RTX Spark: a Nvidia coloca um SoC de IA no desktop e no notebook

A Nvidia levou à IFA 2026, em Berlim, os primeiros aparelhos de verdade rodando o superchip RTX Spark, três meses depois de ter apresentado o chip e prometido notebooks baseados nele. Segundo o relato da WIRED, agora dá pra ver hardware montado: um notebook da Lenovo e uma leva de mini PCs de Acer e Asus, todos vendidos com a mesma promessa, rodar workflows de IA agêntica↳Agentes de IA42 conteúdosOpera passa a integrar ChatGPT, Claude e outros agentes de IADev (Back & Front) · mar 2026Operações mais inteligentes, decisões mais rápidas: o impacto da IA agêntica na rotina de TIAI · abr 2026Adobe aposta em orquestração de agentes de IA: o que muda para devsDev (Back & Front) · abr 2026Ver tudo em AI → localmente, sem depender da nuvem.

Para o dev que hoje precisa de uma GPU profissional (ou de uma conta na nuvem) para rodar modelos em casa, o ângulo interessante não é o notebook ser fino: é a arquitetura por baixo.

O que é o RTX Spark, na prática

O ponto técnico que muda o jogo é o SoC. Em vez de CPU x86 + GPU discreta conversando por PCIe, o RTX Spark empacota tudo junto: uma Grace CPU baseada em Arm com até 20 núcleos, uma GPU Blackwell RTX com até 6.144 núcleos e a memória, num único system-on-a-chip. Isso é conceitualmente mais parecido com o Apple silicon do que com um notebook Windows tradicional, com o ganho de memória unificada compartilhada entre CPU e GPU.

Por que isso importa pra quem roda LLM local? Porque o gargalo de rodar um modelo grande costuma ser VRAM. Numa GPU discreta de consumidor, você fica preso aos 12, 16 ou 24 GB soldados na placa. Num SoC de memória unificada, o modelo pode usar o pool inteiro de RAM do sistema. Daí a insistência da Nvidia e dos parceiros na configuração de até 128 GB de memória, o que é o tipo de espaço que permite carregar modelos que hoje não cabem numa placa de consumidor.

Só pela contagem de núcleos, a WIRED estima que a GPU integrada do RTX Spark fique entre uma RTX 5070 Ti e uma RTX 5080 de notebook atuais, com a ressalva de que a própria linguagem da Nvidia ("até" 20 e "até" 6.144 núcleos) indica que vão existir configurações mais fracas, sem que se saiba ainda qual a amplitude da faixa de desempenho.

Os aparelhos anunciados

O único notebook que a WIRED viu de perto foi o Lenovo Yoga 9n 2-in-1, um 16 polegadas com tela OLED de 2880 x 1800 a 120 Hz, 0,69 polegada de espessura (praticamente empatado com o MacBook Pro de 16). Detalhe que talvez frustre quem esperava máquina de IA parruda: o Yoga 9n só vai até 64 GB de RAM. É o modelo Yoga Pro 9n, de 15 polegadas, que sobe até 128 GB, mantendo o resto do desempenho.

A lista de notebooks com RTX Spark previstos para o outono do hemisfério norte inclui, além dos Lenovo:

• Dell XPS 16
• Asus ProArt P16
• Microsoft Surface Laptop Ultra
• HP OmniBook X 14 (por enquanto o único 14 polegadas anunciado)

Do lado desktop, o desenho é ainda mais direto pra quem quer uma "caixa de IA" na mesa. A Acer SFF RTX Spark e a ProArt Mini PC da Asus são descritas como do tamanho de um Mac Mini, com até 128 GB de memória e um "petaflop de desempenho de IA", sempre com o mesmo superchip no centro.

Nvidia não está sozinha nessa

A aposta em SoC de memória unificada para IA local não é exclusiva da Nvidia, e é aqui que o dev brasileiro pode comparar caminhos. A Lenovo anunciou na mesma IFA o ThinkCentre X Ultra movido a AMD, com o chip Ryzen Max+ Pro 495 e também 128 GB de memória à disposição de agentes de IA.

Esse mesmo Ryzen já aparece em outras máquinas voltadas a IA local, como o Framework Desktop, e a AMD vende hoje um Developer Kit com 128 GB de RAM. Ou seja: já há hardware comparável no mercado enquanto o RTX Spark não chega de fato. E tem a Apple do outro lado, que refrescou M6 Mac mini e M5 Ultra Mac Studio poucos dias antes, os mesmos pequenos desktops eficientes que já vinham sendo usados justamente pra rodar modelos localmente.

O buraco: preço, e ele não vai ser pequeno

O dado mais importante ainda não foi dado. Nenhum sistema RTX Spark teve preço anunciado. A WIRED usa o ThinkCentre X Ultra da AMD como termômetro: US$ 3.699 já na configuração base, sem os 128 GB completos. E lembra que RAM nunca esteve tão cara quanto necessária, o que faz apostar em qualquer coisa barata soar ingênuo.

Para dimensionar: um MacBook Pro com 128 GB sai hoje por US$ 6.139. Não é difícil imaginar onde os RTX Spark de topo vão parar.

O que muda pra quem constrói software no Brasil

Nada disso tem preço ou data de lançamento oficial no Brasil, e a conta em real de qualquer uma dessas máquinas, com importação e câmbio, vai machucar. Então o valor imediato aqui é entender a direção da indústria, não sair comprando.

O recado técnico é claro: a arquitetura que a Nvidia está empurrando pro mainstream (Arm + GPU + memória unificada num SoC) é a mesma que já torna Mac com muita RAM uma opção decente pra rodar LLM local. Se você avalia investir em máquina pra inferência local em vez de pagar API na nuvem, o eixo de decisão deixou de ser "quantos GB de VRAM tem a placa" e passou a ser "quanta memória unificada o sistema oferece".

O que fica em aberto é justamente o que decide a compra: preço final, autonomia de bateria (a Nvidia não divulgou números, embora um SoC Arm tenda a ser mais eficiente que GPU discreta) e, principalmente, o desempenho real rodando os modelos que você usa, e não a contagem de núcleos no slide. Antes de qualquer benchmark de terceiro em cima do hardware final, tudo continua no campo da promessa.

Fonte: Wired