炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！
（來源：雷科技）
NVIDIA桌面CPU出師不利，沒想到黃仁勳也有「翻車」的時候。
在年初CES 2025展會聚光燈下，NVIDIA黃仁勳手持一台迷你機大小的「Project DIGITS」向世界宣告：這是全球最小的AI超級計算機，將徹底改變邊緣AI的遊戲規則。
官方將其命名為DGX Spark，其採用NVIDIA與聯發科共同開發的GB10 Grace Blackwell 芯片，這也被無數媒體解讀為NVIDIA在牢牢佔據GPU王座之後，欲加速侵入CPU市場。
原本DGX Spark的計劃是在7月正式上市，合作伙伴包括華碩、戴爾、技嘉、惠普、聯想、微星。這些廠商也都在準備自己的GB10主機，其中華碩預告7月23日發布搭載NVIDIAGB10的Ascent GX10主機。
圖源：華碩如今八月已至，這款被寄予厚望的設備卻杳無音信，據外媒Wccftech報道，NVIDIA和OEM廠商都沒有任何官宣。在英國，有零售商給出的預計發貨時間改到了9月15日。
NVIDIA的桌面處理器首秀，意外卡在了起跑線上。硬件巨頭的生態之路，可能遠比芯片設計艱難。
照例，先談談NVIDIA這顆桌面CPU，成色幾何。
從華碩公布的數據來看，GB10作為NVIDIA第一款Arm架構CPU，算力約為1000 TOPS（FP4），並配備了128 GB LPDDR5X的統一內存，256-bit位寬，總帶寬為273GB/s。
單從配置來看，最大的特點就是高達128GB的內存，不過GB10的內存是直接集成在芯片內部，並不支持單獨升級。NVIDIA給到如此多的內存，其實就是為了確保PC的性能可以滿足AI模型的推理需求，後續或許會增加別的內存規格供大家選擇，比如192GB版本，以便適配更大參數規模的AI模型。
如果不考慮其他因素影響，這個規格的PC最高可以在FP4精度下運行參數規模達到200B的AI大模型，如果是FP8精度則是100B參數規模。雖然與動輒六七百B，甚至上千B的滿血DeepSeek等AI模型無法比，但是已經足夠部署一個甚至數個專業垂類AI模型。
圖源：華碩可能具體參數大家不太能理解，你只需要知道在同等體積下，這個世界上可能找不到比它更強的AI PC了即可，
問題在於，這麼強的產品，怎麼就「難產」了？
提到「難產」，第一反應就是生產線的問題。根據官方數據來看，GB10採用的系統級封裝技術由NVIDIA與聯發科聯合設計，在單個主板上集成了高性能的Grace CPU，包含10個高性能Arm Cortex-X925核心，以及10個低功耗Cortex-A725核心。同時還融入了Blackwell GPU，總之GB10的集成度非常高。
雷科技猜測，正是因為集成度高，導致在量產時良品率偏低。GB10這種創新架構雖能突破傳統系統瓶頸，卻將生產流程變成所謂的「多米諾骨牌」，每一個環節都不能出現問題。
比如，台積電的CoWoS-L封裝工序需要17天完成，內存堆疊環節的溫差控制需精確到±0.5℃，任何環節的波動都可能導致全線停滯。
圖源：英偉達另外，黃仁勳可能還沒搞定「如何定價」的問題，英國零售商泄露的預售頁面顯示，基礎版128GB內存+1TB存儲定價高達3600英鎊（約3.3萬元人民幣），高配機型更是突破4萬元門檻。這個價格雖比傳統的NVIDIA DGX系統低一個數量級，卻仍將普通開發者拒之門外。
在Reddit的開發者論壇，預訂用戶焦慮地表示，設備延期導致他們的邊緣AI項目被迫擱置，而轉向AWS雲服務的成本將激增三倍。
另外，NVIDIA面向筆記本的N1、N1X處理器最近多次現身跑分軟件，但何時發布也是個謎，甚至有說法稱推遲到了2026年底。
可見，無論產品有多強大，技術創新若無法兌現為可交付產品，願景都終將成為鏡花水月。
歷史上，關於Arm架構CPU的難題確實不少。微軟在Arm PC領域的十年探索，堪稱一部「生態長征史」，投入數十億美元，卻長期陷入兼容性泥潭與量產瓶頸，直到近期才稍有起色，NVIDIA作為新入局者，面臨的障礙只會更加嚴峻
首先是兩座大山，在CPU領域，Intel和AMD始終是NVIDIA難以逾越的鴻溝。
比如AMD就趁機發動了閃電戰，7月31日，Threadripper 9000系列64核處理器如期上市，搭配Radeon AI顯卡形成完整解決方案。不過更致命的是，根據Mercury Research 最新公布的數據顯示，AMD服務器CPU份額在2025年Q1飆升至39.4%，雖然這是服務器領域數據，但顯示AMD在CPU市場的全面擴張勢頭，對NVIDIA形成包夾。
圖源：AMDAMD之上，還有一個Intel。縱橫PC行業多年，與Intel幾次交鋒的AMD，尚不能從Intel手中搶走太多客戶端市場，更不用說新入場的NVIDIA了。正如同Intel進軍GPU行業後，發布的幾款獨顯反響平平，NVIDIA進入CPU市場後，想要從Intel和AMD兩大巨頭手中搶走份額，難度同樣很高。
除了兩大巨頭在前，NVIDIA進軍CPU領域，還要面臨一大難題——軟件生態。
微軟雖在不斷補足Windows On Arm生態，但現階段原生Arm架構的應用依然太少了。在實際使用中小雷發現，32位的X86架構應用轉譯到Arm平台後，性能損失嚴重，會出現明顯的卡頓，64位軟件和部分遊戲轉譯後則會直接卡死，而且各類BUG不少，十分影響日常使用。
當然，這只是針對消費級市場而言，在企業級市場，GB10儘管首戰延期，DGX Spark代表的技術方向仍具顛覆性潛力，基於GB10的設備可在55瓦功耗下實現1 PetaFLOPS的FP4算力，這種統一內存架構消除數據搬運瓶頸的特性，正是邊緣計算的決勝棋。
根據IDC預測，到2026年15%的高性能台式機將轉向此類異構架構，市場規模突破240億美元。
NVIDIA押注的賽道沒有錯，只是起跑慢了。
在雷科技看來，迷你化的AI工作站必然會成為未來的趨勢之一，就像普通計算機從原本佔據整個房間的設備，變成能被隨身攜帶。隨着AI的需求增長，AI工作站也必然會出現類似的變化：個人化、便捷化、一體化，如此才能更好地迎合AI普及的需求。
就在NVIDIA陷入延期困境時，競爭對手已開始瓜分市場。
AMD的Threadripper AI方案如期而至，Intel的反擊也在醞釀，高通的下一代芯片虎視眈眈。NVIDIA因延期失去的先機，正被對手迅速填補，時間，已成為比金錢更稀缺的資源。
圖源：英偉達 而此時NVIDIA面臨的生態困境，比微軟當年更甚。
後者至少擁有操作系統廠商的深度綁定和長期磨合。而NVIDIA雖在GPU驅動和CUDA生態上建樹頗豐，但在消費級CPU的軟件棧構建、與海量獨立軟件開發商的深度合作上，近乎從零開始。其引以為傲的AI開發者生態，能否無縫遷移並支撐起一個全新的Arm桌面平台，仍是巨大的問號。
Arm生態的本質是「合力工程」，操作系統、硬件平台、應用開發缺一不可。
破局的關鍵在於，NVIDIA能否找到一條「生態速成」的捷徑？
個人拙見，我認為NVIDIA在GPU領域的成功，很大程度上源於其定義了標準（CUDA）並建立了近乎壟斷的垂直生態。但在CPU領域，尤其是與龐雜的消費級Windows生態對接時，這種模式行不通。
GB10縱有千TOPS算力，若用戶日常使用的核心軟件（如Adobe套件、專業工具）無法原生流暢運行，或陷入32位應用卡頓、64位軟件崩潰的「轉譯地獄」，其顛覆性性能將淪為紙上談兵。用戶體驗的割裂，是性能參數無法掩蓋的硬傷。
圖源：英偉達因此，在壁壘森嚴的CPU戰場，強如NVIDIA，也無法僅憑一己之力顛覆遊戲規則。
NVIDIA也深知這個潛在危機，因此DGX Spark與主流PC產商合作，但華碩、戴爾等合作伙伴的耐心並非無限。延期已打亂其產品節奏，高昂售價更限制市場接受度。NVIDIA需拿出更靈活的商務策略，甚至開放更多定製空間，與OEM形成真正的風險共擔、利益共享體，而非簡單的芯片供應商關係。
另外，可以與微軟結成更緊密的「攻守同盟」，共同投入資源，強力推動關鍵應用的原生Arm版本落地，並大幅優化轉譯層效率。這需要真金白銀的投入和強大的談判能力。
按照現在流行的說法，就是所謂的「生態協同」。NVIDIA若無法放下「單打獨鬥」的執念，其桌面CPU的雄心恐將止步於邊緣計算的市場，難以撼動Intel與AMD把持的主流格局。
畢竟在CPU這個領域，「個人英雄主義」是行不通的。