NVIDIA N1X: почему GPU не получит все 128 ГБ памяти
NVIDIA N1X поддерживает до 128 ГБ унифицированной памяти, но графическая часть не сможет использовать весь этот объём. Причина описана в документации RTX Spark: Windows оставляет отдельную область, доступную только CPU.
Официальные характеристики уже опубликованы. Для старшей конфигурации платформы RTX Spark NVIDIA указывает 20-ядерный процессор Grace, графику Blackwell с 6144 ядрами CUDA и до 128 ГБ LPDDR5X. Обсуждать устройство памяти теперь можно по документации, а не только по прогнозам участников форумов.
CPU и встроенный GPU действительно используют одну физическую память. Однако в Windows она представлена тремя логическими областями с разными правилами доступа.
| Область | Кому доступна |
|---|---|
| Память, зарезервированная для GPU | Графическому процессору. Физически это часть системной RAM. |
| Совместно используемая память | И CPU, и GPU, под управлением Windows. |
| Память только для CPU | Центральному процессору. Выделять её для GPU нельзя. |
Поэтому превращать заявленные 128 ГБ в «128 ГБ видеопамяти» некорректно. Доступный приложениям объём зависит от выделенного им бюджета и текущей нагрузки на систему. NVIDIA отдельно предупреждает разработчиков: попытка занять весь доступный GPU бюджет может оставить слишком мало памяти остальным задачам и привести к зависанию системы.
Даже программы мониторинга могут показывать разные цифры. Например, NVML сообщает объём зарезервированной области GPU, а CUDA позволяет получить сведения о бюджете как выделенной, так и совместно используемой памяти. Маленькое значение в одной утилите само по себе ещё не означает, что графике недоступна остальная общая память.
Сравнение с Apple Silicon требует большего, чем совпадение слов «унифицированная память». Нужно сопоставлять доступный приложениям объём, правила его выделения и результаты одинаковых задач. Само наличие общей RAM не доказывает ни равную производительность, ни возможность запустить AI-модели одного размера.
У DGX Spark также есть 128 ГБ когерентной унифицированной памяти, но это другая система: NVIDIA указывает для неё чип GB10, DGX OS и сетевой адаптер ConnectX-7. Сходство характеристик не подтверждает форумное утверждение об одинаковых платах и не позволяет автоматически переносить поведение памяти DGX Spark на Windows-устройства с N1X.
Конфигурации с большим объёмом RAM уже заявлены производителями устройств — например, у Lenovo Yoga Pro 9n предусмотрено до 128 ГБ памяти. Для работы с локальными AI-моделями проверять придётся конкретный ноутбук и приложение: сколько памяти удаётся выделить, какая модель помещается и с какой скоростью она работает.
Источник: документация NVIDIA RTX Spark
