Uma nova categoria de PC
A NVIDIA apresentou na Computex 2026 o RTX Spark, um chip que inaugura uma nova categoria de computadores pessoais voltados para inferencia de IA local. O hardware combina uma GPU Blackwell RTX com 6.144 CUDA cores e Tensor Cores de 5a geracao (FP4) conectada via NVLink-C2C a uma CPU Grace de 20 nucleos. O resultado: 1 petaflop de computacao de IA e ate 128 GB de memoria unificada em dispositivos a partir de 14mm de espessura e 1,36 kg.
O que esse hardware consegue rodar
Os numeros traduzem capacidades que alteram o cenario de IA local em ambientes corporativos:
- Modelos de linguagem de ate 120 bilhoes de parametros com 1 milhao de tokens de contexto rodando localmente
- Renderizacao de cenas 3D com mais de 90 GB
- Edicao de video 12K 4:2:2 em tempo real
- Geracao de video 4K com IA
A arquitetura de memoria unificada e o diferencial tecnico central. Com ate 128 GB compartilhados entre CPU e GPU via NVLink-C2C, o RTX Spark elimina o gargalo tradicional de memoria que impede laptops atuais de rodar modelos grandes. Um LLM de 120 bilhoes de parametros quantizado cabe confortavelmente nesse espaco, algo impossivel em GPUs discretas com 24 GB de VRAM.
O que muda para times de TI
Ate agora, rodar LLMs de grande porte exigia servidores com GPUs dedicadas ou acesso a APIs de provedores cloud. O RTX Spark coloca essa capacidade em dispositivos portateis, o que abre tres possibilidades concretas para operacoes de tecnologia:
Soberania de dados: modelos rodando localmente significam que dados sensiveis nao precisam sair do dispositivo. Para setores regulados como financeiro e saude, isso simplifica questoes de compliance que frequentemente travam projetos de IA na fase de aprovacao juridica.
Latencia e disponibilidade: inferencia local nao depende de conexao com a internet. Analise de logs, triagem de alertas de seguranca e geracao de relatorios podem rodar offline, com tempo de resposta previsivel independente da qualidade da rede.
Custo por inferencia: apos o investimento inicial no hardware, o custo marginal de cada consulta ao modelo e basicamente energia eletrica. Para casos de uso com volume alto de inferencias repetitivas, o break-even com APIs cloud pode ser alcancado em poucos meses.
Ecossistema e disponibilidade
Dell, HP, Lenovo, ASUS, MSI e Microsoft Surface ja anunciaram mais de 40 dispositivos com RTX Spark para lancamento no outono de 2026. O Microsoft Surface Laptop Ultra lidera a fila. Na GTC Taipei, Jensen Huang tambem apresentou o sistema Vera Rubin em producao total, com desempenho de inferencia 10x superior por watt e custo por token 10x menor comparado a geracao anterior.
No software, a NVIDIA relatou que a performance de agentes IA dobra no llama.cpp e salta 2,6x no vLLM com o novo hardware. O DLSS 4.5 com modelo transformer de 2a geracao chega em agosto com denoising aprimorado para ray tracing e suporte a mais de 1.000 jogos e aplicacoes RTX.
“O segundo semestre deste ano vai ser muito, muito movimentado com Grace Blackwell, Vera Rubin, e temos um novo produto surpresa que nao contamos para ninguem ainda.”
Jensen Huang, CEO da NVIDIA
O que observar
O RTX Spark nao e um upgrade incremental de GPU. E uma mudanca de paradigma sobre onde a inferencia de IA acontece. Para arquitetos de solucoes e times de DevOps, a possibilidade de rodar modelos de 120 bilhoes de parametros em dispositivos portateis redefine o que pode ser feito na borda da rede, sem depender de datacenter ou API externa. A questao pratica para 2027 nao sera “usar IA local ou cloud”, mas sim qual carga fica em cada camada. Empresas que comecarem a planejar essa distribuicao agora terao vantagem competitiva quando o hardware chegar ao mercado brasileiro.