NVIDIA 推动 RTX PC 和 DGX Spark 上的本地 AI Agent

NVIDIA 推动 RTX PC 和 DGX Spark 上的本地 Agent：隐私、安全和性能成为核心卖点

NVIDIA 在 2026 年 5 月 31 日发布文章，介绍 RTX PC 与 DGX Spark 上的本地 AI Agent 更新。按照 NVIDIA 的说法，个人 Agent 正在快速流行，OpenClaw、Hermes 等开源项目在 GitHub 开发者社区中快速采用。这类 Agent 可以适配用户偏好和工作流，在本地设备上与应用交互、生成内容、自动化重复流程，并管理多步骤任务。

NVIDIA 在 COMPUTEX 的 GTC Taipei 期间推出 RTX Spark，并同步介绍 OpenShell、NemoClaw、local open model 优化、H Company 电脑使用工具，以及 Adobe、Blender、ComfyUI 等创作软件更新。整体方向很明确：让本地设备不只是运行模型，而是运行可持续工作的 Agent。

本地 Agent 的前提是安全和隐私

NVIDIA 文章指出，Agent 广泛采用的限制之一，是无法在用户主力 PC 上安全、私密地运行。为此，NVIDIA 与 Microsoft 合作，围绕 Windows 上的 on-device agents 构建更安全的平台。

文章提到，新的 Windows security primitives 提供 identity、containment、policy 和 end-to-end security 能力；NVIDIA OpenShell runtime 则提供额外 policy 能力，让用户定义 Agent 可以做什么、不能做什么，还可以根据隐私策略把请求智能路由到本地模型，并对发送给云模型的查询隐藏个人信息。

Hermes Agent 和 OpenClaw 将在新的 Windows 应用中集成 OpenShell 和 Microsoft security primitives。这说明本地 Agent 的发展不只是硬件问题，权限、策略和隐私控制同样是产品能否被用户接受的前提。

RTX Spark 面向个人 Agent 计算需求

NVIDIA 将 RTX Spark 描述为一类面向 personal agents 的 Windows PC。文章称，RTX Spark 拥有 1 petaflop AI compute 和 128GB unified memory，可以满足 on-device agents 的计算需求，让电脑从工具走向 teammate。

这个定位和普通 AI PC 不完全一样。普通 AI PC 可能只强调本地运行小模型、提升图像或视频处理效率；RTX Spark 面向的是更持续的 Agent 工作流：在本地理解应用、执行跨应用任务、搜索文件、生成图像和视频、甚至编写插件和应用。

NVIDIA 同时介绍 DGX Station for Windows，称其是面向专业用户的 AI deskside supercomputer，配备数据中心级 GPU 和 CPU，同时具备 Windows 的可管理性、安全性和兼容性。

开源模型和推理优化决定本地体验

本地 Agent 要真正可用，模型不能太慢。NVIDIA 文章提到，NVIDIA 与 llama.cpp 社区合作，通过 multi-token prediction 等优化，让 Qwen 3.6 和 3.5 27B 在 NVIDIA GPU 上获得最高 2 倍性能，35B 模型获得 1.6 倍性能提升。

多 GPU 用户也获得了额外优化：llama.cpp 增加 tensor parallelism，双等效 GPU 下可获得最高 2 倍内存和 1.8 倍计算；ComfyUI 也增加了多 GPU 技术，用于提升生成效率和利用组合显存。

这说明本地 Agent 的体验并不只取决于单个模型大小，而取决于硬件、运行时、推理框架和优化技术能否形成完整链条。Agent 需要多步骤思考、工具调用和持续运行，延迟和吞吐都会直接影响可用性。

OpenShell、NemoClaw 和 H Company 补齐执行层

NVIDIA 文章还介绍了多个 Agent 执行层更新。OpenShell 即将登陆 Windows，为安全本地 Agent 提供更容易部署的 runtime。NemoClaw blueprint 则扩展到 GeForce RTX、RTX PRO、RTX、DGX Spark 和 DGX Station，并提供更简化安装器和 Hermes Agent 支持。

H Company 的 computer-use harness 让 Agent 可以像用户一样看屏幕、操作鼠标和键盘，即使应用没有 API 也能工作。NVIDIA 表示，Holo Computer Use models 已经过量化和加速，在 NVIDIA GPU 上速度提升 2 倍，同时内存消耗降低 35%。

这些更新共同指向同一个方向：本地 Agent 不只是模型调用，而是要能安全操作应用、执行跨应用工作流，并在没有 API 的软件中完成任务。

这次更新的实际看点

NVIDIA 这组更新说明，本地 Agent 正在从“能在 PC 上跑模型”走向“能在 PC 上运行完整工作流”。硬件、模型、运行时、安全策略、应用交互和创作软件优化被放进同一条产品线中。

对个人用户来说，本地 Agent 的吸引力在于隐私、低延迟和对本地文件与应用的直接操作。对开发者和企业来说，它还意味着可以在更可控的环境中测试 Agent 工作流，而不是完全依赖云端模型和外部服务。

不过，本地 Agent 的风险也更接近用户真实设备。它可能访问文件、操作应用、执行任务，因此权限管理、日志、策略和人工确认机制会和性能一样重要。NVIDIA 与 Microsoft 在 OpenShell 和 Windows security primitives 上的合作，正是这条路线能否走向日常使用的关键。

参考来源

本文为公开资料整理与技术学习参考，不提供采编、转载或发布服务。