W nowym Surface Laptop Ultra Microsoft zastosował układ RTX Spark opracowany z Nvidią: procesor oparty na architekturze Arm, grafikę Blackwell i pamięć współdzieloną przez oba podzespoły. Ta ostatnia ma znaczenie dla dużych modeli językowych, bo pozwala przechowywać więcej danych blisko układu obliczeniowego. Producent mówi nawet o uruchamianiu modeli przekraczających 120 mld parametrów, lecz tylko w odpowiednio wyposażonych konfiguracjach. Laptop w podstawowej cenie ma 24 GB pamięci i 512 GB miejsca na pliki; 128 GB to górna granica oferty, a nie wyposażenie każdego egzemplarza. Dostawy laptopa mają ruszyć 16 października, a stacjonarny komputer dla programistów pojawi się w listopadzie.
Nowy sprzęt trafia na rynek w trudnym momencie. Firma badawcza IDC przewiduje, że światowe dostawy komputerów osobistych spadną w 2026 r. o 11,3%, między innymi przez niedobory pamięci i wzrost kosztów komponentów. Z drugiej strony Apple wycenia 16-calowego MacBooka Pro z M5 Pro od 2699 dolarów, więc najtańszy Surface jest tylko nieznacznie tańszy, a porównanie samych cen nie rozstrzyga o wydajności. Nvidia zapowiada laptopy i małe komputery z RTX Spark również u Della, Lenovo, HP i innych producentów. To ważne: stawką jest cała kategoria urządzeń, a nie sprzedaż jednego modelu. Lokalna AI może ograniczyć wysyłanie poufnych danych do chmury, lecz nie usuwa kosztu energii ani problemów zgodności oprogramowania.
Dla Microsoftu (MSFT) sukcesem byłoby przyciągnięcie twórców i programistów do droższych komputerów z Windowsem, a dla Nvidii (NVDA) — sprzedaż kolejnych układów poza centrami danych. Na razie obie firmy pokazują możliwości technologii, nie podają liczby zamówień ani zysku przypadającego na urządzenie. Rynek nie wydał też jednoznacznego werdyktu po premierze: 7 października akcje Microsoftu zamknęły sesję niemal bez zmiany, a wcześniejsza podwyżka rekomendacji przez Melius Research dotyczyła szerzej AI i chmury Azure, nie Surface. Pierwszy konkretny sprawdzian nadejdzie po rozpoczęciu dostaw 16 października: czy klienci zapłacą za pamięć i lokalne obliczenia, zamiast nadal wynajmować moc w chmurze.
