Ieri 15 ottobre 2026 è scaduto l’embargo sulle prime analisi della piattaforma NVIDIA RTX Spark, con l’avvio delle vendite dei primi notebook previsto da oggi 16 ottobre, secondo modello e mercato. Ne parlai già settimana scorsa su Reddit, ma stavolta ho raccolto un po’ di recensioni e prove dettagliate per capire cosa offrano queste macchine, dove convincano e quali compromessi ci siano ancora.

Una precisazione: diverse uscite di oggi riguardano soprattutto il chip e la piattaforma. Le recensioni complete dei singoli portatili inizieranno ad arrivare da oggi 16 ottobre. Per giudicare display, autonomia, dissipazione e qualità costruttiva bisognerà quindi guardare anche al notebook specifico. [1][2]

RTX Spark porta NVIDIA anche dalla parte della CPU.

La piattaforma combina una CPU Arm, sviluppata insieme a MediaTek e chiamata Grace, una GPU Blackwell e memoria unificata. Windows 11 gira nella versione per Arm. L’architettura è strettamente imparentata con quella del GB10 dei DGX Spark, ma questi ultimi sono sistemi desktop per l’IA con Linux.

Al lancio ci sono due varianti del chip, entrambe chiamate N1X. La sigla, da sola, non identifica quindi una configurazione precisa. [3]

Sono massimi di piattaforma, quindi tagli effettivamente venduti, profili energetici e raffreddamento dipendono dal produttore. Quindi, come al solito, c’è sempre la solita confusione sui TDP/TGP, anche se stavolta è ben più limitata rispetto alle soluzioni tradizionali. Ad ogni modo, la scheda NVIDIA attuale indica 64 GB per la variante da 18 core, anche se alcune anteprime parlano di un limite di 32 GB. Gran parte delle prove disponibili riguarda invece il modello completo da 20 core, con 64 o 128 GB, quindi i suoi risultati non vanno trasferiti automaticamente ai modelli base. [4]

I due chiplet sono prodotti da TSMC a 3 nm e comunicano attraverso NVLink-C2C, con 600 GB/s bidirezionali. La memoria LPDDR5X-9400 utilizza invece un’interfaccia a 256 bit, per un bandwidth di circa 300 GB/s. La GPU integra invece RT core di quarta generazione e Tensor core di quinta generazione. [3][5]

La memoria unificata è uno degli aspetti più interessanti.

CPU e GPU condividono la stessa memoria fisica, permettendo alla grafica di utilizzare capacità molto maggiori rispetto a quelle di tante GPU dedicate da notebook. Questo serve per modelli IA, scene 3D, effetti e progetti che altrimenti non entrerebbero nella VRAM disponibile.

Attenzione però alla gestione concreta: Windows distingue una quota riservata alla GPU, memoria di sistema condivisa e memoria utilizzabile solo dalla CPU. Non significa avere tutta la RAM trasformata in VRAM dedicata. ComputerBase infatti riporta questi massimi per la quota riservabile alla GPU:

La GPU può accedere anche alla memoria condivisa gestita da Windows: la tabella descrive il carveout, cioè la parte riservata. Nel sistema provato da ComputerBase, modificarla richiede un riavvio. Il taglio da 24 GB, quindi, offre margini per l’IA locale molto diversi rispetto a un 64 o 128 GB. [6][7]

L’IA locale è il settore in cui queste ultime combinazioni acquistano più senso.

Si possono mantenere in memoria modelli grandi, contesti più lunghi o più modelli specializzati, sfruttando CUDA e gli strumenti dell’ecosistema NVIDIA. NVIDIA pubblicizza fino a 1 Petaflop in FP4, che è un dato di calcolo IA a bassa precisione, da leggere con le relative condizioni, e non un valore confrontabile direttamente con i TFLOPS FP32 di una scheda video. [4]

Capacità e velocità, però, rimangono due cose diverse. Far entrare un modello non garantisce risposte rapide: contano architettura del modello, quantizzazione, dimensione del contesto, backend e banda di memoria. Per confrontare due macchine bisogna guardare almeno elaborazione del prompt, tempo al primo token, generazione dei token e, quando si parla di agenti, tempo necessario a completare il compito.

I risultati sono promettenti, ma cambiano con il carico. Tom’s Hardware, usando AgentPerf-local con Qwen 3.8 27B in Q4_K_M e DFlash2 su entrambe le piattaforme, rileva che il MacBook Pro 14 con M5 Max impiega circa il 25% di tempo in più del Surface con RTX Spark. È un risultato di quel test, con quelle configurazioni. Nelle prove Prodigeek il quadro varia invece secondo modello e accelerazioni abilitate, senza una superiorità costante sulle soluzioni Mac. [1]

Anche Hardwareluxx segnala un dettaglio utile: alcuni confronti IA impiegano backend o acceleratori diversi sulle due piattaforme. Misurano quindi l’esperienza offerta da quelle implementazioni e non permettono di attribuire tutto il divario alla sola potenza delle GPU. [8]

Il discorso sugli agenti va oltre i benchmark.

Strumenti come Hermes possono collegare il modello a file, terminale e applicazioni attraverso tool e server MCP. Le prove mostrano possibilità concrete nel coding e nell’automazione, ma anche attività lente o non completate. DDay, per esempio, racconta un tentativo di montaggio automatico in Resolve rimasto incompiuto dopo oltre un’ora. Avere il modello sul portatile non significa quindi che ogni automazione sia già pronta e affidabile.

Il vantaggio pratico è poter elaborare localmente dati e documenti, lavorare anche senza connessione e ridurre alcune chiamate a servizi a pagamento. Ma un agente può comunque utilizzare servizi cloud e connessioni esterne, quindi dipende sempre dalla configurazione. Anche il risparmio economico va calcolato sul proprio utilizzo, senza dare per scontato che il notebook si ripaghi. Se l’inferenza avviene su un server remoto, la GPU del portatile non la rende più veloce.

Nella produttività conta il programma che si usa.

CUDA, OptiX e i motori hardware di codifica e decodifica sono argomenti concreti. Ci sono il supporto ai flussi video 4:2:2 e, nelle build mostrate ai recensori, l’impiego del DLSS nella viewport di Blender per rendere più fluida l’anteprima ray tracing. Quest’ultima funzione riguarda la visualizzazione durante il lavoro che non equivale automaticamente ad accelerare allo stesso modo il rendering finale. Alcune integrazioni mostrate infatti sono ancora in beta.

Le prove di Notebookcheck e Prodigeek mostrano comunque differenze sensibili tra rendering, elaborazione fotografica e montaggio video. Nei carichi che sfruttano bene l’hardware NVIDIA ci sono risultati molto buoni, mentre in altri test i MacBook con M5 Pro o Max rimangono avanti. La CPU N1X offre buone prestazioni multicore, mentre il singolo core è uno dei punti meno convincenti rispetto ai concorrenti più recenti. [2][9]

Windows on Arm è migliorato, ma la compatibilità va verificata sul proprio software.

Le applicazioni Arm64 possono girare nativamente, mentre quelle x86 e x64 utilizzano Prism, che traduce il codice CPU. La GPU, invece, mantiene il proprio percorso di accelerazione attraverso i driver NVIDIA, quindi non viene “emulata una GeForce” insieme al processore, ma gira nativamente, e questa cosa si sente durante i workflow che ne sfruttano l’architettura.

L’emulazione può comunque pesare sulle prestazioni e sui tempi di avvio. Inoltre, vedere partire un programma non garantisce che funzionino tutti i plugin, le periferiche e le funzioni del proprio flusso di lavoro, né che il produttore lo supporti ufficialmente. Microsoft stessa invita a controllare driver specializzati, plugin e utilità meno recenti prima dell’acquisto. [10][11]

Nel gaming la situazione è più variabile di quanto suggerisca il nome RTX.

Ci sono ray tracing, DLSS, frame generation e un catalogo Windows ampio. In alcune prove la GPU si avvicina a soluzioni dedicate di fascia RTX 5070 Laptop; in altre incidono molto i limiti della CPU, Prism e la banda condivisa, creando situazioni di overhead e bottleneck. Non basta quindi avere lo stesso numero di CUDA core di una GPU desktop per ottenere le stesse prestazioni in un caso come questo.

Un esempio: ComputerBase misura 55 FPS in Gears of War: E-Day a 1440p, preset Medio e DLSS Qualità, sul ProArt P16 da 20 core e 64 GB. Passando a 1080p nelle stesse condizioni sale soltanto a 58,8 FPS: un caso che mostra bene come ridurre la risoluzione non risolva un limite lato CPU. Nel medesimo test la RTX 5070 Laptop da 140 W raggiunge 78,8 FPS a 1440p, ma con un sistema e un budget energetico differenti. [12]

Quando si vedono numeri sopra i 100 FPS, inoltre, bisogna leggere le impostazioni. Tom’s Hardware ottiene circa 109 FPS in Control Resonant a 1440p, preset Alto, ray tracing disattivato, DLSS Performance e Multi Frame Generation 3×, ma misura anche circa 78 ms di latenza media del PC, proprio per via dell’ultimo fattore inserito. Fluidità visiva e risposta ai comandi sono quindidue aspetti da valutare insieme. [1]

Per gli anti-cheat ci sono progressi, non una compatibilità universale.

NVIDIA indica fra i giochi supportati al lancio Fortnite, Marvel Rivals, ARC Raiders, THE FINALS e Counter-Strike 2. Per Call of Duty parla invece del 2027, per EA Javelin dell’inizio del 2027 e per PUBG della prima metà del 2027. Sono annunci di supporto futuro, non giochi già garantiti oggi, ma lo reputo già un inizio buono a dirla tutta.

Le recensioni riportano anche esperienze non sempre coincidenti su singoli titoli. Prima di acquistare per un multiplayer preciso controllerei quindi gioco, versione e aggiornamenti disponibili, dato che comunque parliamo di macchine che girano su WoA [13]

Le prestazioni a batteria sono un punto interessante e l’autonomia va valutata separatamente.

Windows Central infatti rileva 6.885 punti in Cinebench 2026 multicore collegato alla corrente e 6.844 a batteria, il che è una differenza davvero minima. HotHardware conferma un comportamento simile in Cinebench, ma registra circa il 18% in meno in Speedometer. Il risultato dipende quindi anche dal carico e dal profilo energetico. [2][14]

Quanto dura davvero? Hardwareluxx riporta questi valori sul proprio Surface Laptop Ultra, nelle condizioni della sua prova:

Sono risultati di quel notebook, non dell’intera famiglia RTX Spark. Mostrano comunque perché mantenere prestazioni elevate scollegati dalla presa e lavorare per molte ore lontani dal caricatore siano due obiettivi distinti. Anche rumorosità, display e dissipazione vanno giudicati modello per modello. [15]

Infine ci sono prezzi e disponibilità, particolarmente importanti per noi in Italia.

Tra i modelli annunciati figurano Surface Laptop Ultra, ASUS ProArt P14/P16, Dell XPS 16, HP OmniBook Ultra 16, Lenovo Yoga Pro 9n e MSI Prestige N16 Flip AI+. Formato, schermo, memoria, SSD e limiti energetici cambiano secondo il prodotto. [4][16]

Come riferimento al 15 ottobre, il Surface parte negli USA da 2.599,99 dollari con N1X da 18 core, 24 GB e SSD da 512 GB. Il prezzo finale dipende anche dalle imposte locali. Le pagine Lenovo Italia riportano un ingresso intorno ai 3.019 euro per Yoga Pro 9n, mentre il Surface italiano è presente nel canale business (con ordine telefonico al momento!). Questi riferimenti non sono configurazioni equivalenti e non vanno confrontati convertendo semplicemente dollari in euro. [11][17][18]

È proprio sul rapporto fra prezzo, configurazioni e maturità della piattaforma che Prodigek esprime le critiche più forti. DDay invece insiste maggiormente sulle possibilità dell’IA locale e del lavoro in mobilità. Le due letture aiutano a mettere a fuoco la domanda cruciale: quali vantaggi concreti offre quella specifica configurazione, per il lavoro che dobbiamo farci?

Personalmente trovo interessante avere molta memoria utilizzabile dalla GPU e l’ecosistema NVIDIA in un portatile Windows. Un connubio che, onestamente, mi aspettavo di vedere anche prima, ma ben venga e con questi buoni risultati iniziali. Per chi usa davvero modelli locali o applicazioni CUDA può aprire sicuramente possibilità difficili da ottenere su notebook tradizionali per via anche della memoria unificata a bordo. Per chi cerca principalmente gaming o produttività quotidiana, ai prezzi attuali il confronto con le alternative rimane invece molto meno scontato.

Voi come li vedete?

Vi interessa soprattutto l’IA locale, la possibilità di lavorare con una GPU NVIDIA anche a batteria senza perdita di performance, oppure aspettate prezzi e software più maturi? Se trovate altre recensioni o prove di compatibilità, linkatele nei commenti specificando modello e configurazione, così possiamo confrontare i risultati con un po’ di contesto. Domani vedremo anche i modelli specifici, quindi stay tuned, posterò sicuramente qualcosa nei commenti pinnati a questo thread 😉👍

Fonti e approfondimenti usati (trovate quindi i riferimenti del thread qui sotto):

• [1] Tom’s Hardware – Prova RTX Spark e benchmark AgentPerf-local
• [2] Windows Central – Prove e benchmark
• [3] ComputerBase – Architettura e varianti N1X
• [4] NVIDIA – Specifiche ufficiali RTX Spark
• [5] NVIDIA – Documentazione tecnica della piattaforma
• [6] NVIDIA – Gestione della memoria unificata
• [7] ComputerBase – Allocazione della memoria e prove IA
• [8] Hardwareluxx – Benchmark IA e differenze tra backend
• [9] Notebookcheck – Analisi di prestazioni ed efficienza
• [10] NVIDIA – Windows on Arm ed emulazione
• [11] Microsoft Italia – Surface Laptop Ultra per le aziende
• [12] ComputerBase – Gaming, DLSS e prestazioni a batteria
• [13] NVIDIA – Giochi e supporto anti-cheat al lancio e annunciato
• [14] HotHardware – Recensione completa e prove a batteria
• [15] Hardwareluxx – Recensione completa e autonomia nei diversi carichi
• [16] ASUS Italia – ProArt P14 e Lenovo – Presentazione Yoga Pro 9n
• [17] Microsoft Store USA – Configurazioni e prezzi Surface Laptop Ultra
• [18] Lenovo Italia – Yoga Pro 9n

Mentre qui trovate i video utilizzati per stilare tutti i confronti e le considerazioni del caso:

Prodgeek · LTT · DDay · MicroCenter · NotebookcheckReviews · Raid Owl

Per qualsiasi errore, o refuso, segnalatemelo nei commenti e fixo al volo.

LLAP 🖖