NVIDIA RTX Spark N1X: 20코어 Arm 칩과 Blackwell의 첫 번째 벤치마크

NVIDIA RTX Spark N1X는 20코어 Arm 프로세서 Grace와 6144 CUDA 코어를 갖춘 Blackwell 그래픽을 결합합니다. 그러나 CPU 성능은 플랫폼의 주요 차별점이 아닙니다. RTX Spark는 Blackwell GPU, CUDA 및 최대 128GB의 통합 메모리를 결합하여 Windows 노트북에서는 이전에는 보기 힘든 구성을 제공합니다.

CPU는 NVIDIA가 MediaTek과 협력하여 개발했습니다. 프로세서와 Blackwell GPU는 NVLink-C2C를 통해 연결되어 단일 메모리 풀에서 작동합니다. NVIDIA는 FP4에서 최대 1 PFLOP의 성능과 120억 개 매개변수 크기의 LLM을 로컬에서 실행할 수 있다고 발표했습니다.

RTX Spark N1X의 첫 번째 벤치마크: 현재는 프로토타입만 존재

RTX Spark의 대량 생산 노트북은 아직 없으므로 여러 개의 완성된 모델을 비교하는 것은 불가능합니다. 현재의 결과는 HP의 엔지니어링 플랫폼과 사전 생산된 Surface Laptop Ultra에서 얻어진 것입니다.

HP의 엔지니어링 시스템은 Ubuntu 24.04.1에서 작동하였고 20코어 N1X와 128GB의 메모리를 장착했습니다. Geekbench 6에서 프로세서는 싱글 코어에서 3096점을, 멀티코어 테스트에서 18,837점을 기록했습니다. 동작 주파수는 약 4GHz에 도달했습니다. 이러한 수치는 아직 양산 N1X의 결과로 간주할 수 없습니다.

Surface Laptop Ultra 프로토타입은 N1X가 노트북 케이스에서 어떻게 작동하는지를 더 잘 보여줍니다. 사전 생산 모델은 Cinebench 2024에서 123/1386점을 기록했습니다. 장시간 CPU 부하에서 온도는 약 100°C에 도달했으며, 프로세서의 전력 소비는 다양한 모드에서 약 38-50W에 달했습니다.

N1X 대 Ryzen, Core Ultra 및 Snapdragon

N1X의 초기 결과는 Geekbench 6에서 다른 모바일 프로세서와 비교할 수 있습니다. 이는 직접적인 실험실 비교는 아니며, 시스템은 운영 체제, 메모리, 냉각 장치 및 전원 설정이 다릅니다. 그럼에도 불구하고 숫자를 통해 N1X의 성능 수준을 평가할 수 있습니다.

양산된 장치가 비슷한 결과를 유지한다면, N1X는 모바일 CPU의 상위 세그먼트에 속하게 될 것입니다. 멀티코어에서 엔지니어링 샘플은 18,837점을 기록하여 위 표에 나열된 Ryzen AI 9 HX 370, Core Ultra 9 285H 및 Snapdragon X Elite보다 높습니다.

그러나 엔지니어링 결과 하나만으로 양산 노트북의 성능에 대한 결론을 내리기는 불충분합니다. 최종 성능은 전력 제한, 냉각 시스템, 메모리 및 드라이버 상태에 의해 영향을 받습니다.

Geekbench 7의 결과도 나왔습니다: 엔지니어링 20코어 RTX Spark는 2570/23 126점을 기록했으며, 같은 곳에서 발견된 18코어 버전은 2541/21 776점을 기록했습니다. 이 값들은 Geekbench 6와 직접적으로 비교될 수 없으므로 주요 표에는 포함되지 않았습니다. NVIDIA는 아직 18 CPU 코어 모델의 양산 버전을 발표하지 않았습니다.

N1X의 주요 차별점 - Blackwell 및 최대 128GB의 통합 메모리

최고 사양에서 N1X는 6144 CUDA 코어를 가진 Blackwell GPU와 5세대 Tensor Cores, 최대 128GB의 통합 메모리에 접근할 수 있습니다. 이 플랫폼은 별도의 디스크리트 그래픽 카드 없이 CUDA도 지원합니다.

왜 6144 CUDA 코어가 N1X를 RTX 5070과 동등하게 만들지 않는가

N1X의 CUDA 코어 수는 데스크탑 GeForce RTX 5070과 동일하며, 이 또한 6144 CUDA 코어 Blackwell을 갖추고 있습니다. 그러나 동일한 수의 계산 블록이 있다고 해서 동일한 성능을 의미하지는 않습니다. RTX 5070은 12GB GDDR7, 부스트 주파수 최대 2.51GHz, 전력 한도 250W의 별도 그래픽 카드입니다. N1X GPU는 SoC에 내장되어 있으며 통합 메모리를 사용하고 20코어 CPU와 전원 및 냉각을 공유합니다.

따라서 이러한 솔루션을 CUDA 코어 수로만 비교하는 것은 부정확합니다. 실제 성능은 GPU의 주파수, 메모리 대역폭, 사용 가능한 전력 및 특정 장치의 냉각 장치에 따라 달라집니다.

고정된 VRAM 용량이 있는 모바일 디스크리트 GPU와 달리, N1X의 Blackwell은 훨씬 더 큰 통합 메모리 풀에 접근할 수 있습니다. 이는 대규모 언어 모델의 로컬 실행, 복잡한 3D 장면 작업 및 메모리 양에 민감한 기타 작업에 특히 중요합니다.

NVIDIA는 최대 120억 개 매개변수를 가진 LLM을 지원하고, 90GB 크기의 3D 장면 작업 및 12K 비디오 처리를 지원한다고 발표했습니다. 이는 제조업체의 데이터이며, 실제로 이러한 부하 속도를 양산 장치에서 검증해야 할 것입니다.

Windows on Arm: 호환성은 여전히 중요하다

RTX Spark는 Windows on Arm 생태계에서 작동합니다. 네이티브 Arm64 응용 프로그램은 Arm 아키텍처에서 직접 실행되며, 많은 x86 및 x64 프로그램은 Microsoft Prism을 통해 에뮬레이션됩니다.

최근 몇 년 동안 Windows on Arm의 호환성은 현저히 개선되었습니다: Chrome, Blender, DaVinci Resolve 및 많은 Microsoft 응용 프로그램의 Arm64 버전이 출시되었습니다. 그러나 완전한 호환성은 사라지지 않았습니다. x86/x64 드라이버가 필요한 프로그램 및 주변 장치, 특정 게임의 드라이버 보안 시스템에서 문제가 발생할 수 있습니다.

RTX Spark에겐 이것이 중요한 요소입니다: CPU와 GPU의 높은 성능이 있다고 해서 모든 익숙한 Windows 소프트웨어가 x86 노트북과 동일하게 작동할 것이라는 보장은 없습니다. 이 시스템을 구매하기 전에 중요한 업무 프로그램과 게임의 호환성을 확인하는 것이 좋습니다.

어떤 노트북이 RTX Spark를 장착할 것인가

NVIDIA는 이미 RTX Spark를 장착한 첫 번째 모델들을 발표했습니다: ASUS ProArt P16, Dell XPS 16, HP OmniBook X 14, Lenovo Yoga Pro 9n, Microsoft Surface Laptop Ultra 및 MSI Prestige N16 Flip AI+. 컴팩트한 데스크톱 시스템도 준비 중입니다. 첫 장치의 출시는 2026년 가을로 예정되어 있습니다.

N1X의 성능은 특정 장치의 전력 제한과 냉각 시스템에 따라 달라질 것입니다. 예를 들어, Surface Laptop Ultra는 RTX Spark에 대해 약 110W의 전체 열 예산을 명시했습니다. CPU와 GPU는 공통 전력 제한을 공유하므로 동일한 N1X가 얇은 14인치 노트북과 더욱 강력한 냉각 시스템을 갖춘 더 큰 시스템에서 다른 성능 결과를 보여줄 수 있습니다.

결론

RTX Spark N1X는 CPU 성능보다는 전체 플랫폼의 구성으로 눈에 띄입니다. 엔지니어링 20코어 N1X는 이미 Geekbench 6에서 모바일 프로세서의 최고 세그먼트 수준을 보여주고 있지만, 현재의 테스트는 너무 적고 모두 엔지니어링 또는 사전 생산 장비에서 나온 것입니다.

N1X의 주요 차별점은 6144 CUDA 코어를 갖춘 Blackwell GPU, CUDA, 그리고 최대 128GB의 통합 메모리입니다. 이와 함께 RTX 5070과 동일한 CUDA 코어 수가 그래픽 성능이 비슷하다는 의미는 아닙니다: 모바일 SoC는 전력과 메모리에서 전혀 다른 제한 사항을 갖고 작동합니다.

Windows on Arm 문제도 남아있습니다. 호환성은 몇 년 전보다 많이 개선되었지만, 전문 소프트웨어, 주변 장치 및 일부 게임에 대해 미리 확인하는 것이 여전히 필요합니다.

N1X에 대한 최종 평가는 Surface Laptop Ultra, ASUS ProArt P16 및 기타 RTX Spark 시스템의 양산 이후에 이루어져야 합니다. 그들의 테스트는 Blackwell이 노트북에서 어떤 성능을 유지할 수 있으며, CUDA와 대량 통합 메모리가 실제 작업 부하에서 얼마나 유용하게 작용할지를 보여줄 것입니다.