Nvidia

Nvidia s’invite dans le haut de gamme des portables ARM sous Windows

Après les stations de travail, Nvidia s’attaque aux ordinateurs portables sous Windows avec son propre système sur puce ARM. Avec la même promesse : celle de machines conçues pour exécuter des agents IA.

« Le PC est en train d’être réinventé », selon Jensen Huang, fondateur et CEO de Nvidia. Rien que ça. La clé de cette révolution ? Le système sur PC ARM maison, conçu pour les ordinateurs portables, le RTX Spark.

Comme son nom le suggère, ce système sur puce est le prolongement du DGX Spark, annoncé début 2025 et commercialisé depuis l’automne. Dès lors, on retrouve un processeur ARM Grace, un GPU Blackwell, jusqu’à 128 Go de RAM partagés entre les deux. 

Sans surprise, le public visé est largement constitué des adeptes de l’inférence locale, avec notamment les utilisateurs d’agents, comme avec la DGX Station annoncée en mars

Plusieurs constructeurs devraient être au rendez-vous à l’automne : Asus, Dell, HP, Lenovo, et MSI, pour commencer. Microsoft sera aussi du lancement commercial et a déjà levé le voile sur ce qui sera le Surface Ultra. Et justement, vantant un véritable partenariat, l’éditeur assure que Prism, son émulateur x86 32 et 64 bits pour Windows ARM, « sera aussi présent et optimisé pour les PCs animés par le RTX Spark ». Il y a de quoi, cela dit, car la version Windows de la DGX Station vient justement d’être annoncée. 

Les caractéristiques du RTX Spark suggèrent clairement une incursion dans le haut de gamme, un segment sur lequel il faudra compter avec Apple. Ses machines à base de processeurs M4 et M5 sont déjà très populaires auprès des amateurs d’inférence locale.

Mais surtout, la bande passante du RTX Spark est bien loin de tutoyer celle d’un M5 Max. Trouver le juste prix pour être compétitif, malgré un aussi sérieux désavantage, risque de ne pas être très aisé. Et cela d’autant plus que les critiques du DGX Spark ne manquent pas, ne serait-ce que dans les forums développeurs de Nvidia, et précisément pour les performances en inférence.

Pour approfondir sur PC, Mac, terminaux et périphériques