NVIDIA chce, by lokalna sztuczna inteligencja przestała być niszowym projektem dla entuzjastów. We wrześniu 2026 roku firma promuje domowy zestaw obejmujący sprzęt DGX Spark, platformę NVIDIA RTX Spark i oprogramowanie do uruchamiania agentów. W połowie miesiąca Perplexity rozszerzyło ten kierunek o Portable Computer dla kompatybilnych komputerów z Windows: agent działa lokalnie, a wysłanie pojedynczego zadania do chmury wymaga zgody użytkownika.
To nie jest jeszcze prosty zamiennik usług chmurowych. Jest za to wyraźny podział ról: sprzęt zapewnia pamięć i moc obliczeniową, a oprogramowanie decyduje, gdzie wykonać konkretne zadanie.
Lokalna AI przestaje być wyłącznie projektem dla deweloperów
20 września 2026 roku Adel el Hallak, wiceprezes ds. produktów w NVIDIA, przedstawiał lokalną AI jako element domowego komputera, a nie tylko narzędzie dla laboratoriów. W tej wizji model, agent i środowisko uruchomieniowe mają działać na sprzęcie użytkownika, co ogranicza konieczność przesyłania plików i poleceń do zewnętrznej usługi.
Perplexity Portable Computer rozwija ten pomysł po stronie aplikacji. Na kompatybilnym komputerze z Windows działa lokalnie domyślnie, wykorzystując model PPLX 27B. Gdy zadanie wymaga zaawansowanego rozumowania albo wyszukiwania w sieci, aplikacja może poprosić o zgodę na przekazanie konkretnego kroku do modeli chmurowych. Takie użycie zużywa kredyty Computer.
Wymaganie sprzętowe jest konkretne: Perplexity wskazuje kartę NVIDIA GeForce RTX lub RTX PRO z co najmniej 24 GB pamięci VRAM. To zawęża grupę odbiorców, ale jednocześnie pokazuje, że „lokalny agent” oznacza dziś określoną konfigurację, a nie dowolny komputer z logo NVIDIA.
Co naprawdę daje NVIDIA DGX Spark
NVIDIA DGX Spark wykorzystuje układ GB10 Grace Blackwell i 128 GB współdzielonej pamięci LPDDR5x. Pamięć zunifikowana jest dostępna dla procesora i układu graficznego, więc system może pomieścić modele większe niż te, które mieszczą się w typowej pamięci VRAM pojedynczej karty konsumenckiej.
NVIDIA deklaruje, że DGX Spark obsługuje wnioskowanie z modelami do 200 mld parametrów oraz dostrajanie modeli do 70 mld parametrów. Firma podaje także maksymalnie 1 PFLOP teoretycznej wydajności FP4 z wykorzystaniem rzadkości obliczeń. To trzy różne informacje: rozmiar modelu, wydajność obliczeń i przepustowość pamięci nie są tym samym.
Specyfikacja obejmuje ponadto 20-rdzeniowy procesor Arm, przepustowość pamięci 273 GB/s, dysk NVMe o pojemności 4 TB, Wi-Fi 7, 10GbE oraz zasilacz 240 W. Obudowa ma wymiary 150 × 150 × 50,5 mm i waży 1,2 kg. System działa pod kontrolą NVIDIA DGX OS, więc nie jest zwykłym komputerem z Windows.
W Polsce NVIDIA DGX Spark Founders Edition była notowana za 25 555 zł. To cena z segmentu stacji roboczych, nie typowego domowego peceta. Przy takim poziomie kosztów najważniejsze pytanie brzmi nie „czy uruchomi AI?”, lecz „czy konkretne modele i zadania uzasadniają tak dużą pamięć?”.
DGX Spark i RTX Spark — dwa różne wejścia do lokalnej AI
| System | Pamięć zunifikowana | System operacyjny | Rola opisywana przez NVIDIA | Najważniejsza cecha dla użytkownika |
| NVIDIA DGX Spark | 128 GB LPDDR5x | NVIDIA DGX OS | Lokalny rozwój, wnioskowanie i dostrajanie modeli | Duża pojemność pamięci w kompaktowej stacji roboczej |
| NVIDIA RTX Spark | Do 128 GB LPDDR5x w wyższej konfiguracji | Windows 11 | Lokalna AI, agenci, gry i praca twórcza | Środowisko Windows w laptopach i komputerach stacjonarnych |
NVIDIA opisuje RTX Spark jako rodzinę laptopów i kompaktowych komputerów z układem Blackwell RTX oraz procesorem Grace. W laptopach firma podaje zakres TDP 45–80 W, a konfiguracje mogą różnić się ilością pamięci: wyższy wariant sięga 128 GB, inne konstrukcje oferują do 64 GB. Nie należy więc przenosić parametrów najlepszego wariantu na całą serię.
To ważne także dla wyboru sprzętu. DGX Spark jest projektowany wokół pojemności pamięci i pracy stacjonarnej. RTX Spark ma połączyć lokalną AI z Windows, mobilnością, grami i typowymi aplikacjami komputera osobistego.
Oprogramowanie jest elementem sprzętu
Sama pamięć nie wystarczy, jeśli konfiguracja modelu, środowiska i agenta wymaga ręcznej walki z terminalem. NVIDIA rozwija stos obejmujący między innymi Ollama, llama.cpp, TensorRT, SGLang, vLLM, WindowsML oraz PyTorch z CUDA.
NVIDIA PAIR, czyli Personal AI Router, pełni inną funkcję. Przekazuje żądania między kompatybilnymi komputerami z Windows, Linuxem, macOS i systemem DGX OS. Może skierować zadanie do maszyny, która ma odpowiednie środowisko lub jest w danym momencie dostępna.
PAIR nie tworzy jednego komputera z kilku urządzeń i nie łączy ich pamięci VRAM w większy wirtualny układ GPU. Jeśli model nie mieści się w pamięci jednej maszyny, samo podłączenie drugiego komputera przez PAIR tego problemu nie rozwiązuje. Oprogramowanie zarządza ruchem zadań, a nie buduje wspólnej puli pamięci.
Co zyskuje użytkownik, a co pozostaje kompromisem
Lokalne uruchamianie modeli daje większą kontrolę nad plikami i poleceniami. Może też ograniczyć koszty związane z częstym korzystaniem z usług chmurowych. W praktycznej pracy lokalny komputer może obsługiwać kod, dokumenty, automatyzację i agenty bez wysyłania każdego kroku do zewnętrznego serwera.
Cena tej kontroli jest jednak wysoka. Duża pojemność pamięci nie gwarantuje wysokiej szybkości generowania. NVIDIA DGX Spark ma 128 GB pamięci, ale jej przepustowość wynosi 273 GB/s; dedykowane karty RTX mogą zapewniać wyższą przepustowość w zadaniach, których modele mieszczą się w ich VRAM. Pojemność rozwiązuje jeden problem, a szybkość wykonania — inny.
Dochodzi do tego kompatybilność oprogramowania. Perplexity Portable Computer wymaga minimum 24 GB VRAM, a DGX Spark korzysta z DGX OS, podczas gdy RTX Spark jest opisywany jako platforma Windows 11. Wybór sprzętu zależy więc od tego, czy priorytetem są duże modele, praca z aplikacjami Windows, mobilność, gry czy środowisko deweloperskie.
Co to oznacza dla domowej AI
Dla użytkownika, który chce uruchamiać większe modele lokalnie, DGX Spark oferuje przede wszystkim dużą pamięć w niewielkiej obudowie. Dla osoby oczekującej klasycznego komputera z Windows ciekawszy będzie kierunek RTX Spark, choć konkretna konfiguracja ma znaczenie. Perplexity Portable Computer pokazuje z kolei, jak agent może łączyć lokalne wykonywanie z opcjonalnym użyciem chmury za zgodą użytkownika.
Najbardziej realistyczny obraz lokalnej AI to dziś ekosystem kilku warstw: sprzętu, pamięci, sterowników, środowiska uruchomieniowego i agenta. NVIDIA buduje te warstwy równolegle, a Perplexity dodaje do nich lokalny tryb pracy z selektywnym dostępem do usług chmurowych.
