一句话看懂：搭载 Nvidia RTX Spark 的笔记本可以安装并运行 Linux，但在插电状态下 GPU 被锁在约 780 MHz，GPT-OSS-120B 上的推理速度从 Windows 的 65.4 tokens/s 掉到 13.9 tokens/s。问题根源是只有 Windows 驱动才能解密电源管理固件。
事件核心：发生了什么
根据 mindstudio.ai 于 2026 年 11 月 4 日发布的实测文章，在 MSI Prestige N16 Flip AI Plus 这类 RTX Spark 笔记本上，Linux 可以正常安装，桌面、4K/120Hz 输出、音频、键盘、触控板和 CUDA 加速都能工作，但需要不少配置绕路：Debian 安装时识别不了 Wi-Fi、键盘和 GPU，换用自带 Nvidia 开源驱动的 Omarchy 才跑起来；出厂固件默认给 GPU 预留 96GB 统一内存，只有 Windows 能改这个分配。
性能差距出现在插电之后：Windows 下 GPU 频率约 2.2 GHz，Linux 只有约 780 MHz。原因是 Nvidia Platform Controllers and Framework 这个 Windows 专属组件负责 CPU 与 GPU 之间的供电调度，其电源表经过加密，Linux 目前无法读取。在 GPT-OSS-120B 的对比中，Windows 原生为 65.4 tokens/s，WSL 为 65.1 tokens/s，Nvidia DGX Spark 为 61 tokens/s，而同一台笔记本原生 Linux 只有 13.9 tokens/s。
为什么重要
RTX Spark 笔记本与 DGX Spark 采用同一 GPU 设计，卖点就是最高 128GB 统一内存和本地大模型推理能力，目标用户是 AI 开发者。但 vLLM、SGLang 等主流推理工具链以 Linux 为先，如果 Linux 下拿不到完整功耗，这类设备就难以替代桌面级推理工作站。目前公开信息显示，临时方案是用 WSL：它跑在 Windows 驱动栈上，插电和电池状态都能保持满频。真正的修复要等 Nvidia 把平台控制器的电源管理逻辑移植进 Linux 驱动。
对用户/开发者/创作者的影响
对打算买这类机器做本地推理的开发者，现阶段不建议直接单装 Linux：先评估 WSL 是否满足 vLLM 等工具的运行需求，再决定是否双系统。愿意折腾的用户需要先在一次 Windows 启动中调低 GPU 内存预留，否则 Linux 只能看到约 28GB 内存。对企业采购而言，如果工作流依赖 Linux 原生环境，应把这一性能落差计入选型，而不是只看统一内存容量。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Nvidia 是否在 Linux 驱动中加入 RTX Spark 平台控制器的电源管理支持；二是 MSI、华硕、戴尔等机型是否跟进固件层的内存分配设置；三是 WSL 方案在长时推理负载下的稳定性与功耗表现。以上评测数据仅对应原文所述机型与任务条件，不代表所有 RTX Spark 设备的长期表现。
