Недавно глава NVIDIA Дженсен Хуан в своём фирменном стиле и неизменной кожаной куртке представил ноутбуки с самыми необычными чипами в истории компании. Речь идёт о Spark (в переводе — «Искра»).

Как водится, презентация не обошлась без громких обещаний. Персональный компьютер якобы полностью переизобрели впервые за сорок лет. Раньше пользователь открывал программы, управлял мышью, набирал текст. Теперь же всё иначе: достаточно сказать машине, чего хочешь, и она сама берётся за работу.

Петафлопс вычислений в тонком и лёгком ноутбуке. 128 гигабайт объединённой памяти. Языковые модели на 120 миллиардов параметров работают непосредственно на устройстве. Современные игры в высоком разрешении с сотнями кадров в секунду. AI-агенты, способные спроектировать целый дом, пока вы пьёте кофе.

Похоже на начало новой эпохи. Или на очень пафосную рекламу — как посмотреть. Ведь за всем этим скрывается главный конкурент, ради которого всё, судя по всему, и затевалось: Apple.

Apple: безоговорочный лидер ARM-ноутбуков

Компания Apple контролирует около 90% рынка ARM-ноутбуков. Она восседает на этом троне вот уже шесть лет — с 2020 года, когда представила свой первый чип серии M. NVIDIA решила войти на поле, где до сих пор был практически единственный игрок.

Заставить архитектуру ARM — ту, что выросла в тесных корпусах смартфонов — работать на полную мощь в полноценных рабочих компьютерах до сих пор смогла только Apple.

Секрет успеха Apple: не только производительность

Но вот в чём фокус. Победа Apple на самом деле стоит на двух опорах. И про вторую почему-то все забывают.

Первая опора — это производительность. Тут всё на поверхности: чипы Apple действительно мощные и эффективные.

Вторая опора — куда более коварная — это цена. Mac при всей своей премиальной ауре и репутации игрушки для богатых на деле остаётся одной из самых выгодных машин в своём классе, как бы странно это ни звучало.

Два мира процессоров: x86 против ARM

Прежде чем исследовать архитектуру нового чипа, следует разобраться с простым вопросом: почему вообще существует два разных типа процессоров и почему в последние годы все только и говорят про ARM?

Традиционное разделение

Почти всё, что мы называем компьютером — настольные машины, серверы, рабочие станции, ноутбуки на Windows — годами работало на архитектуре x86. Это вотчина компаний Intel и AMD.

Смартфон в кармане, планшет или умные часы почти наверняка функционируют на ARM-процессорах.

Это два разных мира, два подхода, две различные философии. Долгое время они не пересекались: одни делали мощно и энергозатратно, другие — экономно и скромно.

Восхождение ARM

Но в какой-то момент ARM перестал помещаться в отведённую ему нишу и начал проникать в более серьёзные устройства. Сначала в ноутбуки, а затем и в полноценные рабочие станции.

Философия инструкций: ключевое различие

Суть различия кроется в инструкциях. Любая программа в конечном счёте превращается в последовательность крошечных команд процессору: сложить два числа, поместить результат в определённое место, сравнить одно значение с другим. Процессор выполняет их одну за другой.

Переменная длина x86

У архитектуры x86 инструкции бывают разной длины — от 1 до 15 байт. Представьте страницу текста, на которой все слова написаны слитно, и вдобавок каждое имеет свою длину.

Чтобы прочитать такую страницу, приходится двигаться по ней символ за символом и постоянно определять, где заканчивается одно слово и начинается следующее. Пока не разобрана предыдущая команда, за следующую нельзя взяться.

Процессор на x86 находится именно в такой ситуации. Специальный блок — декодер — тратит массу энергии просто на то, чтобы определить границы между командами. И сколько таких декодеров ни установи, они начинают мешать друг другу. Каждому необходимо знать, чем закончил сосед.

Поэтому даже самые современные ядра Intel и AMD разбирают за один такт всего шесть-восемь команд.

Фиксированная длина ARM

Теперь ARM. Здесь все команды одинаковые — по 32 бита каждая. Та же страница текста, но слова разложены по аккуратным ячейкам одного размера, как в кроссворде. Определять границы не нужно — заранее ясно, где заканчивается одна ячейка и начинается другая.

Современные ядра Cortex-X925, на которых (забегая вперёд) построен Spark, читают по 10 инструкций за такт. Ядра Apple M-серии — не меньше восьми.

Декодер работает спокойно, он нарезает поток на ровные фрагменты и распределяет работу дальше.

Значение IPC

Казалось бы, мелочь. Один процессор читает побольше команд, другой поменьше — велика ли разница? Однако чем больше команд ядро успевает принять внутрь за один такт, тем плотнее загружены его рабочие блоки и тем больше полезной работы оно выполняет на каждом мегагерце частоты.

И что для ноутбука важнее всего — на каждом потраченном ватте энергии.

Инженеры называют это IPC (Instructions Per Cycle) — число инструкций за такт. И у ARM с этим изначально лучше.

Спартанское воспитание ARM

В силу особенностей своего устройства, ARM развивался в спартанских условиях смартфона, где батарея размером с печенье, а корпус нельзя перегревать, поскольку его держат в руке.

Инженеры за десятилетие такой «диеты» впечатали в эту архитектуру привычку считать каждый милливатт энергии.

Результат знаком каждому, кто хоть раз пользовался MacBook на фирменном чипе Apple. Машина работает целый день, мгновенно пробуждается и не снижает скорость, когда её отключают от розетки.

Проблема x86-ноутбуков

У мощных ноутбуков на x86 это давняя проблема. Стоит отключить питание от сети, и производительность падает чуть ли не вдвое, потому что без розетки чип просто не может позволить себе расходовать столько энергии.

Объединённая память: второй столп элегантности ARM

Однако одной лишь манерой обрабатывать команды дело не ограничивается. У изящества ARM есть второй фундаментальный принцип, и для эпохи искусственного интеллекта он представляется даже важнее первого. Это объединённая память (unified memory).

Традиционная архитектура

В обычном компьютере процессор и видеокарта — два отдельных компонента. У каждого своя память: у процессора — планки оперативной памяти, у видеокарты — память, припаянная непосредственно к GPU.

Они существуют по разным адресам, а между ними перекинут относительно узкий мостик, по которому данные приходится постоянно перемещать туда и обратно.

Революция объединённой памяти

В архитектуре с объединённой памятью рабочее пространство едино для обоих компонентов. То есть процессор и графическое ядро обращаются к одним и тем же данным напрямую, без перемещений и ожиданий.

Критическая важность для нейросетей

Почему это важно для работы с нейросетями? Большая языковая модель — это, упрощённо говоря, гигантские таблицы чисел, так называемые веса модели. Чтобы выдать хотя бы одно слово ответа, система обязана обработать данные через всю эту таблицу целиком.

И тут всё упирается не в скорость самих вычислительных ядер, а в то, насколько быстро они получают доступ к этим числам в памяти.

Прорыв Apple в 2020 году

В 2020 году Apple взяла оба этих принципа — эффективный декодер и объединённую память — и объединила их в одном чипе, том самом M1.

Именно после этого про ARM в контексте полноценных компьютеров заговорили уже всерьёз.

Почему именно Apple?

Принципы ARM открыты и доступны кому угодно. Так почему этот фокус удался именно Apple, а не Intel или Qualcomm, которые в разработке чипов собаку съели?

Дело в тотальном контроле. Apple полностью проектирует всё и сразу: чипсет, операционную систему поверх него, библиотеки для разработчиков и само устройство. Ничего не закупается на стороне, всё подгоняется одно к другому.

Конкурентам вроде Intel и Qualcomm приходится создавать процессор, который подойдёт сразу десятку производителей с их различными требованиями и особенностями.

Фора Apple

Если сложить всё вместе, получается преимущество, которое мучительно сложно преодолеть соперникам. Им нужно поддерживать целый зоопарк разных конфигураций и со всеми поддерживать совместимость, тогда как Apple доводит до совершенства одну-единственную связку компонентов.

Попытки конкурентов

Пытались многие. Главным смельчаком оказалась компания Qualcomm.

Snapdragon X и Copilot+ PC

В 2024 году Qualcomm выпустила чипы Snapdragon X, а в партнёрстве с Microsoft запустила целую категорию ноутбуков под брендом Copilot+ PC.

Однако встроенные графические ядра Snapdragon едва справлялись с тяжёлой трёхмерной графикой, серьёзным видеомонтажом и играми. Стоило нагрузить их всерьёз, и система начинала «захлёбываться».

Неудобная развилка

Получалась обидная развилка для потребителей:

• Нужна мобильность и тишина? Добро пожаловать на ARM, но без мощной графики.
• Нужна графика для игр или профессиональной работы? Придётся вернуться к толстому, горячему и привязанному к розетке ноутбуку на x86 с отдельной видеокартой.

Выход NVIDIA на сцену

И тут на сцену выходит NVIDIA. У неё есть то, чего не было ни у кого из предыдущих претендентов: графические технологии мирового уровня и более 20 лет наработок в программном обеспечении. А возможно, именно программное обеспечение и является главным козырем. Но сначала стоит рассмотреть, что находится внутри Spark.

Что внутри NVIDIA Spark

Со сцены звучало так, будто Spark — это совершенно новое творение, возникшее из ниоткуда. Но на самом деле это не так.

GB10 Grace Blackwell

Этот процессор существует и работает уже почти год, просто в другом исполнении и под другой операционной системой. В основе лежит суперчип, известный под именем GB10 или Grace Blackwell. Его представили на профильной инженерной конференции в начале 2025 года.

Он функционирует внутри устройства под названием DGX Spark — небольшого настольного AI-компьютера для разработчиков, работающего под управлением Linux.

То есть аппаратная платформа уже была обкатана и проверена. Теперь этот же чипсет лёг в основу флагманского процессора RTX N1X, NVIDIA адаптировала его под Windows, добавила графические возможности для игр и творческих задач и вывела к широкой публике под маркой RTX Spark.

Стоит отметить, что младшая модель RTX N1 — это всё же отдельный, упрощённый чип.

Архитектура флагманского чипа

Кристалл процессорной части спроектировала компания MediaTek. Внутри 20 ядер архитектуры ARMv9.2, разделённых на две группы:

10 мощных ядер Cortex-X925 — их активируют, когда необходимо выполнять серьёзные вычисления.

10 энергоэффективных ядер Cortex-A725 — работники для фоновых задач, чтобы не расходовать батарею впустую, пока система в простое.

Производительность ядер

Впервые лицензируемое ядро ARM, которое может использовать любой производитель, достигло по этому показателю уровня топовых настольных ядер Intel и AMD.

Впрочем, до флагманского чипа Apple M4 в одноядерном тесте оно пока не дотягивает — Apple сохраняет отрыв порядка 30%.

Специализация для AI

Инженеры оснастили эти ядра расширенным набором блоков для матричных вычислений — той самой арифметики, на которой основано всё машинное обучение.

Вдобавок MediaTek интегрировала свой контроллер памяти и продвинутую систему управления питанием. Именно это позволяет тонкому ноутбуку проработать на одной зарядке до конца рабочего дня.

Графический кристалл Blackwell

Второй кристалл — графический, на архитектуре Blackwell. Той же самой, которая используется в новейших видеокартах NVIDIA серии RTX 50.

48 вычислительных блоков, что в сумме даёт 6144 ядра CUDA. По меркам ноутбучной графики это очень солидный показатель — уровень можно сравнить с мобильной версией GeForce RTX 5070, но в значительно более компактном кристалле.

Сюда же добавлены тензорные ядра пятого поколения — отдельные блоки, заточенные исключительно под нейросети, и ядра для трассировки лучей (ray tracing).

Петафлопс вычислений: маркетинговая хитрость

А вот тот самый петафлопс, которым так хвастались со сцены, основан на определённой хитрости.

Речь идёт о формате FP4 — вычисления с точностью всего 4 бита на число. Если обычные расчёты — это дотошный бухгалтер, который считает всё до копейки, то FP4 — это оптовик, который прикидывает на глазок.

Для большинства расчётов так нельзя — ответ получится неточным. Однако нейросетям такая «грубость» вполне допустима. Им важнее обработать огромный объём чисел, чем выверить каждое до последней запятой.

Когда счёт идёт такими приблизительными методами, количество операций в секунду возрастает до колоссальных значений. Отсюда и заявленный петафлопс — 1000 триллионов операций каждую секунду.

Память: роскошь объёма, но узкое горлышко скорости

Памяти в Spark действительно много — до 128 гигабайт, и она общая для процессора и графики. По ёмкости это настоящая роскошь, спорить тут не с чем.

В такой объём помещаются исполинские нейросети, о которых на обычном домашнем ПК и не мечталось.

Критическая проблема: скорость памяти

Но NVIDIA деликатно обошла одну важную деталь. Скорость этой памяти составляет от 270 до 300 гигабайт в секунду (по разным источникам).

Скорость, с которой нейросеть выдаёт ответ, упирается не в мощность вычислительных ядер, а в то, насколько быстро удаётся перемещать её веса в памяти туда и обратно. И вот эта скорость памяти у Spark — настоящее бутылочное горлышко.

Наглядная аналогия

Представьте огромный склад с одной-единственной дверью. Внутрь помещается масса товара, но выносить его приходится через эту дверь понемногу. Сколько бы коробок ни лежало внутри, скорость работы определяет не размер склада, а ширина этой двери.

А для нейросети пропускная способность памяти важнее её вместимости.

Сравнение с конкурентами

Чтобы понять масштаб отставания, приведём несколько ориентиров:

Настольная видеокарта RTX 5070 (чей графический уровень якобы повторяет Spark): пропускная способность памяти около 672 гигабайт в секунду — это в два с лишним раза больше, чем у памяти Spark.

Чипы Apple серии Max: примерно от 400 до 550 гигабайт в секунду.

Чипы Apple серии Ultra: более 800 гигабайт в секунду.

То есть по характеристике, которая критически важна для задач с большими моделями, Spark заметно отстаёт и от настольной видеокарты, и от старших чипов Apple.

Памяти огромное количество, но работает с ней процессор медленно.

Подмена понятий в маркетинге

Тут возникает резонный вопрос: как же быть с цифрой в 600 гигабайт в секунду, которая то и дело мелькает в материалах про Spark?

Здесь небольшая подмена понятий. Эта цифра относится вовсе не к системной памяти. Это скорость межчипового соединения — моста между процессорным и графическим кристаллами.

Технология называется NVLink C2C (Chip-to-Chip), и она действительно хороша — в пять раз быстрее обычной шины PCI Express, по которой в классических ПК общаются процессор и видеокарта.

Но это ширина моста между компонентами, а не скорость доступа к системной памяти. Их легко перепутать, на чём маркетинг местами и играет.

Технологический процесс

Сам процессор производит компания TSMC по передовому трёхнанометровому техпроцессу. 70 миллиардов транзисторов на двух кристаллах и продвинутая упаковка (advanced packaging), которая позволяет разместить их максимально компактно.

Линейка чипов

Важный момент: Spark — это не один чип, а целая серия.

На верхней ступени — флагман RTX N1X: 20 ядер, 48 графических блоков, до 128 гигабайт памяти.

Ниже — RTX N1, доступная версия: здесь всё заметно скромнее. Ядер 10-12, графики чуть ли не вдвое-втрое меньше, а памяти в минимальной комплектации всего 16 гигабайт.

Отсутствие независимых тестов

И ещё важное замечание: все эти цифры существуют только в виде заявлений со сцены. NVIDIA не продемонстрировала ни одного независимого теста, только общие формулировки вроде «самый эффективный ПК-чип в истории».

Главное оружие: программное обеспечение и 20 лет наработок

И всё же главное преимущество заключается не в транзисторах. Оно в другом — в программном обеспечении, которое NVIDIA развивала более 20 лет.

Концепция AI-агентов

Дженсен Хуан со сцены заявил, что устройства на базе Spark станут инструментом-напарником для пользователя. Речь об агентном искусственном интеллекте.

Что это такое?

Привычная программа — это инструмент. Молоток сам по себе гвоздь не забьёт, он лежит и ждёт, пока его возьмут в руку. Текстовый редактор не напишет письмо сам — кто-то должен сесть и набрать каждое слово.

AI-агент — уже не инструмент, а нанятый работник. Ему называют цель, и он сам выбирает нужные средства, разбивает большую задачу на мелкие шаги, пишет и запускает код, проверяет результат и доводит дело до конца.

Важнейший момент: в случае Spark агент функционирует не где-то в облаке, а непосредственно на устройстве, под рукой.

Архитектура CUDA: козырь NVIDIA

И вот тут NVIDIA достаёт козырь, которого больше нет ни у кого: архитектура CUDA.

Можно сказать, что это язык, на котором уже более 20 лет общается весь мир искусственного интеллекта и высокопроизводительных вычислений. Все главные инструменты, библиотеки и наработки для машинного обучения писались и оптимизировались под неё.

С тех пор как в 2006 году появилась архитектура CUDA, NVIDIA выращивала вокруг своих чипов целую экосистему программного обеспечения: фреймворки для обучения нейросетей, движки для их запуска, библиотеки на любой случай.

Переезд в ноутбук

Теперь же вся эта мощная инфраструктура впервые переезжает в тонкий ноутбук, который помещается в сумку.

Дженсен Хуан буквально упивался этим на сцене, демонстрируя примеры:

• Нужна цифровая биология? Пожалуйста.
• Сейсмическая обработка данных для нефтяной отрасли? Без проблем.
• Любая программа, когда-либо написанная под CUDA, запускается прямо здесь, на ноутбуке.

Сравнение с Apple

У Apple есть свои отличные инструменты для искусственного интеллекта, свой собственный программный «язык» (Metal, Core ML). Но носителей этого языка значительно меньше.

Apple — это гениальный одиночка, который всё делает сам и делает блестяще. А за спиной у NVIDIA стоит целая армия разработчиков, которая уже 20 лет создаёт программы под её аппаратуру и архитектуру.

Графические технологии для геймеров

Но CUDA принесла с собой не только серьёзный искусственный интеллект. Вместе с ней в ноутбук переехали фирменные графические технологии NVIDIA, которые обожают геймеры.

DLSS и трассировка лучей

DLSS — технология, где изображение в игре не просчитывается до последнего пикселя, а во многом дорисовывается нейросетью. Это позволяет значительно повысить производительность без видимой потери качества.

Трассировка лучей (ray tracing) — для реалистичных отражений и теней.

Технологии снижения задержек — хитрости, которые сокращают время между нажатием кнопки и откликом на экране, что критично для динамичных игр.

Совместимость со старыми программами

А что делать со старыми программами, которые писались под обычный x86 и которые про ARM даже не слышали?

На выручку приходит встроенный в Windows эмулятор под названием Prism, который на лету переводит старый код так, чтобы он работал на новой архитектуре. Это снимает извечную головную боль с совместимостью.

Поддержка Microsoft

Microsoft выступила ближайшим союзником NVIDIA, основательно переработав Windows под ARM. Разработчики систем защиты от читеров (античитов) позаботились о том, чтобы на новых машинах без проблем запускались популярные сетевые игры.

Безопасность AI-агентов: архитектура OpenShell

Впрочем, вернёмся к агентам. NVIDIA построила для них специальную защитную среду под названием OpenShell. Она устроена по принципу вкладок в браузере: каждая сессия агента находится в своей изолированной ячейке и не может влиять на остальную систему.

Три опоры безопасности

Первая опора — песочницы (sandboxes). Это что-то вроде лаборатории за толстым стеклом. Агент может писать код внутри неё, запускать его, ставить эксперименты, хоть всё там перевернуть вверх дном, но дотянуться до настоящей Windows физически не способен.

Вторая опора — движок политик (policy engine). Он проверяет каждое действие агента ещё до того, как оно произойдёт. Можно ли запускать этот файл? Можно ли обращаться к этой папке? Можно ли отправлять данные в сеть?

Самое хитрое: сам агент до этого движка дотянуться не может. Он как охранник, которого нельзя ни подкупить, ни уволить, ни обойти стороной. Даже если агента взломают и «перевербуют» ловко подсунутой командой, охранник всё равно останется на посту и не нарушит правил.

Третья опора — приватный маршрутизатор. Когда локальному агенту не хватает вычислительных мощностей и он обращается за помощью к более мощной модели в облаке, маршрутизатор сначала удаляет из запроса всю личную и конфиденциальную информацию и только потом отправляет наружу обезличенный остаток.

Поддержка разработчиков приложений

Поверх всей этой защиты и аппаратуры — вполне осязаемые инструменты от разработчиков приложений. Компания Adobe буквально с чистого листа переписывает свои флагманские продукты Photoshop и Premiere Pro под этот чип, обещая двукратное ускорение.

Более того, Adobe встраивает в них особый протокол, через который AI-агенты смогут сами запускать функции непосредственно внутри редакторов: открыть файл, обрезать изображение, наложить фильтр — всё это без участия мыши.

Возможности для AI

Напомним: прямо на ноутбуке можно запускать языковые модели на 120 миллиардов параметров с контекстной памятью на миллион токенов.

Демонстрация: проектирование дома

Самым эффектным примером стала демонстрация, где агент спроектировал целый дом от начала и до конца.

Человек задал параметры участка, показал эскизы и набросал словами, что хочет получить. Дальше агент взялся за дело сам:

• Открыл программу для трёхмерного моделирования
• Создал рельеф местности
• Расставил стены
• Продумал планировку комнат
• Находил собственные ошибки и сам же их исправлял
• Перенёс готовую модель в другую программу
• Отрендерил изображения
• Прогнал их через генеративную нейросеть для фотореалистичности с правильным освещением
• Сфотографировал результат с разных ракурсов

Как программное обеспечение превосходит Apple

Теперь понятно, как весь этот программный слой позволяет конкурировать с Apple.

Дело даже не в том, что NVIDIA собрала чуть более быстрый аналог Mac. Она продаёт принципиально другую категорию устройства: то, что само пишет код, запускает современные игры в высоком разрешении и обрабатывает искусственный интеллект серверного калибра прямо на коленях у пользователя.

У Apple при всех её талантах нет ни экосистемы CUDA, ни армии разработчиков за спиной, ни игровых технологий подобного уровня.

Можно сказать, что перед нами универсальный компьютер для всех типов задач против специализированной рабочей станции.

Непреодолимое преимущество

Экосистему CUDA компании NVIDIA невероятно трудно воспроизвести — её создавали два десятилетия. Это не то, что можно просто скопировать, нарастив скорость памяти или добавив процентов к производительности одного ядра.

В аппаратуре, как мы видели, Spark только догоняет Apple — он отстаёт по скорости памяти и проигрывает по одноядерной производительности.

В программном обеспечении же он обходит Apple. Именно это — сильнейший козырь NVIDIA.

Компания предлагает не то же самое, что Apple, только на Windows, а принципиально иного «зверя», заточенного под AI-агентов и тяжёлый искусственный интеллект.

Дорожная карта до 2030 года

NVIDIA совсем не постеснялась показать будущее. На презентации компания представила дорожную карту на три поколения вперёд — до 2030 года.

Три поколения

Нынешний Grace Blackwell (Spark) — первая ступенька.

За ним последует поколение Vera Rubin с более быстрой памятью стандарта LPDDR6.

Затем, ближе к концу десятилетия — Rosa Feynman. Каждое поколение представляет собой три устройства в одном: ноутбук, настольный компьютер и рабочая станция.

Признание проблемы с памятью

Та самая проблема со скоростью памяти, на которой пока спотыкается Spark, в следующем поколении уже будет менее заметна — память станет быстрее.

То есть NVIDIA сама признаёт: с памятью у первого Spark не идеально, но мы работаем над этим. Правда, слабое место от этого не перестаёт быть слабым в текущем поколении.

Устройства на базе Spark

Microsoft представила Surface Laptop Ultra — свой самый мощный ноутбук за всю историю. Пятнадцатидюймовый экран с технологией Mini-LED, очень высокая плотность пикселей и пиковая яркость до 2000 нит.

Рядом с ней — тяжеловесы со всех сторон:

• Dell со своим XPS
• ASUS и Acer с линейками ProArt и ProCreator для творческих специалистов
• HP серии OmniBook
• Lenovo, MSI, Razer и другие

Представлены как игровые и бизнес-модели, так и устройства для тех, кто работает с фото, видео и графикой. Всё универсальное, требующее серьёзных вычислительных мощностей.

Главный вопрос: цена

В чём кроется гений Apple? Вовсе не только в премиальной ауре, хотя её в достатке.

Гений в том (и сейчас прозвучит почти парадокс), что Mac на самом деле одна из самых выгодных машин в своём классе.

MacBook Air на M-чипе за свои деньги мощный и служит годами — его буквально невозможно «убить» в обычном использовании.

Старший Mac Studio, в который можно установить почти 200 гигабайт объединённой памяти, заменяет собой серверные видеокарты ценой в десятки тысяч долларов.

Apple победила не тем, что собрала самый мощный чип на планете. Она победила тем, что поместила настоящий суперкомпьютер в машину, которую может позволить себе студент.

Вердикт: революция для избранных?

Сможет ли NVIDIA одолеть Apple? По производительности и программной экосистеме впервые за все эти годы у Apple появился настоящий соперник, и это само по себе событие.

По доступности — большой вопрос

А вот по доступности — по той самой второй опоре, на которой держится превосходство Apple — мы пока не знаем ровным счётом ничего. И это молчание, если честно, совсем не внушает оптимизма.

И вот парадокс. NVIDIA выиграла, если говорить о том, возможно ли вообще создать такое устройство — причём с запасом.

А вопрос «сможет ли позволить себе это обычный пользователь» оставила без ответа. И, судя по всему, сделала это намеренно.

Заключение: искра или пожар?

Искра двойственна по своей природе. Бывает, что это первый язык большого пламени, которое потом перекроит весь ландшафт до неузнаваемости.

А бывает — короткая яркая вспышка, что красиво сверкнула в темноте и тут же погасла, не оставив после себя и пепла. Чем именно окажется Spark, нам ещё предстоит узнать в ближайшие месяцы и годы