è invece nell’esperienza legata all’intelligenza artificiale locale, perché qui emerge un limite che non riguarda necessariamente la potenza disponibile.

RTX Spark è un computer progettato per l’AI, ma non è ancora un computer sul quale l’AI locale sia immediatamente accessibile a tutti. Ci sono CUDA, TensorRT, Windows ML, gli strumenti NVIDIA, i framework per l’inferenza e le nuove integrazioni con gli agenti. Tutto questo permette di sviluppare applicazioni estremamente interessanti e di costruire flussi di lavoro complessi, ma richiede ancora una certa familiarità con modelli, runtime, quantizzazioni e configurazioni software.

L’idea di avere un agente locale capace di organizzare documenti, analizzare dati, utilizzare applicazioni e automatizzare una parte del nostro lavoro è affascinante, soprattutto perché permette di mantenere le informazioni sul dispositivo e di lavorare senza dipendere continuamente dal cloud. Ma tra avere l’hardware necessario per farlo e poter accedere a queste funzionalità in maniera semplice c’è ancora una distanza importante.

NVIDIA e Microsoft stanno lavorando per ridurla, e già oggi esistono strumenti che semplificano notevolmente la configurazione dei modelli locali. Tuttavia, almeno per il momento, chi vuole sfruttare realmente le capacità di RTX Spark deve essere un utente sufficientemente esperto, con conoscenze tecniche che vanno oltre il semplice utilizzo quotidiano del computer.

Solo NVIDIA poteva riuscirci e ci è riuscita, RTX Spark è promossa

Arrivati alla fine di questa prova, dobbiamo ammettere che ASUS ProArt P16 con NVIDIA RTX Spark ci ha lasciato sensazioni molto positive. Era da parecchio tempo che aspettavamo una piattaforma Windows capace di proporre qualcosa di realmente diverso rispetto alle architetture tradizionali, e NVIDIA è riuscita a realizzare uno dei prodotti di prima generazione più convincenti che abbiamo provato negli ultimi anni.

Non perché RTX Spark sia la soluzione più veloce in qualsiasi ambito, perché non lo è. La CPU ha ancora margini di miglioramento, soprattutto se confrontata con le architetture più mature, la GPU è convincente ma non può competere con le GeForce RTX Laptop di fascia più alta nei carichi grafici puri, e Windows on ARM continua a richiedere compromessi in alcune situazioni. Eppure, il valore di questa piattaforma va molto oltre la somma delle prestazioni di CPU e GPU.

Il vero risultato ottenuto da NVIDIA è essere riuscita a integrare una GPU Blackwell, una CPU ARM, una quantità enorme di memoria unificata e soprattutto un ecosistema software estremamente consolidato all’interno di un superchip pensato per lavorare con l’intelligenza artificiale. Il tutto mantenendo consumi relativamente contenuti, prestazioni elevate anche a batteria e la possibilità di utilizzare modelli locali che fino a poco tempo fa sarebbero stati difficili da gestire su un notebook di queste dimensioni.

La presenza dei 128 GB di memoria unificata è probabilmente l’elemento più importante dell’intero progetto, perché permette di affrontare carichi di lavoro che non possono essere valutati semplicemente osservando i risultati dei benchmark tradizionali. Ed è qui che l’integrazione con CUDA, TensorRT e le librerie NVIDIA rappresenta un vantaggio importante, soprattutto rispetto a piattaforme che devono ancora costruire o consolidare una parte del proprio ecosistema software.

E proprio per questo RTX Spark ci sembra qualcosa di più interessante rispetto a un semplice tentativo di inseguire Apple Silicon. NVIDIA sta provando a costruire una piattaforma Windows partendo da uno dei suoi vantaggi competitivi più importanti, ovvero l’intelligenza artificiale e l’accelerazione GPU. Un approccio che potrebbe rivelarsi particolarmente efficace nei prossimi anni, quando una parte sempre maggiore delle operazioni verrà gestita direttamente dai modelli locali e dagli agenti personali.

Rimane però il problema del prezzo. ASUS ProArt P16 nella configurazione con 128 GB di memoria unificata e SSD da 2 TB viene proposto a 6.399 euro, una cifra che inevitabilmente lo rende un prodotto destinato a una nicchia molto ristretta. A questo prezzo non basta essere appassionati di tecnologia o cercare un notebook potente: bisogna avere esigenze professionali specifiche, sapere esattamente quali applicazioni utilizzare e soprattutto essere in grado di sfruttare concretamente la memoria e l’ecosistema NVIDIA.

NVIDIA è riuscita a fare un primo passo molto importante, probabilmente uno di quelli che ricorderemo quando guarderemo all’evoluzione dei computer Windows nei prossimi anni. Jensen al Computex 2026 aveva promesso una scintilla, Spark, in grado di illuminare il futuro del computer personali. La scintilla c’è stata, è bella forte, luminosa, ora tocca vedere gli effetti di tutta questa potenza scintillante. Prima o poi, per Jensen, tutti avremo Spark in casa per gestire la nostra AI personalizzata. Ora questo sogno è realtà ma costa e ci vogliono parecchie skill. Per il domani, c’è bisogno di democratizzare questa scintilla, non è semplice ma nemmeno impossibile. Una piattaforma come Spark non può restare relegata al mondo professionale.