A memória do NVIDIA RTX Spark é um único conjunto físico compartilhado pela CPU e pela GPU integrada, embora o Windows a apresente em regiões diferentes e permita ajustar quanto fica dedicado à GPU. No exemplo de 128 GB com 96 GB alocados à GPU, a fórmula nominal da NVIDIA deixa 32 GB, divididos em 16 GB compartilhados e 16 GB exclusivos da CPU. A documentação da NVIDIA descreve essa arquitetura de memória unificada.
O que Paul Thurrott criticou no RTX Spark
Em uma análise publicada em 31 de outubro de 2026, Paul Thurrott classificou o RTX Spark como decepcionante. Ele afirmou ter usado por mais de duas semanas o ASUS ProArt P16, o HP OmniBook Ultra 16 e o Lenovo Pro 9n. Entre as críticas do autor estão o custo, o peso, o calor e o ruído dos laptops, a configuração de memória, os recursos do Windows 11 e a praticidade da IA local.
Os testes de tarefas de IA local no Lenovo Yoga 9n, abordados na cobertura anterior da NeoTeo, tratam de cargas específicas. A questão aqui é como a memória do RTX Spark se organiza quando parte dela é reservada à GPU.
Um conjunto físico, três regiões no Windows
A memória unificada, ou UMA, é um conjunto físico de memória compartilhado pela CPU e pela GPU integrada. No Windows, esse conjunto aparece em três regiões lógicas: memória dedicada à GPU, memória compartilhada entre CPU e GPU e memória exclusiva da CPU. A alocação dedicada continua sendo parte da memória física instalada, não um módulo separado de RAM.
A NVIDIA permite ajustar a reserva da GPU pelo NVIDIA App. Aumentá-la deixa menos memória para o Windows e os outros aplicativos; a empresa recomenda manter pelo menos 16 GB para a CPU, o Windows e aplicativos básicos. A orientação da NVIDIA também aborda a alocação e o uso de memória pelo sistema.
O que 96 GB reservados à GPU deixam para o sistema
ETA PRIME demonstra a alocação de 96 GB para a GPU em um ASUS ProArt P16 com 128 GB de memória. A conta parte desses valores: 128 GB menos 96 GB deixam 32 GB. Pela fórmula nominal da NVIDIA, esses 32 GB se dividem em 16 GB compartilhados e 16 GB exclusivos da CPU.
| Região de memória | Quantidade nominal | Função |
| Memória física instalada | 128 GB | Conjunto total compartilhado pela CPU e pela GPU integrada |
| Alocação dedicada à GPU | 96 GB | Região reservada para a GPU |
| Saldo após a alocação | 32 GB | Memória restante, dividida entre as duas regiões abaixo |
| Memória compartilhada | 16 GB | Região acessível pela CPU e pela GPU |
| Memória exclusiva da CPU | 16 GB | Região disponível à CPU, ao Windows e a aplicativos básicos |
Os valores de 16 GB são o resultado nominal da fórmula aplicada ao exemplo, não uma leitura dos contadores de memória durante uma sessão. Reservas do Windows e do hardware afetam a capacidade utilizável.
O que essa divisão permite na IA local
Modelos de linguagem grandes, ou LLMs, e agentes de IA podem recorrer a memória adicional do sistema quando ultrapassam a alocação dedicada à GPU, segundo a NVIDIA. Isso depende de o software usado suportar e gerenciar essa alocação. A região compartilhada pode ser acessada pela CPU e pela GPU, mas o guia CUDA da NVIDIA alerta que seu acesso pode ser mais lento do que o da memória dedicada à GPU.
A memória compartilhada exibida pelo Windows continua sendo parte da RAM instalada, não capacidade física adicional. A MSI também distingue a memória compartilhada da memória física extra em sua explicação sobre a memória dos laptops RTX Spark.
