Выставка Computex 2026 стартовала в Тайбэе, и, как обычно, NVIDIA задала тон выступлением Дженсена Хуанга, который подробно рассказал о дорожной карте компании. Значительная часть доклада была посвящена уже известным нам перспективам в области графических процессоров для центров обработки данных, включая Vera Rubin, которая сейчас используется в полномасштабных проектах, и уже знакомым тезисам о том, как агенты меняют каждый уровень вычислений. Мы не будем повторять всё это здесь.
По-настоящему новым материалом, и именно поэтому эта презентация имела значение для всех, кто работает на стороне клиента, стал ПК. NVIDIA и Microsoft использовали Computex, чтобы объявить о переосмыслении машины под управлением Windows, сделав это в рамках целого семейства продуктов, а не одного устройства. Однако, прежде чем мы перейдем к этому, стоит подробнее рассмотреть один аспект истории центров обработки данных.
Более подробный обзор стойки LPX
Один элемент в центре обработки данных привлек наше внимание. Стойка LPX изменилась. Системы, похоже, переместились с 1 OU на 2 OU, а четыре канала Groq C2C также выглядят физически иначе, чем в наших предыдущих обзорах LPX . На этот раз NVIDIA предоставила нам еще более подробный обзор стойки. Помимо этих двух изменений, ничего другого внешне не бросается в глаза, что вызывает у нас большой интерес к тому, что же на самом деле находится на этом втором уровне.
Трехуровневое семейство ПК
NVIDIA анонсировала семейство клиентских устройств: ноутбук, настольный компьютер и рабочую станцию, все построенные на одной и той же платформе Spark и Blackwell и также предназначенные для поддержки Windows. Дженсен представил это как первую полностью переработанную линейку ПК за 40 лет. Независимо от того, одобрите вы эту концепцию или нет, структуру стоит понимать, поскольку каждый уровень ориентирован на совершенно разных покупателей. Мы рассмотрим их по порядку.
Ноутбуки RTX Spark
В основе ноутбуков лежит суперчип RTX Spark, который NVIDIA продемонстрировала на сцене под кодовым названием N1X и который был разработан в сотрудничестве с MediaTek. Это устройство с 70 миллиардами транзисторов, выполненное по 3-нм техпроцессу TSMC, объединяющее два чиплета в один SoC. Графический процессор представляет собой большую архитектуру Blackwell с 6144 ядрами CUDA и тензорными ядрами пятого поколения с точностью FP4, обеспечивающими производительность 1 петафлоп в области ИИ с использованием FP4. Он подключается через NVLink-C2C со скоростью 600 ГБ/с (показатель NVIDIA примерно в 5 раз выше, чем у PCIe Gen 5, при значительно меньшем энергопотреблении) к 20-ядерному процессору Grace. Объем памяти достигает 128 ГБ унифицированной памяти со скоростью 300 ГБ/с.
Если это звучит как спецификация DGX Spark, то это потому, что так оно и есть. NVIDIA подтвердила это во время пресс-конференции, назвав чип с полными характеристиками «основанным на той же системе», что и DGX Spark, но оптимизированным для другой платформы как в аппаратном, так и в программном обеспечении. Суть в том, что DGX Spark создан для разработчиков Linux и ИИ, в то время как RTX Spark — это продукт, ориентированный в первую очередь на Windows, который использует стек RTX для игр и создания контента на том же кремниевом чипе. NVIDIA описывает производительность как «находящуюся в том же классе, что и графический процессор RTX 5070 для ноутбуков», с важной оговоркой, что сравнение зависит от рабочей нагрузки, поскольку SoC с унифицированной памятью ведет себя совершенно иначе, чем дискретный графический процессор через PCIe. Именно здесь наш опыт работы с DGX Spark вызывает у нас наибольшее любопытство, и именно здесь мы ожидаем, что этот запуск будет отличаться от предыдущего. В наших тестах DGX Spark одним из наиболее последовательных результатов было то, насколько близки друг к другу различные OEM-модели. Некоторые реализации были спроектированы лучше других, но поскольку все устройства были построены на практически одной и той же эталонной платформе NVIDIA с одинаковыми параметрами энергопотребления и теплоотвода, реальные показатели производительности были очень близки друг к другу.
Мы не ожидаем, что это сохранится и здесь. RTX Spark устанавливается в ноутбуки, некоторые из которых имеют толщину всего 14 мм и весят всего 1,4 кг. NVIDIA подтвердила, что эти чипы будут потреблять от нескольких ватт до примерно 80 Вт в топовых конфигурациях, при этом каждый производитель может выбрать свой собственный подход к охлаждению, от испарительных камер до усовершенствованных тепловых трубок. В таком тонком корпусе чип почти наверняка будет ограничен по мощности, что, в свою очередь, приведет к ограничению по температуре и частоте. Это не критика. Это физика. Но это означает, что производитель, который создаст лучшее решение для охлаждения, обеспечит чипу больший запас мощности и хорошо настроит кривые работы вентилятора, может создать реальный, устойчивый разрыв в производительности по сравнению с более тонким и тихим конкурентом, использующим идентичный чип. Два ноутбука с одним и тем же чипом и одинаковой памятью могут демонстрировать заметно разную устойчивую пропускную способность, и выяснение того, какой производитель действительно позволит чипу работать на полную мощность, — это именно тот вид тестирования, ради которого мы живем. RTX Spark также охватывает целое семейство чипов. NVIDIA ясно дала понять, что будет несколько вариантов исполнения, причем топовой моделью станет устройство с полной комплектацией (20 ядер ЦП, до 128 ГБ оперативной памяти). В рамках всего семейства объем оперативной памяти будет варьироваться от 16 ГБ до 128 ГБ, и NVIDIA ожидает, что в первой волне будет представлено более 30 моделей ноутбуков и более 10 настольных компьютеров от всех крупных производителей, включая такие известные модели, как Dell XPS 16 Creator Edition, HP OmniBook и Microsoft Surface Laptop Ultra.
Два момента в аппаратной части вселяют в нас оптимизм. Первый — это сетевые возможности, вернее, их отсутствие. DGX Spark поставлялся с предустановленной сетевой инфраструктурой NVIDIA ConnectX-7 и поддержкой 200GbE, что отлично подходило для кластера разработчиков, но занимало место на плате, потребляло энергию и увеличивало стоимость. NVIDIA подтвердила, что ноутбуки RTX Spark не будут поставляться с модулем CX7. Для потребительского ноутбука на Windows это правильное решение, и, освободив место на плате и уменьшив энергопотребление, мы хотим видеть гораздо более качественные накопители в этих устройствах. Накопители DGX Spark были вполне работоспособными, но никогда не являлись главной изюминкой, и потребительский ноутбук без сетевого модуля имеет все основания использовать более быстрые и вместительные NVMe-накопители. Второй момент — это ввод-вывод. Поскольку все DGX Spark использовали одну и ту же эталонную плату, все устройства поставлялись с одинаковыми портами. После единообразия DGX Spark реальное разнообразие портов ввода-вывода для каждого производителя было бы очень кстати.
Время автономной работы — это последний вопрос, касающийся ноутбуков, и именно для него созданы наши тесты. NVIDIA обещала работу от батареи в течение всего дня для повышения производительности и просмотра веб-страниц, честно признавая при этом, что игры или полноценная работа ИИ разрядят любой ноутбук за 45 минут — час. Нам не терпится количественно оценить время автономной работы при выполнении реальной работы с ИИ. Агент, работающий даже тогда, когда пользователь не занят, — это неплохой аргумент, но локальный вывод данных при работе от батареи — это действительно привлекательный вариант, и разница между работой электронной почты в течение всего дня и работой модели с процессором 120B в течение всего дня может быть огромной. У нас есть полный набор пользовательских тестов для персональных вычислений с ИИ, готовых именно для таких платформ, и мы планируем измерить реальное повышение производительности, а не принимать маркетинговые данные за чистую монету.
Настольный компьютер RTX Spark
NVIDIA подтвердила, что этой осенью, наряду с ноутбуками, выйдут настольные компьютеры RTX Spark в компактном форм-факторе, и показала на сцене один из таких ноутбуков от MSI. Честно говоря, на первый взгляд, он похож на DGX Spark, и это практически всё, что нам о нём известно. Дизайн корпуса отличается от дизайна протестированного нами DGX Spark, но помимо этого NVIDIA поделилась очень малой информацией.
Наши вопросы очевидны, и на них придётся подождать, пока мы не протестируем оборудование. Как производительность настольного компьютера в стабильном режиме соотносится с ноутбуками и DGX Spark, учитывая, что у него должен быть гораздо больший запас по теплоотводу, чем у ноутбука с 14-миллиметровой оболочкой? И сохранит ли настольный компьютер сетевые возможности 200G, которые были отличительной чертой DGX Spark, или же, как и ноутбуки, он откажется от процессора CX7, чтобы снизить цену для потребителей?
Станция DGX
Третий уровень — самый крупный, и это машина, которую мы уже знаем. NVIDIA уже публично демонстрировала DGX Station, и недавно нам посчастливилось подержать её в руках. Мы не будем вдаваться в подробности, поскольку основные характеристики уже давно известны, и мы расскажем гораздо больше в нашем обзоре, который скоро выйдет.
Вкратце: DGX Station для Windows построена на базе настольного процессора GB300 Grace Blackwell Ultra Superchip, сочетающего графический процессор Blackwell Ultra с 72-ядерным центральным процессором Grace. Она имеет до 748 ГБ когерентной памяти и до 20 петафлопс FP4, чего достаточно для локального запуска моделей с триллионом параметров и, по словам NVIDIA, сотен агентов одновременно. В отличие от потребительских машин Spark, эта модель включает в себя высокоскоростную сеть с помощью ConnectX-8 SuperNIC, способной развивать скорость до 800 Гбит/с, а также опциональный графический процессор RTX PRO 6000 Blackwell для рабочих станций.
Главный вопрос: сможет ли Microsoft это осуществить?
Давайте четко обозначим нашу позицию. DGX Spark стал большим успехом для NVIDIA, и мы очень оптимистично настроены в отношении всего этого семейства. Аппаратная часть работает безупречно, эффективность на высоте, и NVIDIA уже доказала состоятельность своих чипов. Мы скептически относимся к способности Microsoft поддерживать эти устройства.
В последнее время Microsoft часто попадает в заголовки новостей по негативным причинам, из-за растущего недовольства пользователей направлением развития Windows. Некоторые пользователи стали называть это «микро-хламом». Жалобы знакомы: агрессивное внедрение Copilot во все уголки ОС, вертикальная интеграция ИИ по всей системе и давние практики, такие как фактическое навязывание OneDrive пользователям. Вдобавок ко всему, Windows на Arm — это платформа, которую никто не назвал бы зрелой. NVIDIA делает большую ставку на то, что на этот раз все будет иначе, ссылаясь на многолетнюю совместную работу над эмулятором Prism и сотрудничество со всеми основными поставщиками античитерских решений. Ответ компании на вопрос «Почему Windows на Arm добьется успеха сейчас?» звучит примерно так: «Потому что все наконец-то вложили в нее все свои силы». Это вполне может быть правдой. И это более или менее то же самое, что мы слышали в прошлый раз.
Лично я болею за Microsoft, потому что потенциал у них реален. RTX Spark — это мощная игровая машина, примерно класса RTX 5070. Если эмуляция и драйверы будут работать как надо, она может стать более дешевой и эффективной альтернативой играм на ноутбуках с дискретными видеокартами NVIDIA. Есть также аспект Linux, который нельзя игнорировать. Кремниевая основа есть кремниевая основа, поэтому RTX Spark должна унаследовать ту же мощную поддержку Linux, которая сделала DGX Spark такой производительной машиной, и нам очень любопытно, отразится ли улучшение производительности в играх на Linux на основе игр и графики, реализованных в стеке Windows. Если Microsoft допустит ошибку на такой хорошей платформе, то наличие у неё опыта работы с Linux может означать, что этот запуск наконец-то положит начало году массового распространения Linux на настольных компьютерах.
Больше всего нас удивило решение NVIDIA вообще установить Windows на DGX Station. Когда продукт был впервые анонсирован в 2025 году, многие наши коллеги из других изданий и мы сами посчитали это гениальным шагом. Исторически сложилось так, что поддержка программного обеспечения отставала от нового оборудования, часто на годы, прежде чем ядро и инструменты становились достаточно зрелыми, чтобы в полной мере использовать возможности кремниевого чипа. DGX Station была машиной, которую ведущие лаборатории, исследователи и организации в области ИИ могли приобрести, чтобы начать разработку на новейшей архитектуре, задолго до того, как вокруг неё были созданы центры обработки данных. Проблема в том, что продукт опоздал на год. И хотя нам действительно понравилось время, проведённое с системой, за исключением некоторых особенностей предсерийного периода (пара из них вызывала у меня ночные кошмары), мы не можем полностью оправдать установку Windows на машину, которая явно создана для хардкорного ИИ. B300 не имеет ядер RT, поэтому многие рабочие нагрузки собственных рабочих станций NVIDIA будут зависеть от опциональной дискретной карты RTX PRO, оставляя B300 только для задач ИИ. Нам очень любопытно, как на самом деле будет работать поддержка Windows на DGX Station, и, честно говоря, мы скептически относимся к тому, что Microsoft сможет обеспечить здесь хороший пользовательский опыт и в полной мере использовать возможности B300 и сети 800G ConnectX-8 на одном устройстве.
Новое семейство продуктов в каждом поколении
Больше всего из выступления нам запомнилась не какая-то конкретная деталь.
Дженсен представил эту линейку ПК как постоянное семейство продуктов, обещая настольные компьютеры, ноутбуки и рабочие станции для каждого будущего поколения архитектуры, и, по его словам, с участием 100% всей индустрии ПК.
В качестве дополнительной информации, мы наконец-то увидели упоминание о более компактном процессоре Blackwell Spark Superchip N1 Grace с производительностью 400 Тфлопс. Будет интересно посмотреть, в каких устройствах в итоге будет использоваться этот чип.
За пределами ПК: физический ИИ
Вторая половина презентации была посвящена физическому ИИ. Это совершенно другой мир по сравнению с клиентским оборудованием, упомянутым выше, но он дополняет картину Computex. NVIDIA также использовала выставку для публикации в открытом доступе большого количества инструментов и навыков для работы с физическими агентами ИИ, размещенных на github.com/NVIDIA/skills, включая навыки работы с синтетическими данными, такие как нейронная реконструкция, аугментация видео и генерация изображений дефектов, которые уже используются производственными партнерами, включая TSMC, Foxconn и SK hynix, на производственных линиях. Основные платформы представлены ниже.
Гуманоидный робот Исаак ГР00Т
Компания NVIDIA представила открытый эталонный проект человекоподобного робота, построенного на шасси Unitree H2 Plus, высотой почти 180 см и весом 68 кг, с общей степенью свободы 75 степеней благодаря двум тактильным пятипальцевым манипуляторам Sharpa Wave. Приводы впечатляют: крутящий момент в манипуляторах достигает 120 Ньютон-метров, в ногах — до 360, а номинальная полезная нагрузка составляет 7 кг, пиковая — 15 кг. Для сбора данных робот оснащен стереокамерой на голове с горизонтальным полем зрения 140 градусов, наручными камерами для манипуляций, инерциальным измерительным блоком, а также стандартными модулями Wi-Fi 6 и Bluetooth 5.2. В основе системы лежит NVIDIA Jetson AGX Thor T5000 с графическим процессором Blackwell производительностью 2070 терафлопс FP4, 14-ядерным процессором Arm и 128 ГБ унифицированной памяти, потребляющим от 40 до 130 Вт и работающим от батареи емкостью около 1 кВт⋅ч, которой хватает примерно на три часа. Весь стек, от Isaac Teleop для сбора данных через Isaac Sim и Isaac Lab до базовых моделей GR00T и промежуточного программного обеспечения Isaac ROS для развертывания, является открытым, и исследователи сохраняют контроль над своими данными. Стэнфорд, ETH Zurich, Калифорнийский университет в Сан-Диего и Ai2 входят в число первых пользователей, оборудование будет доступно от Unitree в конце 2026 года, а эталонный рабочий процесс Unitree G1 скоро появится на GitHub и Hugging Face. Дженсен оценил масштаб проекта в характерных для него масштабных терминах, назвав человекоподобных роботов «многотриллионной экономической возможностью».
Космос 3
Cosmos 3 — это открытая базовая модель NVIDIA для физического ИИ. Эта модель, объединяющая различные трансформеры, обрабатывает текст, изображения, видео, окружающий звук и действия в одном стеке, обученная на миллиардах мультимодальных образцов. Она выполняет три роли: модель «зрение-язык» для мультимодального рассуждения, модель мира для моделирования физической среды и основу для моделей «мир-действие», которые обучают роботов выполнению конкретных задач. Она представлена в виде Cosmos 3 Super для высокоточной робототехники и постобработки автономных транспортных средств, Cosmos 3 Nano для быстрого анализа видео и действий, а также Cosmos 3 Edge для вывода в реальном времени (скоро появится). NVIDIA заявляет, что она лидирует в области открытых моделей по длинному списку бенчмарков, включая Physics-IQ и R-Bench для генерации мира, RoboLab и RoboArena для разработки политики действий, а также VANTAGE-Bench для понимания изображений, и что она может сократить циклы обучения и оценки физического ИИ с месяцев до дней. Он доступен на Hugging Face, GitHub и build.nvidia.com в виде микросервисов NIM, и вокруг него сформировалась коалиция, в которую входят Agile Robots, Black Forest Labs, Runway и Skild AI, а также такие компании, как Samsung, LG Electronics, Li Auto и Doosan Robotics.
Альпамайо 2 Супер
Для автономного вождения NVIDIA представила Alpamayo 2 Super. Это открытая модель распознавания образов, языка и действий с 32 миллиардами параметров, построенная на основе базовых моделей Cosmos World, которая рассуждает, планирует и действует на всех этапах управления автомобилем для разработки 4-го уровня. Она масштабируется по сравнению с предыдущими версиями с 10 миллиардами параметров и расширяется до полного 360-градусного кругового восприятия. Она также генерирует как макрорешения в управлении, так и причинно-следственные связи, объясняющие их, а функция автоматической разметки может сократить циклы аннотирования с месяцев до дней. NVIDIA позиционирует её как модель-учитель, которая декомпозируется в более мелкие сети для развертывания в автомобиле на платформе DRIVE AGX Thor, и сочетает её с вспомогательными инструментами AlpaGym для обучения с подкреплением в замкнутом цикле, OmniDreams для создания генеративных сценариев и Neural Reconstruction, построенной на Omniverse NuRec, для преобразования данных автопарка в 3D-сцены. Предыдущие версии Alpamayo были скачаны почти 400 000 раз. Новая модель получила награду COMPUTEX Best Choice и, как ожидается, станет доступна на GitHub и Hugging Face этим летом.
DRIVE Hyperion
Если Alpamayo — это мозг, то DRIVE Hyperion — это автомобиль, на котором он работает. Мы уже рассказывали о Hyperion, поэтому не будем здесь снова обсуждать эту платформу, за исключением того, что это эталонная платформа NVIDIA, готовая к работе на уровне 4, построенная на системе безопасности Halos и DriveOS, с вычислительными ресурсами DRIVE AGX. Более интересная история на этот раз — кто стоит за ней. Uber интегрирует несколько парков роботакси на базе Hyperion, включая программу роботакси в Мюнхене, запуск которой запланирован на конец этого года. Foxconn и Foxtron планируют запустить роботакси на Тайване в 2028 году, начиная с Каосюна и расширяясь по всей Азии. VinFast поставляет автомобили уровня 4 в Юго-Восточную Азию, Autobrains сотрудничает как с VinFast, так и с Uber, а HUMAIN выводит платформу в Саудовскую Аравию. Именно этот список партнеров, а не какие-либо отдельные характеристики, делает Hyperion достойным внимания.
Заключительные мысли
У NVIDIA есть необходимые компоненты, и теперь она внедряет их повсюду: от 14-миллиметровых ноутбуков до настольных GB300 и даже в грудную клетку человекоподобного робота, и в это мы верим. Однако технические характеристики не позволяют нам определить, сможет ли Microsoft оправдать затраты на Windows на Arm, позволят ли производители процессорам Spark раскрыть свой потенциал или же ограничат его слишком тонким корпусом, и подтвердятся ли заявленные показатели петафлопс и времени автономной работы после проведения измерений. Мы оптимистично оцениваем аппаратную часть и скептически относимся к программному обеспечению (Microsoft, а не Linux), и будем придерживаться обеих позиций до тех пор, пока машины не попадут в лабораторию. Когда это произойдет, результаты тестов будут готовы.
