ความเห็น · ระดับปานกลาง
RTX Spark ถูกวิจารณ์: แพง ร้อน แบตหมดเร็วเมื่อรัน AI
ชื่อคลิปต้นฉบับ: RTX Spark Laptops: $7,000 Disappointment?
- เผยแพร่
- (7 วันก่อน)
- ความยาว
- 17:54
- ยอดวิว
- 5,048
- ไลก์
- 45
คลิปไฮไลต์ความยาวราว 18 นาทีจากรายการ Windows Weekly ของ TWiT ที่พิธีกรคุยถึงข้อเสียของแล็ปท็อป RTX Spark และอนาคตของ local AI เหมาะกับคนที่สงสัยว่าเครื่องราคาสูงกลุ่มนี้คุ้มกับงาน AI หรือไม่
คำตัดสินของคลิปPaul สรุปว่าแพลตฟอร์ม RTX Spark ไม่เหมาะกับรูปแบบแล็ปท็อป และมองว่าเครื่องแบบกล่องเล็กที่ตั้งไว้กับที่เหมาะกับงาน agent กว่า
สรุปสั้น
- Paul มองว่า RTX Spark มีปัญหาที่ตัวแพลตฟอร์ม ไม่ใช่ที่ผู้ผลิตแล็ปท็อป เครื่องที่ลองทุกรุ่นเป็นเครื่องพรีเมียมที่ทำมาดี
- เครื่องราคา 3,000–7,000 ดอลลาร์ หนัก ร้อน และเสียงดัง จึงไม่เหมาะกับการพก agent ติดตัว
- เขาเรียกหน่วยความจำของ RTX Spark ว่า shared memory ไม่ใช่ unified เพราะการแบ่ง RAM ให้ CPU กับ GPU ต้องรีบูตเมื่อเปลี่ยน
- รัน local AI บนแบตเตอรี่แล้วแบตหมดก่อนงานเสร็จ แม้เริ่มจาก 100%
- ผู้ร่วมรายการเห็นตรงกันว่าอนาคตคือ hybrid AI ที่ผสม local กับ cloud และอยากได้เครื่องแบบกล่องเล็กสำหรับ agent มากกว่าแล็ปท็อป
แหล่งของบทสรุปสรุปจากคำบรรยายอัตโนมัติ (อาจสะกดชื่อผิด)
เนื้อหาในคลิป
ข้อเสียของแพลตฟอร์มตามที่ Paul ไล่ให้ฟัง
Paul เล่าว่าเขาต้องรีวิวแล็ปท็อป RTX Spark หลายรุ่น จึงเลือกเขียนบทความรีวิวตัวแพลตฟอร์มแยกออกมา แทนการพูดซ้ำในทุกรีวิว และบอกว่าผลออกมาไม่ดีนัก เขาย้ำว่าไม่ใช่ความผิดของผู้ผลิตพีซี เพราะทุกรุ่นที่ลองเป็นเครื่องพรีเมียมที่ทำมาดี แต่ฮาร์ดแวร์ที่ดีก็แก้ปัญหาของแพลตฟอร์มไม่ได้
ข้อแรกคือราคา เครื่องอยู่ที่ราว 3,000–7,000 ดอลลาร์ ซึ่งเขามองว่ายากจะให้เหตุผลเมื่อเทียบกับสิ่งที่ทำได้ แม้ภาวะขาดแคลนชิ้นส่วนมีส่วนอยู่ด้วย อีกข้อคือเครื่องหนัก ร้อน และเสียงดัง จึงไม่เหมาะกับการรัน agent ซึ่งเป็นจุดขายของแพลตฟอร์ม เพราะ agent ควรอยู่บนเครื่องที่เปิดตลอดเวลา เช่น กล่องเล็กตั้งไว้กับที่ ไม่ใช่เครื่องในกระเป๋า
เรื่องหน่วยความจำ เขาระบุว่าปริมาณ RAM สูงสุดและแบนด์วิดท์ยังห่างจาก Apple silicon โดยยกตัวอย่าง Mac ที่มี RAM 512GB ราคาราว 29,000 ดอลลาร์
หน่วยความจำแบบแชร์และข้อจำกัดบน Windows
Paul เลิกเรียกหน่วยความจำของ RTX Spark ว่า unified memory และเรียกว่า shared memory ที่ใช้ร่วมกันระหว่าง CPU กับ GPU เพราะสัดส่วนที่แบ่งให้แต่ละฝั่งตั้งได้ แต่ต้องรีบูตเมื่อเปลี่ยน ไม่ปรับตามแอปที่รันอยู่แบบทันที เขามองว่าผู้ใช้ไม่ควรต้องทำหน้าที่ของระบบปฏิบัติการเอง และเปรียบเล่นๆ กับการเขียน config.sys สมัย MS-DOS
เขาเล่าว่าแอป NVIDIA เพิ่มตัวเลือกจัดลำดับความสำคัญของ GPU ระหว่างโปรเซสเบื้องหน้ากับเบื้องหลัง เปลี่ยนได้ทันทีโดยไม่ต้องรีบูต ผู้ร่วมรายการเสริมว่าถ้าเป็นกล่องเล็กแบบไม่มีหน้าจอ ก็จัดสรร RAM ให้ GPU มากที่สุดได้เลย ต่างจากแล็ปท็อปที่ต้องแบ่งตามงาน
Paul กล่าวว่า Windows บนเครื่องกลุ่มนี้ยังไม่มีความสามารถเฉพาะตัวสำหรับผู้ใช้ทั่วไป และไม่มีฟีเจอร์ของ Copilot+ PC เครื่องที่ซื้อได้จริงมักมี RAM ราว 32–120GB ถ้าจะรัน local AI หนักควรมี 64–128GB ส่วนโมเดลขนาดหลายสิบ GB ใช้เวลาโหลดนาน
แบตเตอรี่ hybrid AI และข้อสรุปเรื่อง agent
Paul สั่งให้เครื่องเขียนเกมง่ายๆ ด้วย local AI โดยเริ่มจากแบต 100% แต่แบตหมดก่อนงานเสร็จจนต้องเสียบสายชาร์จ เขาสรุปว่ารัน local AI บนแบตไม่ได้ผล ส่วนการใช้งานทั่วไปยังพอใช้ได้
ผู้ร่วมรายการเห็นตรงกันว่าอนาคตคือ hybrid AI ที่ผสม local กับ cloud โดยมีระบบประเมินว่าควรรันคำขอบนเครื่องหรือส่งไป cloud ซึ่ง Microsoft เรียกว่า hybrid intelligence และควรมีกฎคุมการใช้โควตา cloud เพื่อประหยัดค่าใช้จ่าย
Paul แยก local AI ที่ใช้เป็นแชตบอตหรือผู้ช่วย ออกจาก agent ที่ต้องทำงานต่อเนื่องตลอด 24 ชั่วโมง การรัน local AI ออฟไลน์บนเครื่องบินยังพอเข้าใจได้ แต่รัน agent บนแล็ปท็อปไม่สมเหตุสมผล เขาจึงอยากได้เครื่องแบบกล่องเล็ก และคาดว่าอุตสาหกรรมพีซีจะเห็นว่าแล็ปท็อปไม่ควรเป็นรูปแบบหลักของแพลตฟอร์มนี้ เขายังเล่าว่าแอป LM Studio ที่ดาวน์โหลดจากหน้าแรกคือรุ่น Bionic แบบ agentic ที่ซับซ้อนกว่า ผู้เริ่มต้นควรใช้รุ่น LM Studio ธรรมดา และงานวิเคราะห์การเงินที่ให้โมเดลขนาดเล็กทำใช้เวลาไม่ถึง 30 นาที
คำถามเกี่ยวกับคลิปนี้
ทำไม Paul ถึงไม่เรียกหน่วยความจำของ RTX Spark ว่า unified memory
เขาบอกว่าเป็นหน่วยความจำแบบแชร์ระหว่าง CPU กับ GPU ที่ต้องกำหนดสัดส่วนไว้ และถ้าเปลี่ยนการแบ่งต้องรีบูตเครื่อง ไม่ปรับตามงานที่รันอยู่แบบไดนามิก
แอป NVIDIA ปรับการใช้ GPU ได้โดยไม่ต้องรีบูตหรือไม่
ตัวเลือกจัดลำดับความสำคัญของ GPU ระหว่างโปรเซสเบื้องหน้ากับเบื้องหลังเปลี่ยนได้ทันทีโดยไม่ต้องรีบูต แต่การแบ่ง RAM ให้ GPU ยังต้องรีบูต
RAM ขนาดเท่าไหร่เหมาะกับการรัน local AI บน RTX Spark
Paul บอกว่าเครื่องที่ซื้อได้จริงมักมี RAM ราว 32–120GB และถ้าจะรันงาน local AI หนักควรมี 64–128GB เพื่อให้มีที่ว่างแบ่ง RAM
เหตุใด agent จึงไม่เหมาะกับแล็ปท็อป
ผู้ร่วมรายการมองว่า agent ควรทำงานต่อเนื่องตลอด 24 ชั่วโมงบนเครื่องที่ตั้งไว้กับที่ ไม่ใช่เครื่องที่พกในกระเป๋าซึ่งร้อน หนัก และใช้แบตเตอรี่หมดเร็ว
