Em 16 de outubro, a NVIDIA anunciou a disponibilidade global de notebooks com a plataforma RTX Spark, fabricados por ASUS, Dell, HP, Lenovo, Microsoft e MSI. O preço inicial informado pela empresa é de US$ 2.599, com valores e configurações variáveis por região. Não encontrei preço brasileiro confirmado nas fontes consultadas.
A chegada dos aparelhos permite comparar a proposta da empresa com avaliações de produtos reais. A Valiant já explicou como parte da inteligência artificial está voltando da nuvem para o computador. Este complemento olha para os notebooks disponíveis e para os limites observados nos primeiros testes.
Uma plataforma com configurações diferentes
A RTX Spark combina CPU Grace, GPU baseada na arquitetura Blackwell e memória unificada. A NVIDIA afirma que a plataforma pode chegar a 128 GB de memória e a um pico de 1 petaflop de desempenho FP4 para IA. São especificações máximas divulgadas pela fabricante, não resultados independentes de um teste geral. A memória e outros componentes variam entre os computadores.
Os testes do The Verge identificaram configurações de 18 núcleos de CPU e 5.120 núcleos CUDA, além de versões com 20 núcleos e 6.144 núcleos CUDA. Por isso, resultados de uma configuração avançada não devem ser atribuídos automaticamente a todos os notebooks RTX Spark.
A memória unificada permite que CPU e GPU acessem um mesmo conjunto de memória. Isso pode ser útil para modelos e projetos gráficos que ocupam muito espaço, mas “até 128 GB” não significa que todos os modelos terão essa capacidade. É necessário conferir a configuração exata de cada aparelho.
GPU forte; CPU não é o destaque
Nos testes publicados pelo Windows Central, a GPU foi o principal ponto forte. A avaliação encontrou resultados competitivos em tarefas gráficas e de IA local, sobretudo na configuração de maior desempenho testada. O próprio veículo ressalva que a autonomia e o comportamento térmico dependem do notebook utilizado; aquela publicação não mediu esses aspectos em todos os modelos.
Os resultados de CPU foram menos uniformes. O The Verge considerou a GPU competitiva em algumas tarefas, mas apontou que o desempenho de CPU não acompanha os melhores processadores da Apple em todas as comparações realizadas. Em um teste de renderização no Blender, por exemplo, os avaliadores relataram desempenho gráfico comparável ao de um MacBook Pro de configuração avançada. Esse resultado descreve aquele teste específico; não estabelece equivalência geral entre os computadores.
A proposta também depende do Windows para Arm. Muitos aplicativos já têm versões compatíveis, e outros podem funcionar por emulação, mas programas especializados e jogos devem ser verificados caso a caso. Os testes do The Verge registraram avanços de compatibilidade, mas não trataram todos os aplicativos e títulos como garantidos.
IA local: capacidade não é o mesmo que praticidade
A GPU e a memória compartilhada podem tornar esses computadores atraentes para quem executa modelos de IA localmente. O Windows Central destacou o desempenho em cargas de IA; já os avaliadores do The Verge consideraram que alguns usos cotidianos ainda não justificavam o custo e o consumo observados diante de serviços em nuvem. São avaliações de veículos diferentes, com testes e objetivos diferentes, não uma conclusão única sobre toda tarefa de IA.
A diferença prática depende do uso. Um modelo local pode processar determinados arquivos sem enviá-los a um serviço remoto, mas isso só acontece se o aplicativo realmente mantiver aquela tarefa local. Um recurso de IA local não impede que o programa também use a internet, uma API ou um modelo em nuvem. Por outro lado, serviços remotos podem oferecer modelos maiores ou recursos que o computador não executa sozinho.
Quem está avaliando infraestrutura de IA em escala maior pode comparar essa lógica com o investimento brasileiro em supercomputação para pesquisa e inteligência artificial. Notebooks e supercomputadores atendem a escalas e necessidades diferentes; o ponto comum é que a memória e o processamento disponíveis limitam quais modelos podem ser executados.
Autonomia e preço exigem olhar para cada modelo
A autonomia não pode ser resumida a um único número para toda a linha. Na avaliação da WIRED, o Surface Laptop Ultra com RTX Spark durou cerca de 12 horas em um teste de reprodução local de vídeo. Esse resultado se refere àquele aparelho e àquele teste, não a todos os notebooks da plataforma ou a uma jornada de trabalho com carga pesada.
O preço anunciado pela NVIDIA começa em US$ 2.599 no mercado global, mas as configurações testadas pelo The Verge chegavam a US$ 3.199,99 no modelo da HP e quase US$ 7 mil em uma configuração avançada da ASUS. O valor muda bastante conforme memória, tela e fabricante. A empresa diz que preços e configurações variam por região; não encontrei confirmação de preço brasileiro nas fontes consultadas.
Os primeiros testes apontam um nicho claro: desenvolvedores, criadores e usuários que aproveitam GPU potente, memória unificada e execução local de modelos. Para jogos, tarefas cotidianas ou quem depende de aplicativos específicos, a compatibilidade, a autonomia e o preço do modelo exato precisam entrar na comparação. O nome RTX Spark, sozinho, não responde se aquele notebook é a escolha adequada.
Fontes consultadas