移动工作站的新形态：RTX Spark 笔记本初探

这款 MSI Prestige N16 Flip AI Plus 是首款出现在评测者手中的 RTX Spark 笔记本。其核心卖点在于将 DGX Spark 的 128 GB 内存配置移植到了笔记本电脑中，并宣称能够运行拥有 120 billion（一千二百亿）参数的模型。MSI 还强调该设备在运行过程中 无热节流（thermal throttling），能保持峰值性能。除了强大的内部配置，其独特的翻转设计允许屏幕完全向后弯曲，这种形态在笔记本中较为罕见。评测者认为，如果这些关于本地 AI 运行和软件构建的性能承诺属实，这种形态可能成为 最佳的全能工作组合。

"MSI says this will run 120 billion parameter models. I'm going to check that, of course."（MSI 称其能运行一千二百亿参数的模型，我当然要去验证一下。）

硬件设计与接口：兼顾便携与实用

尽管采用了翻转设计，整机手感依然 极其坚固。键盘反馈清脆（clicky），虽然保留了 Copilot 键，但评测者对 无数字小键盘的设计表示赞赏。触控板面积较大且响应良好，但评测者更希望看到 触觉反馈（haptic） 设计而非传统的跷跷板结构。接口方面，配备了两个 USB4、HDMI、耳机孔、SD 卡读卡器以及 两个 USB-A 端口，后者无需转接头即可连接鼠标，备受好评。充电器体积小巧但输出功率高达 140 W，相比 DGX Spark 的适配器更为便携。屏幕为 16 英寸、4K 分辨率、双串联 OLED，支持 120 Hz 刷新率和触控功能。

Windows on ARM 生态与原生应用支持

该笔记本搭载基于 ARM 架构的 N1X CPU（20核），运行 Windows on ARM (WOA) 系统。评测者指出，微软近年来在 WOA 上的投入显著改善了兼容性。Visual Studio、VS Code、Zed、Python、Node 等主流开发工具均已实现 原生运行。甚至 Adobe 系列软件如 Photoshop 也已提供 ARM64 原生版本，尽管 Premiere Pro 目前仍通过模拟运行。评测者检查任务管理器发现，系统后台运行的 250 多个服务和进程中，仅有 4 个是 x64 架构。这证明了 WOA 在开发者工具链上的成熟度，大多数日常开发工作无需担心兼容性问题。

"Visual Studio, VS Code, Zed, Python, Node... all that stuff that I run is native. It runs."（我常用的 Visual Studio、VS Code 等工具都是原生的，都能运行。）

CPU 性能基准测试：单核与多核表现分析

在性能验证方面，评测者首先使用 Speedometer 3.1 测试浏览器 JavaScript 性能（单核场景），得分在 35-37 之间，表现良好。随后使用 PowerShell 的 measure-command 运行 Mandelbrot（曼德博集合） 算法测试多核性能。结果显示，Windows 原生环境下耗时 22 秒，所有核心均被充分利用；而在 WSL（Windows Subsystem for Linux）环境下运行相同算法，速度更快。为了对比 DGX Spark 的性能差异，评测者在 DGX Spark（运行原生 Linux）上测试耗时 16 秒。这表明 WSL 虚拟机内的性能接近专用 Linux 环境。进一步测试显示，在 JavaScript（单核）下，Windows 和 Linux 耗时均为 1.24 秒，证明芯片在 Windows 下的计算速度与 Linux 无异。评测者总结道：性能差异主要源于 Python 的解释器开销，而非架构本身的问题。

"The slowdown here comes from Python. And this comes down to using the right tool for the right job."（这里的延迟来自 Python。这归结为使用正确的工具做正确的事。）

电池供电下的性能稳定性与内存带宽优势

在评估这台搭载DGX Spark技术的MSI笔记本电脑时，作者首先关注了其在脱离电源（电池供电）状态下的性能表现。测试结果显示，在Windows系统下，22秒的启动时间几乎与插电时的23.2秒持平。尽管之前Windows笔记本在电池模式下性能衰减曾是痛点，但此次测试中，无论是插电还是使用MSI Center中的“最佳性能”模式，电池供电并未导致GPU工作出现显著降频。作者指出：“23.2 seconds... just a little bit slower”，证明了其在移动场景下的稳定性。此外，MSI Center还提供了“Eco mode”（节能模式），虽然会牺牲部分性能，但能实现静音运行。为了进一步验证硬件潜力，作者通过脚本测试了GPU内存带宽。结果显示，该笔记本在复制8GB数据时达到143 GB/s的带宽，读取速度为309 GB/s。相比之下，DGX Spark设备的复制和读取带宽分别为113 GB/s和234 GB/s。作者强调，更快的内存传输速度将直接转化为更高效的Token生成能力。而在负责矩阵乘法等计算任务的GPU核心性能上，笔记本得分101分，DGX Spark为97分，两者基本持平。这意味着在提示词处理（Prompt Processing）环节双方势均力敌，而在Token生成环节笔记本凭借带宽优势略胜一筹。

120B参数模型的本地运行实测与对比

作者进一步测试了该笔记本在Windows和WSL（Linux子系统）环境下运行大型语言模型的能力。由于支持双系统，用户无需在兼容性上做出妥协。测试首先从较小的稠密模型Qwen 3.8 27B开始，该模型大小约22GB，轻松运行于64GB内存中，生成速度达到13.4 tokens/秒。随后重点测试了广泛使用的混合专家模型（MoE）GPT-OSS-120B。该模型加载耗时28秒，占用61GB显存（总计96GB可用）。在空上下文测试中，笔记本的生成速度达到65 tokens/秒。这一成绩显著优于DGX Spark设备的50.6 tokens/秒。作者特别指出，即使在WSL环境下运行相同版本的llama.cpp，速度也保持在65.1 tokens/秒，与Windows版本几乎无异。随着上下文窗口填满，性能会有所下降，但Windows下的表现始终优于WSL。更令人惊讶的是，即使在电池供电状态下运行该模型，速度依然保持在65.9 tokens/秒。作者总结道：“It doesn't slow down when it is on battery for the GPU work”，证实了该设备在移动办公场景下处理120B级别模型的可行性与高效性。

vLLM并发性能：从单用户劣势到多Agent优势

由于拥有CUDA支持，作者引入了专业数据中心常用的推理引擎vLLM。与底层使用llama.cpp的Ollama或LM Studio不同，vLLM专为高并发设计。在提示词处理（Prompt Processing）阶段，llama.cpp的速度约为1,800 tokens/秒，而vLLM凭借优化达到了惊人的4,681 tokens/秒，速度提升了约2.5倍。然而，在单用户生成场景下（如单人聊天），vLLM的表现反而落后于llama.cpp。在GPT-OSS-120B模型中，vLLM仅生成35 tokens/秒，而llama.cpp仍保持65 tokens/秒。作者用“汽车与巴士”做比喻：llama.cpp像私家车，单人出行更快；vLLM像公交车，需要停靠更多站点。但当并发用户增加时，vLLM的优势显现。当模拟8个同时使用的Agent或用户时，vLLM的总吞吐量达到127.5 tokens/秒。作者指出：“The more users we have... the better it does”，表明vLLM适合多Agent协作或高并发服务场景，而llama.cpp更适合单用户本地交互。这种差异揭示了不同推理引擎在特定负载下的适用边界，为开发者提供了明确的选型依据。

极限配置下的模型加载与基础性能

在轻薄笔记本上运行大型语言模型是一项极具挑战性的任务，但通过合理分配资源可以实现惊人的效果。测试中使用的 Qwen 3.8 Flash Next 模型加载时间仅为 36秒，且占用了高达 96 GB 的显存。这一配置几乎触及了硬件的理论极限，使得该轻薄本能够以 33.7 tokens/秒 的速度运行模型。这种性能表现令人惊叹，证明了在移动端设备上部署大规模 AI 模型的可行性。

"It loads in 36 seconds. It takes 81 out of the 96 GB, so we're really pushing it there to the limit..."

值得注意的是，Windows 系统在文件路径长度方面存在一些固有的限制和奇怪行为。虽然测试中遇到了文件名过长的提示，但通过启用长文件路径支持即可解决。Windows 实际上表现良好，前提是用户必须手动开启相关设置。这一细节提醒我们，在 Windows 环境下进行 AI 开发时，系统配置的优化同样重要。

NVIDIA App中的显存动态分配机制

NVIDIA 应用程序提供了灵活的显存管理功能，允许用户根据实际需求调整专用 GPU 内存的大小。虽然本次测试使用了最大化的 96 GB 显存以支持大模型，但用户完全可以自定义分配比例。例如，当运行较小的模型或需要为系统任务（如运行重型智能体）预留更多内存时，可以调整这一设置。

这种动态分配机制体现了硬件资源的弹性。对于不需要运行超大模型的用户，将更多内存保留给系统任务可以提高整体工作效率。96 GB 的专用 GPU 显存是可调节的，这为不同场景下的开发需求提供了极大的便利。用户可以根据当前运行的模型大小和系统负载，在 NVIDIA App 中实时调整显存分配策略。

20分钟高负载稳定性与热管理分析

为了验证设备的持续性能，测试进行了长达 20分钟 的高负载运行。在此期间，模型在 GPU 上生成内容，同时所有 20个 CPU 核心 也处于满载状态。结果显示，设备并未出现明显的性能衰减或热节流（Throttling）现象。

在负载测试的前 5分钟，模型生成速度约为 50 tokens/秒；而在最后的 5分钟，这一数值稳定在 52 tokens/秒。尽管速度略低于单独运行模型时的 68 tokens/秒（后者在 CPU 满载时降至 50 tokens/秒），但这种性能差异是并发的结果，而非热节流导致。Matter brought past 加载时间在测试开始和结束时均为 26.3秒，进一步证明了性能的稳定性。

"In the first 5 minutes, the model was doing about 50 tokens per second. In the last 5 minutes, 52 tokens per second... it's flat, sort of."

虽然设备温度较高，芯片平均温度为 93°C，峰值达到 98.6°F（约 37°C，此处原文单位可能指华氏度或特定传感器读数，但明确提到未报告热节流），但系统成功避免了性能下降。Nothing reported thermal throttling，表明散热设计在高负载下依然有效。

适用场景与硬件版本选择

对于需要在移动环境中（如飞机上、公园里）同时运行开发工具和 120亿至1250亿参数 模型的用户，这款设备提供了极佳的便携性和性能平衡。然而，对于需要 7x24小时 运行智能体或部署在服务器机房/办公桌面的场景，传统的 DGX Spark 可能是更合适的选择。

MSI 提供了多种版本的硬件配置，包括 128 GB、64 GB 和 32 GB 显存版本。用户可以根据预算和需求选择合适的型号，部分零售商如 Micro Center 可能提供现场体验机会。MSI has a couple of different versions，涵盖了从入门到高端的不同需求。

结论

MSI Prestige N16 Flip AI Plus 成功将 DGX Spark 的本地大模型能力便携化，证实了 Windows on ARM 架构在开发工具链上的成熟度及硬件的高性能稳定性。实测表明，该设备能在电池供电下无热节流地运行 120B 参数模型（如 GPT-OSS-120B），生成速度达 65 tokens/秒，且凭借更高的内存带宽在 Token 生成环节优于 DGX Spark。vLLM 引擎虽单用户性能较弱，但在多 Agent 并发场景下吞吐量显著提升。尽管存在 Windows 文件路径限制等小瑕疵，其便携性与性能平衡使其成为移动开发者的理想选择；而需 7x24 小时稳定运行的场景仍建议选用传统 DGX Spark。