Det gnister av RTX Spark
Du har helt sikkert fått med deg lanseringen av RTX Spark, Nvidias satsning på prosessorer og kanskje en revolusjon for Windows.
Nvidia RTX Spark ble annonsert i mai på Computex, med lansering nå i oktober - nå er maskinene i testernes hender.
Her kommer min forklaring av hva det er og hvorfor du bør bry deg.
Hva er RTX Spark?
Nvidia, kjent fra grafikkort og aksjemarkedet, lanserer nye prosessorer til Windows-PC-er. Nvidia RTX Spark er en Arm-brikke med innebygd Blackwell-GPU, der prosessor og grafikkort deler opptil 128 GB felles minne.
Enkelt forklart er det Nvidia sitt svar på Apples M-serie.
Felles minne er hele poenget. I en vanlig PC har grafikkortet sitt eget minne, og vanlige grafikkort stopper gjerne på 24 eller 32 GB (hvis du er millionær).
I RTX Spark kan grafikkdelen bruke alt minnet, inntil 128 GB. Prosessoren og grafikkdelen deler samme pott, så ingenting må kopieres fram og tilbake mellom dem.
Dette er spesielt gunstig for - ja du gjettet riktig - lokale KI-modeller. En KI-modell må få plass i minnet grafikkortet kan nå, og store, gode modeller trenger mye minne. En 120B-modell trenger rundt 70 GB minne, og det er etter at den er kvantisert, altså komprimert ned.
Enkelt forklart: jo større modeller - jo bedre er de til å kjøre komplekse oppgaver. Onlinemodellene vi kjenner, som Opus 5.5 og Sol 6, er altfor store til å kunne kjøres lokalt pt.
Apples M-serie har brukt felles minne lenge, og har dermed kunnet kjøre tyngre lokale KI-modeller. Det Apple mangler er CUDA. CUDA er plattformen mye KI-programvare er skrevet for, og det er samme stack som gjerne kjører i datasentrene til OpenAI og Anthropic. Mer om det lenger ned.
Nyheten er altså at vi får Arm-baserte Windows-maskiner med felles minne og innebygd støtte for CUDA.
“Nå må du huske å spise litt, ikke bare game” / “Jada, mamma…” / Credit: Nvidia
Men hva er Arm, da?
x64 og Arm er to forskjellige prosessorarkitekturer, altså to forskjellige måter en prosessor er bygd for å forstå og gjøre jobben sin på. x64 (også kalt x86-64) er arkitekturen vi finner i PC-er med prosessorer fra Intel og AMD.
Arm har derimot vært brukt mest i mobiltelefoner og nettbrett, men har de siste årene også blitt vanligere i datamaskiner, særlig gjennom Apples M-serie og Qualcomms Snapdragon.
Både x64 og Arm kan stort sett gjøre de samme oppgavene, men de gjennomfører dem på forskjellige måter.
Den største praktiske forskjellen ligger i strømforbruk, effektivitet og hvilke programmer man kan kjøre. Arm er ofte veldig strømgjerrig, siden arkitekturen er laget for mobiler og bærbare.
x64 har eksistert kjempelenge og har bred støtte for programvare og spill, spesielt på Windows.
Arm kan også levere vanvittig høy ytelse, slik Apple har vist oss med Pro- og Max-beistene i M-serien, som kombinerer minne, kraftig GPU og CPU i samme brikke. Men Arm er ikke automatisk bedre enn x64. Det avhenger av hvordan selve prosessoren er laget.
Den største utfordringen med Arm er at programmer laget for x64 må oversettes eller emuleres for å fungere.
Windows har fantes i Arm-versjoner lenge. Jeg husker da Surface RT kom med Windows RT i 2012. Prosessoren i den var forresten en Tegra 3, fra nettopp Nvidia. Arm på Windows ble ingen kjempesuksess den gangen, selv om Microsoft var inne på noe med samme type brikker i telefoner og bærbare tidlig på 2010-tallet.
Kan man game på Arm?
Ja, Steam ser bare at du kjører Windows, og bryr seg ikke om prosessoren din er Arm eller x64.
Utfordringen er at de som har laget spillene, og spillmotorene som Unity og Unreal, kompilerer spillene for arkitekturer, gjerne x64.
Windows må da oversette instruksjonene som er laget for x64, slik at de blir Arm-kompatible. Dette emuleringslaget heter Prism og er innebygd i Windows for Arm. Når du starter et x64-program, oversetter Prism prosessorinstruksjonene til Arm fortløpende. Steam selv er bare nok et x64-program som kjører gjennom samme lag. Mac gjør faktisk det samme, fra x64 til Arm, via Rosetta.
Grunnen til at dette fungerer for spill, er at det bare er CPU-delen som emuleres. Et spill, eller en app, består grovt sett av to ting: logikken, som kjører på prosessoren, og grafikken, som går via DirectX til grafikkdriveren.
Gaming på Arm må ikke forveksles med en gamingarm, som avbildet. / Credit: Pulsar
DirectX-kallene oversettes ikke. De går rett til Nvidias egen Arm-driver, og selve grafikkarbeidet utføres av den innebygde GPU-en. Det betyr likevel ikke at emulerte spill yter like godt som de som er native. Prosessoren skal fortsatt mate grafikkdelen med arbeid gjennom emuleringen, driverne er nye, og minnebåndbredden i en brikke med felles minne er lavere enn på et dedikert kort med eget minne. Alt dette kan påvirke ytelsen.
Nvidia viste 100 fps i 1440p på RTX Spark på Computex, med strålesporing og DLSS skrudd på. Hvor godt det holder seg i uavhengige tester, spill for spill, får vi se.
Uansett så tenker jeg RTX Spark er laget primært for lokale KI-modeller, og at man kan spille på maskina er sekundært.
Historisk sett har antijuks vært en av de største utfordringene med spilling på Arm. Systemer som Easy Anti-Cheat, BattlEye og Vanguard opererer dypt nede i kjernen av Windows, og kan ikke emuleres gjennom Prism.
Men her har det skjedd mye. Microsoft og Nvidia har samarbeidet med spillutviklere og leverandørene av antijukssystemer for å få dem til å fungere på Arm. Fra lanseringen 16. oktober kan man ifølge Nvidia spille blant annet Counter-Strike 2, Dota 2, Fortnite, Marvel Rivals, Rocket League, ARC Raiders og The Finals med antijuks på plass, mens støtte for resten av systemene, deriblant Vanguard og Ricochet, fortsatt er under arbeid. Call of Duty er lovet i 2027.
Noen av spillene som er støttet fra 16. oktober 2026. / Credit: Nvidia
Det betyr ikke at alle spill plutselig fungerer, men en av de største hindringene for Windows på Arm er i ferd med å forsvinne.
Men hva er CUDA?
CUDA er Nvidias måte å la vanlige programmer bruke grafikkortet til annet enn grafikk.
En CPU har få, kraftige kjerner som håndterer alt mulig. Et grafikkort har tusenvis av små kjerner som gjør det samme enkle regnestykket samtidig, opprinnelig for å regne ut millioner av piksler, raskt.
KI trenger nesten det samme: milliarder av små multiplikasjoner, kjørt samtidig.
CUDA, som Nvidia lanserte i 2007, er plattformen som gjør dette mulig. Det er et sett med verktøy og biblioteker som lar utviklere bruke grafikkortet til beregninger som ellers ville kjørt på prosessoren.
Nvidia har i snart tjue år bygd ferdige byggeklosser oppå det, for matriseregning, for nevrale nett, for inferens, og alle de store KI-verktøyene er skrevet mot disse klossene. PyTorch, som mye av KI-forskningen bruker, har hatt CUDA som førstevalg siden starten. Da KI eksploderte, var CUDA allerede der og etablert. Derfor er CUDA et konkurransefortrinn og ikke bare en teknisk detalj.
Apple har Metal og MLX, AMD har ROCm, men det meste av KI-koden skrives for CUDA først og porteres til de andre etterpå.
Kjøper du Nvidia, kjører du koden slik den ble skrevet. Kjøper du Mac, kan du måtte vente på at koden blir oversatt til MLX eller Metal.
Det er den egentlige grunnen til at Nvidia er verdt det de er verdt på børsen: hele KI-bransjen er avhengig av deres brikker og teknologi.
Modellene som kommer nå
Første bølge med RTX Spark-maskiner kommer fra Microsoft, ASUS, Dell, HP, Lenovo og MSI. Felles for alle er at de er dyre. Flere norske nettbutikker har varianter inne, fra Lenovo, MSI og ASUS ProArt fra ca. 38 000 kr - og oppover.
Selve brikken finnes i to varianter. Den største har 20 CPU-kjerner og 6144 CUDA-kjerner i grafikkdelen. Den minste har 18 CPU-kjerner og 5120 CUDA-kjerner. Den med 18 kjerner støtter konfigurasjoner opptil 64 GB minne, mens den med 20 kjerner støtter konfigurasjoner opptil 128 GB.
De to variantene av RTX Spark. Begge heter N1X. / Credit: Nvidia
Dette er kjent fra før: de dårligere partiene selges med noen kjerner slått av, slik at brikker som ikke klarer full spesifikasjon fra fabrikken likevel kan selges.
Samtidig vil jeg benytte anledningen til å kritisere Nvidia for å bruke det komplekse navnet RTX Spark N1X.
Jeg ville heller kalt serien N1, og reservert X’en for den hissige modellen. MEN INGEN SPURTE MEG.
Vurderer du en, vær altså obs på antall kjerner.
Hvem er RTX Spark for?
I starten er dette dyre bærbare, nettopp fordi de kommer med mye minne. Og vi står som kjent midt i RAM-pokalypsen, der KI-datasentrene kjøper opp alt minnet som produseres. Og med mindre den bobla sprekker, kommer dette til å vare.
Men for noen spiller det ingen rolle om maskina koster 40 eller 60 laken. Mange av konsulentene der ute i Norge sitter allerede på dyre maskiner. Mange av dem utvikler, og har oppgaver som kan kjøres på lokale KI-modeller rett på maskina, uten at data sendes til OpenAI eller Anthropic.
Hvis alternativet er å risikere at bedriftens viktige kode enten går via amerikanske eller kinesiske modeller, er kanskje 60 000 kroner en relativt liten pris å betale for trygghet og for å være helt sikre på at IP-en holder seg innenfor bedriftens fire vegger.
Det er nettopp de som er kjernemålgruppa for RTX Spark. De som utvikler, tester, forsker og kjører KI-modeller lokalt.
“Jeg bare ELSKER å bruke AI i jobben min!! #blessed” / Credit: Nvidia
Hva skjer videre?
For meg handler dette egentlig om én ting, nemlig at Windows endelig kan konkurrere mot Apples M-serie. Spesielt i segmentet tunge utviklere.
Gå inn i et hvilket som helst konsulenthus, hos utviklere, og du ser flere MacBooks! Det er ikke så rart, de er knallbra. Det har vært sånn siden M1 kom, fordi få Windows-maskiner kunne matche batteritid, ytelse, utviklervennlighet og felles minne i samme pakke.
Med RTX Spark får Windows et nytt og spennende alternativ til Apples M-serie. Spesielt for utviklere som jobber med CUDA og lokale KI-modeller kan dette bli interessant, fordi koden kjører native.
Klarer Nvidia og hardwarepartnerne å konkurrere med Apple på ytelse, batteritid og brukeropplevelse? Vel, det gjenstår å se.
Det avgjøres ikke av brikken alene. Det avgjøres av om verktøyene fungerer på Windows on Arm fra dag én, og om antijuksleverandørene leverer resten av listen sin. Begge deler vet vi mer om i løpet av vinteren.
Jeg er spent på å få en i hendene. Gnisten er tent!
