NVIDIA RTX Spark 地端 AI 全面玩透：Windows 筆電跑 Agents、生圖、微調一次搞定
活動訊息
金石堂閱讀週年慶第二波
第48次中小學生讀物選介
內容簡介
【本書特色】
► RTX Spark 的晶片、統一記憶體與 GPU 記憶體配置
► Windows on Arm 的驅動與 CUDA 13.4
► uv、Python 開發環境、WSL2 的 GPU 與容器
► Ollama、LM Studio 與 llama.cpp
► PyTorch 與 vLLM，GGUF 與 FP4 量化
► ComfyUI 圖像與影片生成，語音辨識、合成與音樂生成
► 視覺語言模型、RAG、工具呼叫與 MCP
► Hermes Agent 的安裝、技能、記憶、排程與訊息平台
► Switchyard 模型路由與 Coding Agent
► Windows ML、Foundry Local 與 NPU
► Unsloth 與 ai-toolkit 的 LoRA 微調
► TRL 的 SFT、DPO、GRPO，從零預訓練一個小型模型
https://youtu.be/0StThlGR--M
NVIDIA RTX Spark 把 Grace CPU、Blackwell GPU 與最高 128GB 的統一記憶體放進一台 Windows 筆電。這台筆電在地端 AI 上能做到什麼，又有哪些限制，本書用實機一一驗證。
本書從開箱後的驅動與 CUDA 13.4 開始，帶你在原生 Windows ARM64 上執行 Ollama、llama.cpp、LM Studio 與 PyTorch，用 ComfyUI 生成圖片與影片，再進入 RAG、MCP、Hermes Agent、模型路由與 Coding Agent。後半部介紹 Windows ML 與 Foundry Local、用 llama.cpp RPC 串接多台機器，最後用 Unsloth、ai-toolkit 與 TRL 完成文字與影像的微調、DPO 與 GRPO 偏好對齊，並從零預訓練一個小型語言模型。
每一章都附上實際的截圖、量測的速度與記憶體，也寫下 Windows ARM64 上遇到的錯誤與繞過的方法。不論你已經有一台 RTX Spark，或者正在考慮購買，都可以用書裡的實測結果判斷 RTX Spark 適合哪些地端 AI 的工作。
【適合對象】
會使用 Windows 與 PowerShell、寫過一點 Python，想在自己的電腦上執行與訓練 AI 模型的開發者與進階使用者。
【書附下載】
附錄A Windows 與工具指令速查
A-1 PowerShell 與 winget
A-2 驅動與 CUDA
A-3 推論工具
A-4 WSL2
附錄B 推薦模型與效能基準
B-1 128GB 推薦模型
B-2 64GB 推薦模型
B-3 兩台的實測速度
附錄C 疑難排解
C-1 驅動與 CUDA
C-2 記憶體
C-3 Python 套件
C-4 推論工具
附錄D RTX Spark 機型規格與選購
D-1 NVIDIA 參考規格
D-2 各家機型
D-3 在台灣購買
附錄E Windows on Arm 軟體相容性列表
E-1 怎麼判斷一個軟體是幾等公民
E-2 相容性列表
E-3 實測：安裝之後看架構
► RTX Spark 的晶片、統一記憶體與 GPU 記憶體配置
► Windows on Arm 的驅動與 CUDA 13.4
► uv、Python 開發環境、WSL2 的 GPU 與容器
► Ollama、LM Studio 與 llama.cpp
► PyTorch 與 vLLM，GGUF 與 FP4 量化
► ComfyUI 圖像與影片生成，語音辨識、合成與音樂生成
► 視覺語言模型、RAG、工具呼叫與 MCP
► Hermes Agent 的安裝、技能、記憶、排程與訊息平台
► Switchyard 模型路由與 Coding Agent
► Windows ML、Foundry Local 與 NPU
► Unsloth 與 ai-toolkit 的 LoRA 微調
► TRL 的 SFT、DPO、GRPO，從零預訓練一個小型模型
https://youtu.be/0StThlGR--M
NVIDIA RTX Spark 把 Grace CPU、Blackwell GPU 與最高 128GB 的統一記憶體放進一台 Windows 筆電。這台筆電在地端 AI 上能做到什麼，又有哪些限制，本書用實機一一驗證。
本書從開箱後的驅動與 CUDA 13.4 開始，帶你在原生 Windows ARM64 上執行 Ollama、llama.cpp、LM Studio 與 PyTorch，用 ComfyUI 生成圖片與影片，再進入 RAG、MCP、Hermes Agent、模型路由與 Coding Agent。後半部介紹 Windows ML 與 Foundry Local、用 llama.cpp RPC 串接多台機器，最後用 Unsloth、ai-toolkit 與 TRL 完成文字與影像的微調、DPO 與 GRPO 偏好對齊，並從零預訓練一個小型語言模型。
每一章都附上實際的截圖、量測的速度與記憶體，也寫下 Windows ARM64 上遇到的錯誤與繞過的方法。不論你已經有一台 RTX Spark，或者正在考慮購買，都可以用書裡的實測結果判斷 RTX Spark 適合哪些地端 AI 的工作。
【適合對象】
會使用 Windows 與 PowerShell、寫過一點 Python，想在自己的電腦上執行與訓練 AI 模型的開發者與進階使用者。
【書附下載】
附錄A Windows 與工具指令速查
A-1 PowerShell 與 winget
A-2 驅動與 CUDA
A-3 推論工具
A-4 WSL2
附錄B 推薦模型與效能基準
B-1 128GB 推薦模型
B-2 64GB 推薦模型
B-3 兩台的實測速度
附錄C 疑難排解
C-1 驅動與 CUDA
C-2 記憶體
C-3 Python 套件
C-4 推論工具
附錄D RTX Spark 機型規格與選購
D-1 NVIDIA 參考規格
D-2 各家機型
D-3 在台灣購買
附錄E Windows on Arm 軟體相容性列表
E-1 怎麼判斷一個軟體是幾等公民
E-2 相容性列表
E-3 實測：安裝之後看架構
目錄
▌第1 篇 硬體與系統建置
第0 章 地端模型與四種硬體選擇
0-1 什麼是地端模型
0-2 模型大小與記憶體
0-3 個人桌上的四種選擇
0-4 RTX Spark 與 DGX Spark
0-5 本書的路線
0-6 本章小結
第1 章 RTX Spark 的晶片與統一記憶體
1-1 晶片的組成
1-2 規格與機種
1-3 Windows 上的 GPU 記憶體
1-4 頻寬與速度
1-5 適合執行什麼模型
1-6 本章小結
第2 章 Windows 準備工作與 CUDA 13.4 安裝
2-1 Windows 11 on Arm
2-2 Windows 的準備工作
2-3 NVIDIA 驅動
2-4 CUDA Toolkit 13.4
2-5 電源與效能
2-6 已知問題
2-7 本章小結
第3 章 開發環境與 WSL2
3-1 終端機與套件管理
3-2 Python 與 uv
3-3 編譯工具
3-4 WSL2 與 GPU
3-5 容器
3-6 三種執行環境怎麼選
3-7 本章小結
第4 章 遠端存取與系統監控
4-1 遠端桌面與 SSH
4-2 跨網路存取
4-3 GPU 監控
4-4 系統監控
4-5 本章小結
▌第2 篇 地端模型推論入門
第5 章 Ollama
5-1 安裝 Ollama
5-2 下載與執行模型
5-3 API
5-4 調整設定
5-5 Modelfile 與匯入
5-6 已知問題
5-7 本章小結
第6 章 Open WebUI
6-1 安裝方式
6-2 連接模型
6-3 使用功能
6-4 多人使用
6-5 本章小結
第7 章 LM Studio 與桌面工具
7-1 Windows on Arm 的桌面工具
7-2 LM Studio
7-3 Jan
7-4 Foundry Local
7-5 本章小結
第8 章 llama.cpp
8-1 取得 llama.cpp
8-2 GGUF 與模型下載
8-3 命令列工具
8-4 重要參數
8-5 已知問題
8-6 本章小結
▌第3 篇 CUDA 推論進階
第9 章 PyTorch 與 vLLM
9-1 PyTorch on Windows Arm
9-2 Transformers 推論
9-3 缺 wheel 的套件
9-4 vLLM 走 WSL2
9-5 本章小結
第10 章 量化
10-1 量化的基本觀念
10-2 GGUF 量化等級
10-3 FP4 與 Blackwell
10-4 挑選量化
10-5 本章小結
第11 章 推論加速
11-1 注意力加速
11-2 投機解碼與 MTP
11-3 快取
11-4 TensorRT for RTX
11-5 本章小結
第12 章 方案比較
12-1 比較方法
12-2 推論工具比較
12-3 原生與 WSL2
12-4 使用情境
12-5 選擇建議
12-6 本章小結
▌第4 篇 多媒體AI 生成
第13 章 圖像與影片生成
13-1 安裝 ComfyUI
13-2 圖像生成
13-3 影片生成
13-4 統一記憶體的調整
13-5 本章小結
第14 章 語音、音訊與音樂
14-1 語音辨識
14-2 語音合成
14-3 即時語音對話
14-4 音樂生成
14-5 本章小結
▌第5 篇 多模態與AI Agent
第15 章 視覺語言模型
15-1 VLM 入門
15-2 Ollama 與 llama.cpp
15-3 實際應用
15-4 大型 VLM
15-5 本章小結
第16 章 RAG
16-1 RAG 原理
16-2 建立索引
16-3 現成工具
16-4 自己寫一套
16-5 本章小結
第17 章 AI Agent 與 OpenShell
17-1 工具呼叫
17-2 Windows 的 Agent 基礎
17-3 OpenShell
17-4 Agent 框架
17-5 本章小結
第18 章 Hermes Agent 入門
18-1 Hermes Agent 是什麼
18-2 安裝桌面版
18-3 Local models 一鍵本機模型
18-4 接上自己的推論伺服器
18-5 第一個 Agent 任務
18-6 終端機的檢查與設定
18-7 自訂端點的排錯
18-8 已知問題
18-9 本章小結
第19 章 Hermes Agent 進階
19-1 技能
19-2 記憶
19-3 排程
19-4 MCP 與子 Agent
19-5 訊息平台
19-6 安全
19-7 本章小結
第20 章 模型路由
20-1 為什麼要模型路由
20-2 Switchyard
20-3 路由策略
20-4 decision model
20-5 在 RTX Spark 上架 decision model
20-6 Hermes Router
20-7 其他路由工具
20-8 本章小結
第21 章 編輯器與 Vibe Coding
21-1 終端機 Coding Agent
21-2 接上地端模型
21-3 VS Code
21-4 實戰
21-5 本章小結
▌第6 篇 Windows 生態與多機延伸
第22 章 Windows AI 堆疊
22-1 Windows ML
22-2 Foundry Local
22-3 Windows AI APIs
22-4 DirectML 現況
22-5 怎麼選
22-6 本章小結
第23 章 多機與混合部署
23-1 為什麼要多台
23-2 llama.cpp RPC
23-3 Wi-Fi 與有線網路
23-4 異質叢集
23-5 本章小結
▌第7 篇 模型微調與訓練
第24 章 Unsloth 微調
24-1 微調觀念
24-2 安裝 Unsloth
24-3 準備資料
24-4 訓練與評估
24-5 匯出
24-6 本章小結
第25 章 影像 LoRA
25-1 影像 LoRA 原理
25-2 訓練工具
25-3 訓練
25-4 使用 LoRA
25-5 本章小結
第26 章 PyTorch、PEFT 與 TRL
26-1 Hugging Face 微調堆疊
26-2 SFT
26-3 Windows 的限制
26-4 記憶體
26-5 本章小結
第27 章 DPO 與GRPO
27-1 偏好對齊
27-2 DPO
27-3 GRPO
27-4 評估
27-5 不用訓練的 abliteration
27-6 本章小結
第28 章 從零預訓練
28-1 預訓練的準備
28-2 訓練程式
28-3 訓練過程
28-4 結果
28-5 本章小結
第0 章 地端模型與四種硬體選擇
0-1 什麼是地端模型
0-2 模型大小與記憶體
0-3 個人桌上的四種選擇
0-4 RTX Spark 與 DGX Spark
0-5 本書的路線
0-6 本章小結
第1 章 RTX Spark 的晶片與統一記憶體
1-1 晶片的組成
1-2 規格與機種
1-3 Windows 上的 GPU 記憶體
1-4 頻寬與速度
1-5 適合執行什麼模型
1-6 本章小結
第2 章 Windows 準備工作與 CUDA 13.4 安裝
2-1 Windows 11 on Arm
2-2 Windows 的準備工作
2-3 NVIDIA 驅動
2-4 CUDA Toolkit 13.4
2-5 電源與效能
2-6 已知問題
2-7 本章小結
第3 章 開發環境與 WSL2
3-1 終端機與套件管理
3-2 Python 與 uv
3-3 編譯工具
3-4 WSL2 與 GPU
3-5 容器
3-6 三種執行環境怎麼選
3-7 本章小結
第4 章 遠端存取與系統監控
4-1 遠端桌面與 SSH
4-2 跨網路存取
4-3 GPU 監控
4-4 系統監控
4-5 本章小結
▌第2 篇 地端模型推論入門
第5 章 Ollama
5-1 安裝 Ollama
5-2 下載與執行模型
5-3 API
5-4 調整設定
5-5 Modelfile 與匯入
5-6 已知問題
5-7 本章小結
第6 章 Open WebUI
6-1 安裝方式
6-2 連接模型
6-3 使用功能
6-4 多人使用
6-5 本章小結
第7 章 LM Studio 與桌面工具
7-1 Windows on Arm 的桌面工具
7-2 LM Studio
7-3 Jan
7-4 Foundry Local
7-5 本章小結
第8 章 llama.cpp
8-1 取得 llama.cpp
8-2 GGUF 與模型下載
8-3 命令列工具
8-4 重要參數
8-5 已知問題
8-6 本章小結
▌第3 篇 CUDA 推論進階
第9 章 PyTorch 與 vLLM
9-1 PyTorch on Windows Arm
9-2 Transformers 推論
9-3 缺 wheel 的套件
9-4 vLLM 走 WSL2
9-5 本章小結
第10 章 量化
10-1 量化的基本觀念
10-2 GGUF 量化等級
10-3 FP4 與 Blackwell
10-4 挑選量化
10-5 本章小結
第11 章 推論加速
11-1 注意力加速
11-2 投機解碼與 MTP
11-3 快取
11-4 TensorRT for RTX
11-5 本章小結
第12 章 方案比較
12-1 比較方法
12-2 推論工具比較
12-3 原生與 WSL2
12-4 使用情境
12-5 選擇建議
12-6 本章小結
▌第4 篇 多媒體AI 生成
第13 章 圖像與影片生成
13-1 安裝 ComfyUI
13-2 圖像生成
13-3 影片生成
13-4 統一記憶體的調整
13-5 本章小結
第14 章 語音、音訊與音樂
14-1 語音辨識
14-2 語音合成
14-3 即時語音對話
14-4 音樂生成
14-5 本章小結
▌第5 篇 多模態與AI Agent
第15 章 視覺語言模型
15-1 VLM 入門
15-2 Ollama 與 llama.cpp
15-3 實際應用
15-4 大型 VLM
15-5 本章小結
第16 章 RAG
16-1 RAG 原理
16-2 建立索引
16-3 現成工具
16-4 自己寫一套
16-5 本章小結
第17 章 AI Agent 與 OpenShell
17-1 工具呼叫
17-2 Windows 的 Agent 基礎
17-3 OpenShell
17-4 Agent 框架
17-5 本章小結
第18 章 Hermes Agent 入門
18-1 Hermes Agent 是什麼
18-2 安裝桌面版
18-3 Local models 一鍵本機模型
18-4 接上自己的推論伺服器
18-5 第一個 Agent 任務
18-6 終端機的檢查與設定
18-7 自訂端點的排錯
18-8 已知問題
18-9 本章小結
第19 章 Hermes Agent 進階
19-1 技能
19-2 記憶
19-3 排程
19-4 MCP 與子 Agent
19-5 訊息平台
19-6 安全
19-7 本章小結
第20 章 模型路由
20-1 為什麼要模型路由
20-2 Switchyard
20-3 路由策略
20-4 decision model
20-5 在 RTX Spark 上架 decision model
20-6 Hermes Router
20-7 其他路由工具
20-8 本章小結
第21 章 編輯器與 Vibe Coding
21-1 終端機 Coding Agent
21-2 接上地端模型
21-3 VS Code
21-4 實戰
21-5 本章小結
▌第6 篇 Windows 生態與多機延伸
第22 章 Windows AI 堆疊
22-1 Windows ML
22-2 Foundry Local
22-3 Windows AI APIs
22-4 DirectML 現況
22-5 怎麼選
22-6 本章小結
第23 章 多機與混合部署
23-1 為什麼要多台
23-2 llama.cpp RPC
23-3 Wi-Fi 與有線網路
23-4 異質叢集
23-5 本章小結
▌第7 篇 模型微調與訓練
第24 章 Unsloth 微調
24-1 微調觀念
24-2 安裝 Unsloth
24-3 準備資料
24-4 訓練與評估
24-5 匯出
24-6 本章小結
第25 章 影像 LoRA
25-1 影像 LoRA 原理
25-2 訓練工具
25-3 訓練
25-4 使用 LoRA
25-5 本章小結
第26 章 PyTorch、PEFT 與 TRL
26-1 Hugging Face 微調堆疊
26-2 SFT
26-3 Windows 的限制
26-4 記憶體
26-5 本章小結
第27 章 DPO 與GRPO
27-1 偏好對齊
27-2 DPO
27-3 GRPO
27-4 評估
27-5 不用訓練的 abliteration
27-6 本章小結
第28 章 從零預訓練
28-1 預訓練的準備
28-2 訓練程式
28-3 訓練過程
28-4 結果
28-5 本章小結
序／導讀
作者序
1926年1月26日，蘇格蘭科學家John Logie Baird在倫敦的蘇活區向皇家院士展示了世界上第一台電視機。他說道：「從今以後，每個人家中都會有一台電視機。」1975 年，Bill Gates說：「從今天以後，每個人家中都會有一台電腦。」2026年6月的GTC大會上，NVIDIA的CEO Jensen Huang在Keynote中說：「從今天以後，每個人家中都會有一台個人的Agent。」這三句話的共同點是，它們都是對未來的預言。John Logie Baird的預言在1936年成真，Bill Gates的預言在1981年成真，而Jensen Huang的預言會成真嗎？至少，這是一個開始。
個人Agent和電視機及個人電腦的發明，都延續了前一代產品的外觀。個人Agent長得像電腦，PC一開始長得像電視＋打字機，而電視一開始則是延續之前皮影戲箱子的外觀，但以後的Agent會是什麼樣子，沒人知道。個人Agent的出現，會讓我們的生活更便利，也會改變我們的工作方式。它可以幫助我們完成各種任務，從簡單的日常工作到複雜的專業任務。它可以學習我們的喜好和習慣，並提供個性化的建議和服務。它可以與其他Agent互動，形成一個智慧網絡，讓我們的生活更方便。
要能成為個人Agent的硬體，並不簡單，要有聰明的大腦、靈巧的雙手、豐富的記憶體、全面的加速、發揮的舞台，以及可擴充的知識。具備這六點，個人Agent才能真正地實現。而RTX Spark就是這樣的六強組合。它擁有最聰明的大腦Blackwell、最靈活調度的Grace CPU、完整的UMA 128 GB記憶體、業界相容性最好的CUDA加速、全世界最多人用的作業系統Windows，以及NVIDIA新加入的Hugging Face模型知識庫的優勢。這六強組合在宇宙中是第二次出現，第一次則是薩諾斯集齊了六顆無限寶石啊！
有了這樣一個完整的個人Agent的產品以後，我們不再完全依賴雲端的LLM服務，以後個人Agent的LLM部分一定是雲地混合。在需要複雜任務且和安全無關的部分，可以在雲端執行，但較簡單且資料不能外洩的部分，則可以在地端執行。RTX Spark的出現，讓我們可以在地端執行大型的LLM模型，這對於需要保護資料隱私的使用者來說，是一個非常重要的進步。
RTX Spark和我前一本書介紹的DGX Spark都使用Blackwell架構的GPU與20核的Arm CPU，記憶體的上限也都是128 GB，最大的不同是作業系統。DGX Spark執行的是Linux，RTX Spark執行的是Windows。這代表我們熟悉的桌面程式與辦公軟體都能照常使用，地端模型也可以直接放進日常的工作環境。大家擔心的Windows ARM64的相容性問題，RTX Spark已經解決了。RTXSpark內建的Grace CPU雖是Arm架構，但經過微軟、輝達三年的打磨，Prism的相容性已經非常好，幾乎所有的Windows x64程式都能在RTX Spark上執行。RTX Spark也支援CUDA，這代表我們可以在RTX Spark上執行各種深度學習的程式，並且可以使用各種深度學習的框架，如TensorFlow、PyTorch、ONNX等等。
本書是實作出來的精華，每一章都在實機上操作過。從開箱後的驅動與CUDA，到Ollama、llama.cpp、ComfyUI這些推論與生成的工具，再到Hermes Agent、模型路由與Coding Agent，最後是微調與從零預訓練。全書29章，一共有超過一千張的截圖與示意圖，書裡的速度、記憶體與時間也都是在實測機上量出來的。遇到失敗的時候，我們把錯誤訊息與繞過的方法也一起寫進書裡，因為這些失敗正是Windows ARM64現在的樣子，讀者自己動手時很可能也會遇到。
地端模型的意義，是讓資料留在自己的電腦裡，也讓我們不必為每一次的對話付費。本書在128 GB的RTX Spark就完成了讀圖、生圖、語音辨識、接上Coding Agent與微調，這些工作以前大多要交給雲端的服務。RTX Spark讓Windows的使用者可以在自己的筆電上完整使用地端AI，而不必依賴雲端的服務。具備彈性及選擇權是極為重要的，RTX Spark是個人Agent的一個重要里程碑，本書也以ASUS ProArt 16為實測機器，是目前市面上最完整的機型了。
AI世界一日一變，你答應也得跟上，不答應也得跟上。Agent的出現，打破了傳統各種階級的限制，不管你學歷、經歷、家世、背景、性別、年齡，能限制住你的，只有你自己的想像力。跟上AI時代的腳步，超越自己，把自己放到無限大，AI的世界裡，沒有什麼不可能！
胡嘉璽
於德國萊比錫
2026/10/25
1926年1月26日，蘇格蘭科學家John Logie Baird在倫敦的蘇活區向皇家院士展示了世界上第一台電視機。他說道：「從今以後，每個人家中都會有一台電視機。」1975 年，Bill Gates說：「從今天以後，每個人家中都會有一台電腦。」2026年6月的GTC大會上，NVIDIA的CEO Jensen Huang在Keynote中說：「從今天以後，每個人家中都會有一台個人的Agent。」這三句話的共同點是，它們都是對未來的預言。John Logie Baird的預言在1936年成真，Bill Gates的預言在1981年成真，而Jensen Huang的預言會成真嗎？至少，這是一個開始。
個人Agent和電視機及個人電腦的發明，都延續了前一代產品的外觀。個人Agent長得像電腦，PC一開始長得像電視＋打字機，而電視一開始則是延續之前皮影戲箱子的外觀，但以後的Agent會是什麼樣子，沒人知道。個人Agent的出現，會讓我們的生活更便利，也會改變我們的工作方式。它可以幫助我們完成各種任務，從簡單的日常工作到複雜的專業任務。它可以學習我們的喜好和習慣，並提供個性化的建議和服務。它可以與其他Agent互動，形成一個智慧網絡，讓我們的生活更方便。
要能成為個人Agent的硬體，並不簡單，要有聰明的大腦、靈巧的雙手、豐富的記憶體、全面的加速、發揮的舞台，以及可擴充的知識。具備這六點，個人Agent才能真正地實現。而RTX Spark就是這樣的六強組合。它擁有最聰明的大腦Blackwell、最靈活調度的Grace CPU、完整的UMA 128 GB記憶體、業界相容性最好的CUDA加速、全世界最多人用的作業系統Windows，以及NVIDIA新加入的Hugging Face模型知識庫的優勢。這六強組合在宇宙中是第二次出現，第一次則是薩諾斯集齊了六顆無限寶石啊！
有了這樣一個完整的個人Agent的產品以後，我們不再完全依賴雲端的LLM服務，以後個人Agent的LLM部分一定是雲地混合。在需要複雜任務且和安全無關的部分，可以在雲端執行，但較簡單且資料不能外洩的部分，則可以在地端執行。RTX Spark的出現，讓我們可以在地端執行大型的LLM模型，這對於需要保護資料隱私的使用者來說，是一個非常重要的進步。
RTX Spark和我前一本書介紹的DGX Spark都使用Blackwell架構的GPU與20核的Arm CPU，記憶體的上限也都是128 GB，最大的不同是作業系統。DGX Spark執行的是Linux，RTX Spark執行的是Windows。這代表我們熟悉的桌面程式與辦公軟體都能照常使用，地端模型也可以直接放進日常的工作環境。大家擔心的Windows ARM64的相容性問題，RTX Spark已經解決了。RTXSpark內建的Grace CPU雖是Arm架構，但經過微軟、輝達三年的打磨，Prism的相容性已經非常好，幾乎所有的Windows x64程式都能在RTX Spark上執行。RTX Spark也支援CUDA，這代表我們可以在RTX Spark上執行各種深度學習的程式，並且可以使用各種深度學習的框架，如TensorFlow、PyTorch、ONNX等等。
本書是實作出來的精華，每一章都在實機上操作過。從開箱後的驅動與CUDA，到Ollama、llama.cpp、ComfyUI這些推論與生成的工具，再到Hermes Agent、模型路由與Coding Agent，最後是微調與從零預訓練。全書29章，一共有超過一千張的截圖與示意圖，書裡的速度、記憶體與時間也都是在實測機上量出來的。遇到失敗的時候，我們把錯誤訊息與繞過的方法也一起寫進書裡，因為這些失敗正是Windows ARM64現在的樣子，讀者自己動手時很可能也會遇到。
地端模型的意義，是讓資料留在自己的電腦裡，也讓我們不必為每一次的對話付費。本書在128 GB的RTX Spark就完成了讀圖、生圖、語音辨識、接上Coding Agent與微調，這些工作以前大多要交給雲端的服務。RTX Spark讓Windows的使用者可以在自己的筆電上完整使用地端AI，而不必依賴雲端的服務。具備彈性及選擇權是極為重要的，RTX Spark是個人Agent的一個重要里程碑，本書也以ASUS ProArt 16為實測機器，是目前市面上最完整的機型了。
AI世界一日一變，你答應也得跟上，不答應也得跟上。Agent的出現，打破了傳統各種階級的限制，不管你學歷、經歷、家世、背景、性別、年齡，能限制住你的，只有你自己的想像力。跟上AI時代的腳步，超越自己，把自己放到無限大，AI的世界裡，沒有什麼不可能！
胡嘉璽
於德國萊比錫
2026/10/25
贈品
指定商品滿$888即贈 閱讀隨行袋（款式隨機）
凡全站商品單筆訂單滿888元，即送「閱讀隨行袋」1個，款式隨機出貨。（數量有限，送完為止）
※ 海外訂單恕不提供贈品。
贈品已送完
指定商品滿$3500即贈 小編私藏禮
凡週年慶期間指定商品滿3500即贈小編私藏禮一份
※ 海外訂單恕不提供贈品。
贈品已送完
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
詳細資料
詳細資料
-
- 語言
- 中文繁體
- 裝訂
- 紙本平裝
-
- ISBN
- 9786266542065
- 分級
- 普通級
-
- 頁數
- 1040
- 商品規格
- 23*17*4.90
-
- 出版地
- 台灣
- 適讀年齡
- 全齡適讀
-
- 注音
- 級別
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價
評價規範