RTX Spark Superchip ใน Microsoft Surface Laptop Ultra ใช้ GB10 Superchip พร้อม CPU 20 คอร์, CUDA 6,144 คอร์ และ RAM 128GB จุดเด่นคือการรัน local AI บนเครื่อง ส่วนการเล่นเกมยังไม่ใช่จุดแข็งของแพลตฟอร์มนี้
อย่างไรก็ตาม ผลทดสอบรอบแรกยังไม่ครอบคลุมแบตเตอรี่ จอ งานประกอบ และผลลัพธ์เฉพาะตัวเครื่องแบบละเอียด ข้อมูลเหล่านี้จะมีในรีวิวระบบ RTX Spark รุ่นต่างๆ ต่อไป
ตัวเครื่องที่นำมาทดสอบ
เครื่องที่นำมาทดสอบคือ Microsoft Surface Laptop Ultra รุ่นท็อปที่ใช้ RTX Spark Superchip พร้อม 20 CPU cores และ 6,144 CUDA cores
หน่วยความจำเป็น LPDDR5X-9400 RAM ขนาด 128GB ส่วนรายละเอียดภาพลักษณ์ งานประกอบ และจอยังไม่เปิดเผยในรอบทดสอบนี้
เมื่อคอมพิวเตอร์ต้องทำงานแทนเรา
หลังเดินทางไปซานฟรานซิสโกเพื่อรับข้อมูลแพลตฟอร์ม RTX Spark ผู้เขียนได้นำ Microsoft Surface Laptop Ultra กลับมาทดสอบเป็นเวลาหนึ่งสัปดาห์
แนวคิดของแพลตฟอร์มนี้คือทำให้คอมพิวเตอร์เป็นผู้ช่วยอัตโนมัติสำหรับงานและงานสร้างสรรค์ การทดสอบจึงโฟกัสว่า RTX Spark Superchip จะพาภาพอนาคตนี้ไปได้ไกลแค่ไหนในงานจริง
เบื้องหลังเป้าหมาย “reinvent the PC” ของ Nvidia
Jensen Huang เปิดตัว RTX Spark ที่ Computex 2026 พร้อมเป้าหมาย “reinvent the PC” หรือทำให้พีซีเป็นผู้ช่วยที่ลงมือทำงานและงานสร้างสรรค์ได้มากขึ้น
RTX Spark คือแพลตฟอร์ม Windows on Arm ที่จับคู่ GB10 Superchip กับ Windows รุ่นที่ออกแบบมาสำหรับรัน local AI agents อย่างปลอดภัยและอยู่ในสภาพแวดล้อมที่ควบคุมได้ จึงไม่ได้วางตัวเป็นแค่ชิปแรงๆ แต่เป็นรากฐานของพีซีรูปแบบใหม่
Nvidia เดินเกมนี้ร่วมกับ Microsoft, Dell, HP, MSI, Lenovo และ Asus เพื่อผลักดันแพลตฟอร์มไปสู่เครื่องหลายรูปแบบในอนาคต
สิ่งที่มีให้เทียบ และสิ่งที่ยังไม่มี
บทความนี้ไม่ได้ให้ข้อมูลรุ่นก่อนหน้า หรือผลเปรียบเทียบแบบเก่ากับใหม่ของ Surface Laptop Ultra จึงยังสรุปพัฒนาการจากรุ่นเดิมไม่ได้ ข้อมูลที่มีคือ RTX Spark Superchip ในเครื่องทดสอบ ซึ่งมี 20 CPU cores, 6144 CUDA cores และ RAM 128GB
จุดสำคัญอยู่ที่วิธีวัดผลแบบใหม่ เดิมการทดสอบ local AI มักแยกดู time-to-first-token และ tokens-per-second แต่วิธี AgentPerf-local วัดเวลาตั้งแต่เริ่มจนงานเสร็จครบทุกขั้นตอน เหมาะกับการดูว่า AI agent ทำงานจริงจบเร็วแค่ไหน
จากสเปกแรงสู่สถานการณ์ใช้งานจริง
RTX Spark เหมาะกับการรัน local AI บนเครื่อง โดยไม่ต้องส่งงานไปประมวลผลบนคลาวด์ เหมาะกับงานที่ต้องการให้ AI agent ทำงานต่อเนื่องหลายรอบจนภารกิจเสร็จ เพราะ AgentPerf-local วัดเวลาตั้งแต่เริ่มจนจบงานจริง
ถ้าใช้ Qwen 3.8-27B จะได้โมเดล local ที่ขึ้นชื่อว่าฉลาดมากในกลุ่มโมเดลขนาดใกล้เคียง ส่วน Qwen 3.6 35B A3B เป็นตัวเลือกที่ฉลาดน้อยกว่า แต่รันได้รวดเร็วบนระบบหลากหลาย จึงเหมาะกับงานที่เน้นความไวและการตอบสนองต่อเนื่อง.
เทียบกับ MacBook Pro และ Ryzen AI Halo
| เครื่อง | ฮาร์ดแวร์ที่แหล่งข่าวระบุ | ระบบเร่งผล | บทบาทในการทดสอบ |
|---|---|---|---|
| Surface Laptop Ultra | RTX Spark Superchip, CPU 20 คอร์, CUDA 6,144 คอร์, RAM 128GB LPDDR5X-9400 | CUDA | เครื่องหลักที่นำมาทดสอบ |
| MacBook Pro 14 นิ้ว | Apple M5 Max, CPU 18 คอร์, GPU 40 คอร์, RAM 128GB LPDDR5X | Metal | เครื่องเปรียบเทียบ |
| Ryzen AI Halo | AMD Ryzen AI Halo รุ่น compact | ROCm stack และ llama.cpp | แหล่งข้อมูลเปรียบเทียบจาก AMD |
การทดสอบใช้ AgentPerf-local กับโมเดล Qwen 3.8-27B โดยสร้าง llama.cpp จาก source ให้เหมาะกับ CUDA, Metal หรือ ROCm ของแต่ละเครื่อง.
จุดเด่นและข้อจำกัดจากข้อมูลรอบแรก
RTX Spark Superchip มีศักยภาพกับงาน local AI โดยเฉพาะเครื่องที่มี RAM 128GB LPDDR5X-9400 และใช้ CUDA acceleration ผ่าน llama.cpp จึงเหมาะกับงานที่ต้องให้ AI ทำงานบนเครื่องและรันโมเดลขนาดใหญ่
ข้อจำกัดคือการเล่นเกมยังไม่ใช่จุดแข็งของแพลตฟอร์มนี้ ส่วนข้อมูลแบตเตอรี่ คุณภาพตัวเครื่อง และหน้าจอของ Surface Laptop Ultra ยังไม่เปิดเผยในรอบแรก ขณะที่วิธีวัดผล local AI ยังอยู่ระหว่างพัฒนา และ AgentPerf-local ก็เป็นแนวทางใหม่ที่ต้องเก็บ feedback เพิ่มเติม
ค่าใช้จ่ายที่บททดสอบยังตอบไม่ได้
ข้อมูลรอบนี้ยังไม่มีราคา อายุแบตเตอรี่ คุณภาพงานประกอบ หรือคุณภาพหน้าจอของ Microsoft Surface Laptop Ultra รวมถึงรายละเอียดเฉพาะรุ่นอื่น ๆ จึงยังประเมินต้นทุนการเป็นเจ้าของที่แท้จริงไม่ได้
Tom’s Hardware ยังมีโน้ตบุ๊ก RTX Spark รุ่นอื่นอยู่ในห้องทดสอบ และจะเผยแพร่รีวิวโดยละเอียดเร็ว ๆ นี้ ใครกำลังตัดสินใจซื้อ ควรรอข้อมูลชุดนั้นก่อนครับ
เหมาะกับใคร และใครควรรอข้อมูลเพิ่ม
RTX Spark platform เหมาะกับคนที่สนใจรัน local AI และ workflow แบบ agentic เพราะการทดสอบใช้ AgentPerf-local วัดเวลาตั้งแต่งานเริ่มจนเสร็จจริง เหมาะกับงานที่ต้องให้ AI ทำหลายขั้นตอนต่อเนื่องครับ
ส่วนคนที่เน้นเล่นเกม หรือจำเป็นต้องรู้แบตเตอรี่ งานประกอบ และคุณภาพจอก่อนตัดสินใจ ควรรอข้อมูลเพิ่ม เพราะรอบแรกยังไม่เปิดเผยรายละเอียดเหล่านี้ และเกมก็ไม่ใช่จุดแข็งของแพลตฟอร์มนี้.
คำตอบสุดท้ายต้องรอการทดสอบเต็มรูปแบบ
RTX Spark ควรถูกประเมินจากเวลาที่ AI ทำงานเสร็จจริง มากกว่าดูความเร็วการสร้างโทเคนเพียงอย่างเดียว เพราะ AgentPerf-local วัดงานแบบ end-to-end ใน workflow ที่มีหลายรอบการประมวลผล
อย่างไรก็ตาม คำตอบสุดท้ายยังต้องรอผลทดสอบของเครื่องแต่ละรุ่น รวมถึงข้อมูลแบตเตอรี่ เพราะการออกแบบ laptop มีผลต่อประสบการณ์ใช้งานจริงโดยตรง.