ASUS ProArt P16 (H7607, RTX Spark)
노트북은 휴대하기 힘든 데스크톱 PC의 대체제로서 많은 발전을 거듭해 왔습니다. 이제는 딱히 휴대가 필요하지 않은 일반적인 가정에서도 데스크톱 PC의 대용으로 사용할 수 있을 만큼 높은 성능을 갖추게 되었는데요. 소비자 입장에서는 분명 좋아진 것은 맞지만, CPU와 GPU 등 하드웨어를 기반으로 성능이 높아지다 보니 노트북의 발열과 소비전력이 높아질 수밖에 없게 되었습니다. 또한 일반적인 노트북의 스펙은 최근 수요가 높아진 AI 작업을 처리하는 것 자체는 가능하지만 효율이 높은 편은 아니기 때문에, 어떤 식으로든 노트북의 변화가 점점 필요해지게 되었습니다.
이에 NVIDIA는 CPU/GPU의 통합 SoC(System on a Chip) 구성, 로컬 AI 작업 및 AI 에이전트 활용에 중점을 둔 플랫폼 구성을 갖춘 'RTX Spark' 브랜드를 새롭게 선보였습니다. RTX Spark의 가장 큰 하드웨어적 특징은 NVIDIA와 MediaTek이 공동 설계한 Grace CPU, NVIDIA Blackwell RTX GPU, 최대 128GB의 메모리를 결합했다는 점입니다. CPU와 GPU가 메모리를 공유하는 구조 덕분에 대형 AI 모델을 노트북 내부에서 실행할 수 있고 CUDA와 Tensor Core, NVFP4와 같은 NVIDIA의 AI 가속 기술을 활용해 처리 효율을 높입니다.
게임 플레이에 중점을 둔 기존 고성능 게이밍 노트북과는 조금 결이 다르긴 하지만, RTX Spark의 하드웨어 스펙 자체가 우수하고 NVIDIA DLSS, RT, Reflex, G-SYNC 등 게임과 관련된 기술들을 모두 지원하기 때문에, AI 관련 작업을 하면서 게임도 플레이하고자 하는 소비자에게 메리트를 더하는 구성이라 할 수 있습니다.
로컬 AI 활용에 대한 부담이 줄어들면서 자연스럽게 AI 에이전트와도 결합할 수 있게 되었고, 외부 클라우드 서버에 접속하지 않고도 인터넷 검색, 파일 분석, 코드 작성, 프로그램 실행 등의 작업을 AI에게 맡길 수 있게 되었습니다. 이는 사용자의 편의성 증가 뿐만 아니라 보안 문제 해결에도 일조하는데요. 로컬 AI를 활용하는 만큼 사용자의 데이터가 외부에 노출되는 것을 원천적으로 막을 수 있고, AI가 잘못된 명령으로 중요한 파일을 수정하거나 허용하지 않은 데이터에 접근하는 것을 방지하기 위해서, AI 에이전트의 실행 환경을 격리하고 파일과 네트워크 등에 대한 접근 권한을 제한하는 OpenShell 기술도 활용할 수 있습니다.
이를 위해 Microsoft는 RTX Spark가 구동되는 Arm 기반 Windows 11에 큰 공을 들이고 있다는 점도 인상적입니다. Windows 초기 설정 과정에서 AI 에이전트를 간편하게 설치할 수 있도록 지원하거나, Prism 에뮬레이터를 개선해 기존 x64 프로그램을 Arm 기반 PC에서도 실행할 수 있도록 하는 등 기존 노트북 사용자들의 불편함을 최소화하기 위해 노력하고 있습니다. 또한 AI가 접근할 수 있는 파일과 시스템 권한을 제한하는 Microsoft Execution Containers(MXC)와 Agent Identity, 간단한 작업은 로컬 AI에서 처리하고 복잡한 작업은 클라우드 AI에 맡기도록 할 수 있는 HydraFusion 등의 AI 환경 구축에도 힘을 쓰고 있는데요.
이 모든 것들이 RTX Spark라는 플랫폼에서 한데 어우러져, 기존 노트북의 역할이 새롭게 정의된다는 것에 큰 의의가 있는 것으로 생각되는데요. 새롭게 출시되는 RTX Spark 브랜드의 노트북은 어떨지 'ASUS ProArt P16 (H7607, RTX Spark)'을 통해서 한 번 살펴보도록 하겠습니다.
[ CPU 벤치마크 설정 ]
● 전력 제한 - ProArt Creator Hub에서 '성능' 모드 설정
● 메모리 - '기본 (SPD)' 설정
● 팬 속도 - '자동' 설정
[ CPU 벤치마크 설정 ]
● 전력 제한 - ProArt Creator Hub에서 '성능' 모드 설정
● 메모리 - '기본 (SPD)' 설정
● 팬 속도 - '자동' 설정
AI 에이전트는 단순한 질의응답과 달리 이전 대화 기록, 시스템 지시문, 도구 정보 등을 반복적으로 참조하며 여러 차례 AI 모델을 호출합니다. Artificial Analysis AgentPerf Local은 이러한 특성을 반영한 벤치마크로, RTX Spark에서 Qwen3.8-27B 모델을 llama.cpp CUDA 백엔드로 실행해 8개 작업에 포함된 총 168회의 추론 요청을 처리했습니다. 컨텍스트는 65,536토큰으로 설정했으며, 모델 서버가 처리한 약 258만 개의 입력 토큰 중 약 92.5%가 캐시된 토큰으로 기록됐습니다. 이는 이전에 처리한 입력의 연산 결과를 재사용하는 KV 캐시가 긴 문맥을 반복해서 다루는 AI 에이전트 환경에서 중요한 요소임을 보여줍니다.
총 3회 측정에서 전체 실행 시간은 각각 1,001.75초, 991.43초, 1,008.76초로, 평균 약 16분 41초를 기록했습니다. 전체 작업 기준 출력 처리량(E2E)은 평균 30.88 tokens/s, 실제 토큰 생성 구간의 처리 속도는 평균 36.80 tokens/s였으며, 세 차례 모두 168개의 추론 요청을 오류 없이 완료했습니다. 실행 시간의 최대 차이는 평균 대비 약 1.73%였습니다. 응답 지연을 살펴보면 첫 토큰 출력까지 걸리는 시간(TTFT)의 중앙값(P50)은 평균 약 1.05초, 95백분위값은 약 6.14초였고, 요청 전체 완료 시간은 각각 약 3.84초와 10.76초로 나타났습니다. 이를 통해 일반적인 요청의 응답 속도와 상대적으로 처리 시간이 길어지는 요청의 특성을 함께 확인할 수 있었습니다.
NVIDIA는 Editor's Day에서 Hermes와 OpenClaw 같은 개인용 AI 에이전트를 RTX Spark의 주요 활용 사례로 소개했습니다. 이러한 환경에서는 클라우드 AI 서비스 대신 PC 내부의 모델을 활용할 수 있으며, 이를 위해서는 개별 추론 속도뿐 아니라 연속적인 요청을 처리하는 성능도 중요합니다. 이번 테스트는 Windows on Arm 기반 RTX Spark에서 27B 규모의 언어 모델을 직접 구동하고, 에이전트형 추론 워크로드를 처리하는 성능을 구체적인 수치로 살펴본 결과라는 점에서 의미가 있습니다.
MLPerf Client 2.0.1에서는 Qwen3-8B를 이용한 Agentic AI와 FLUX.2 Klein 4B 기반 이미지 생성 테스트를 각각 3회 진행했습니다. Agentic AI 테스트는 NVIDIA CUDA 기반 llama.cpp 백엔드에서 소프트웨어 개발과 데이터 분석 작업을 수행하는 방식입니다. 3회 평균 작업 시간은 SWE Agent 45.07초, Data Analyst Agent 56.08초였으며, 이 중 도구 실행에 소요된 시간은 각각 평균 6.07초와 4.65초로 기록됐습니다. 전체 작업 시간의 최대 편차도 각각 약 0.09%와 0.30%로 작아, 반복 실행에서 일정한 처리 성능을 보였습니다.
Agentic AI 테스트는 언어 모델의 응답 속도만 측정하는 일반적인 LLM 벤치마크와 달리, 여러 차례의 AI 추론과 실제 도구 호출이 결합된 작업 과정을 평가합니다. 특히 Data Analyst는 약 2만 9천 토큰 규모의 긴 입력 문맥을 사용하는 구성으로, 대화 기록과 도구 정보를 반복해서 처리하는 최근 AI 에이전트의 활용 방식과 관련이 있습니다. 이번 결과는 RTX Spark의 Windows on Arm 환경에서 로컬 AI 모델과 도구 실행을 연계한 작업이 어느 정도의 시간에 처리되는지 보여줍니다.
이미지 생성 테스트는 NVIDIA Diffusers CUDA GPU 백엔드에서 FLUX.2 Klein 4B 모델을 실행하고, NVFP4 설정을 선택해 1024×1024 해상도와 4단계 추론 조건으로 진행했습니다. 3회 측정 결과는 각각 37.69장/분, 37.60장/분, 37.80장/분으로, 평균 37.70장/분, 이미지 한 장당 약 1.59초의 처리 속도를 기록했습니다. 측정값 간 최대 차이는 약 0.53%로 크지 않았습니다. 다만 모델 로딩에는 약 94~98초, 워밍업에는 약 36~38초가 별도로 소요됐습니다.
두 테스트는 로컬 AI 에이전트와 생성형 AI 기반 콘텐츠 제작 환경을 서로 다른 관점에서 살펴본 결과입니다. RTX Spark는 AI 모델의 추론뿐 아니라 도구 실행과 이미지 생성까지 기기 내부에서 처리하는 구성을 갖추고 있습니다. NVIDIA는 Blackwell GPU의 NVFP4 기술을 활용한 AI 모델의 메모리 효율 개선과 ComfyUI 기반 영상 업스케일링, 프레임 보간, HDR 변환 등의 콘텐츠 제작 기능도 소개했습니다. 이번 MLPerf Client 2.0.1 테스트에서는 이러한 활용 분야 중 여러 차례의 추론과 도구 호출이 이어지는 에이전트 작업, 그리고 이미지를 반복적으로 생성하는 작업의 처리 성능을 확인했습니다. 이를 통해 RTX Spark가 Windows on Arm 환경에서 서로 다른 유형의 AI 작업을 로컬로 실행할 수 있으며, 반복 측정에서도 일정한 처리 성능을 보인다는 점을 확인할 수 있습니다.
LTX2.5 NVFP4 워크플로우는 10회 측정에서 평균 1분 35초의 실행 시간을 기록했습니다. AI 영상 생성은 여러 프레임을 처리해야 하는 작업인 만큼, 이미지 생성처럼 결과를 즉시 확인하는 속도는 아니지만, 약 1분 30초의 대기 시간으로 하나의 생성 작업을 완료할 수 있다는 점은 의미가 있습니다. 실제 사용자는 만들고 싶은 장면을 프롬프트로 입력하고, 생성된 결과를 확인한 뒤 카메라 움직임이나 장면의 분위기 등을 조정하며 새로운 시안을 제작할 수 있습니다. 특히 영상 제작 초기 단계에서 다양한 아이디어를 시각화하고 구체적인 연출 방향을 결정하는 데 활용할 수 있는 성능입니다. 두 차례 측정의 평균 차이도 약 0.82%에 그쳐, 반복 작업에 필요한 시간을 비교적 일정하게 예상할 수 있습니다.
LTX2.5 INT8 워크플로우는 10회 평균 1분 46초를 기록했습니다. 이 역시 실시간으로 영상을 생성하는 수준은 아니지만, 노트북 내부에서 AI 영상 생성 작업을 실행하고 2분 이내에 결과를 확인할 수 있는 처리 속도입니다. 예를 들어 영상 콘텐츠를 제작할 때 촬영하기 어려운 장면을 시안으로 구현하거나, 배경과 연출을 바꾼 여러 버전을 제작해 적합한 결과물을 선택하는 데 활용할 수 있습니다. 한 번의 생성에 일정한 대기 시간이 필요하므로 많은 영상을 연속으로 제작하는 작업보다는, 생성 결과를 검토하면서 필요한 장면을 점진적으로 완성하는 방식에 적합합니다. 두 차례 측정의 평균 차이는 약 0.88%였으며, 모든 실행을 오류 없이 완료해 반복 작업에서도 일정한 처리 특성을 보였습니다.
종합하면 이번 ComfyUI 테스트는 RTX Spark가 AI 영상 생성을 단순히 실행할 수 있는 수준을 넘어, 사용자가 직접 시안을 만들고 수정하며 제작 과정을 이어갈 수 있는 노트북이라는 점을 보여줍니다. 영상 생성 작업마다 약 1~2분의 시간이 필요하므로 실시간 편집과 같은 즉각적인 반응을 기대하기는 어렵지만, 별도의 클라우드 생성 서비스를 이용하지 않고 자신의 노트북에서 작업을 반복할 수 있다는 장점이 있습니다. 특히 두 워크플로 모두 총 20회의 측정을 오류 없이 완료했다는 점은 이러한 로컬 제작 환경의 활용 가능성을 뒷받침합니다. 다만 측정 시간은 지정된 워크플로의 실행 조건에 해당하므로 실제 영상 길이와 해상도, 생성 설정에 따라 달라질 수 있습니다. RTX Spark의 가치는 AI 영상 생성 기능을 개인의 작업 환경으로 가져와, 아이디어 구상부터 시안 제작과 수정까지 직접 진행할 수 있다는 데 있습니다.
[ GPU 벤치마크 설정 ]
● 전력 제한 - ProArt Creator Hub에서 '성능' 모드 설정
● 팬 속도 - '자동' 설정
● 메모리 - '기본 (SPD)' 설정
● 그래픽 드라이버 - 'GameReady 617.42' 사용
본 제품의 쿨링 솔루션은 블로워 팬 총 2개 + 히트 파이프 총 2개로 구성되어 있습니다.
[온도 / 소음 / 소비전력 측정 세부사항]
● 온도 측정
- ProArt Creator Hub에서 제공하는 3개의 모드에 따른 SoC 온도 측정
- Artificial Analysis AgentPerf Local을 약 10분간 구동 시 SoC 온도 측정
● 소음 측정
부피 1.9 x 1.9 x 2 (m)의 이중 챔버 구조에 1 x 1 x 1 (m) 내부 구조의 규모로 설치된 무향실에서 CIRRUS RESEARCH CR-162B (Class2 타입) 소음측정기를 사용하였으며, CIRRUS에서 제공하는 Noisetools을 이용하여 측정값의 신뢰도를 높였습니다. 테스트 환경은 온도 측정 시와 동일합니다.
● 소비전력 측정
시스템 전체의 IDLE / 평균 소비전력 (LOAD)은 Power Meter 와트맨 HPM-100A 를 이용하여 측정
ASUS ProArt P16 (H7607, RTX Spark)
노트북의 기본은 휴대성! 슬림한 16인치 ProArt 노트북
스펙이 얼마나 좋든 기능을 얼마나 탑재했든 상관없이, 노트북은 기본적으로 휴대성이 중요할 것입니다. 특히 이동이 잦은 경우라면 두께와 무게 모두 신경이 쓰일 텐데요. ASUS의 전문가용 프리미엄 브랜드인 ProArt의 신제품이자, NVIDIA의 새로운 노트북 플랫폼 RTX Spark 브랜드로 출시된 ASUS ProArt P16 (H7607, RTX Spark)은 1.77 kg의 가벼운 무게와 12.9 ~ 15.9 mm의 얇은 두께를 갖춰 이동 작업이 많은 사용자의 부담을 크게 줄여줄 수 있는 제품입니다.
RTX Spark는 기본적으로 NVIDIA와 MediaTek이 공동 설계한 Grace CPU, Blackwell RTX GPU, 최대 128GB의 통합 메모리가 결합된 SoC(System on a Chip) 구조로 제작되기 때문에, 성능 향상은 물론 다이 크기 감소, 발열 및 소비전력 최적화 등 여러 면에서 이점을 갖추고 있습니다. 이에 따라 노트북의 성능 대비 슬림화가 무난하게 이루어졌을 것으로 여겨지며, 그 결과물 중 하나가 바로 ASUS ProArt P16 (H7607, RTX Spark)인 셈입니다.
슬림한 외형 외에 미니멀리즘 디자인, 차분한 느낌의 나노 블랙 색상 등 ProArt 브랜드의 기조를 충실히 따르고 있어 기존 ProArt 제품군을 사용 중이던 소비자에게 특히 매력적으로 다가올 제품으로 보입니다.
로컬 AI부터 콘텐츠 제작까지, RTX Spark
RTX Spark의 AI 성능에서 주목할 부분은 27B 규모의 대형 언어 모델을 노트북 내부에서 구동하면서도 대화형 AI로 활용할 만한 응답 속도를 보여준다는 점입니다. Artificial Analysis AgentPerf Local에서 Qwen3.8-27B는 첫 토큰 응답 시간의 중앙값 약 1.05초, 전체 작업 기준 출력 처리량 30.88 tokens/s를 기록했습니다. 이를 실제 사용에 적용하면 문서 내용을 질문하거나 코드에 대한 설명을 요청했을 때 AI가 비교적 빠르게 답변을 시작하고, 사용자가 생성되는 내용을 읽으며 다음 작업을 이어가는 방식을 기대할 수 있습니다. 특히 168회의 연속적인 추론 요청을 안정적으로 처리한 결과는 단순한 질의응답을 넘어, 긴 대화 기록과 작업 정보를 참고하면서 여러 단계의 업무를 보조하는 로컬 AI 환경에 의미가 있습니다. 요청에 따라 응답 시간이 길어질 수는 있지만, 클라우드 서비스에 의존하지 않고 노트북 자체에서 상당한 규모의 AI 모델을 활용할 수 있다는 점은 RTX Spark의 장점으로 볼 수 있습니다.
AI 에이전트 활용에서도 실용적인 가능성을 확인할 수 있습니다. MLPerf Client 2.0.1에서 Qwen3-8B를 이용한 소프트웨어 개발과 데이터 분석 작업은 실제 도구 실행을 포함해 각각 평균 45.07초와 56.08초의 처리 시간을 기록했습니다. 이는 사용자가 코드 분석이나 데이터 정리처럼 여러 단계를 거치는 작업을 지시한 뒤, AI가 필요한 도구를 활용해 과정을 진행하고 결과를 제시하는 형태의 사용 경험과 연결됩니다. 일반적인 질문에 즉시 답하는 것과는 다르지만, 사용자가 직접 여러 프로그램을 오가며 처리하던 과정을 AI 에이전트에 맡기고 그동안 다른 업무를 진행할 수 있다는 점에서 활용 가치가 있습니다. 실제 작업 시간과 결과의 정확성은 업무의 복잡도에 따라 달라지겠지만, RTX Spark가 단순한 AI 챗봇 실행을 넘어 개인용 작업 보조 에이전트를 운용하는 노트북으로 활용될 수 있음을 보여주는 결과입니다.
콘텐츠 제작에서는 이러한 AI 활용의 장점이 더욱 직관적으로 나타납니다. FLUX.2 Klein 4B는 1024×1024 해상도와 4단계 추론 조건에서 평균 37.70장/분, 이미지 한 장당 약 1.59초의 생성 속도를 기록했습니다. 모델을 불러오는 초기 준비 시간은 필요하지만, 생성이 시작된 이후에는 디자인 시안이나 삽화의 구도와 분위기를 바꾸며 여러 결과물을 빠르게 비교할 수 있습니다. 물론 생성 품질은 모델과 설정에 따라 달라지지만, 아이디어를 이미지로 구현하고 결과를 확인한 뒤 다시 수정하는 과정에서 대기 시간을 줄일 수 있다는 점은 분명한 이점입니다. 종합하면 RTX Spark는 대형 언어 모델과의 대화, 도구를 활용하는 AI 에이전트 작업, 이미지 생성이라는 서로 다른 영역에서 활용 가능한 처리 성능을 갖추고 있습니다. 특히 이러한 작업을 하나의 노트북에서 로컬로 수행할 수 있다는 점은 RTX Spark가 제시하는 새로운 AI PC 사용 경험의 핵심이라고 평가할 수 있습니다.
NVIDIA Blackwell RTX GPU와 DLSS로 준수한 게이밍 성능 제공
RTX Spark는 게이밍에 특화된 노트북은 아니지만, NVIDIA Blackwell RTX GPU와 DLSS 기술을 바탕으로 다양한 게임을 즐길 수 있는 그래픽 성능을 제공합니다. 일반적인 온라인 게임부터 비교적 높은 사양을 요구하는 AAA 게임까지 폭넓게 활용할 수 있으며, 고사양 게임에서는 FHD 해상도와 적절한 그래픽 옵션을 선택하는 것이 현실적입니다. 여기에 DLSS 초해상도와 프레임 생성 기술을 적용하면 QHD 해상도에서도 게임에 따라 큰 무리 없이 플레이할 수 있는 수준의 프레임을 기대할 수 있습니다. 레이 트레이싱과 NVIDIA Reflex 등 최신 게이밍 기술도 활용할 수 있어 화질과 반응 속도, 프레임 사이의 균형을 사용자의 취향에 맞게 조정할 수 있습니다. 게임만을 위한 제품이 아닌 노트북에서 최신 그래픽 기술을 활용해 다양한 게임을 즐길 수 있다는 점은 분명한 장점입니다.
RTX Spark의 차별점은 이러한 게이밍 환경에 CUDA 기반 로컬 AI와 AI 에이전트의 활용성을 더할 수 있다는 점입니다. AI 에이전트를 활용하면 게임 관련 정보를 검색하거나 공략과 설정을 정리하고, 플레이 이후에는 녹화한 영상을 요약하거나 편집 작업을 보조받는 등 다양한 방식으로 활용할 수 있습니다. RTX Spark는 특정 분야의 성능만을 강조하기보다, 게임과 콘텐츠 제작, 일상적인 PC 작업 전반에 로컬 AI를 연결해 사용자의 활용 범위를 넓혀주는 노트북이라는 점에서 의미가 있습니다.
무난하고 안정적인 발열·소음·소비전력
ASUS ProArt P16 (H7607, RTX Spark)은 휴대 사용을 전제로 한 슬림형 노트북으로, 앞서 언급했듯이 NVIDIA와 MediaTek이 공동 설계한 Grace CPU, NVIDIA Blackwell RTX GPU, 최대 128GB의 통합 메모리가 결합된 SoC(System on a Chip) 구조로 제작되어 있습니다. 또한 0dB 앰비언트 쿨링 기술이 적용된 듀얼 팬과 듀얼 히트파이프가 적용되어 있어 장시간의 작업 시 안정적인 성능 유지를 지향하고 있습니다.
전용 프로그램인 ProArt Creator Hub에서 저소음 / 표준 / 성능의 세 가지 모드를 설정할 수 있으며, 각 모드마다 소음, 온도, 소비전력에서 차이가 나기 때문에 환경에 맞춘 사용자의 선택이 가능합니다. 노트북의 특성상 일반 제품과 1:1 비교를 하기는 어렵지만, 전반적인 측정 수치는 크게 모난 부분 없이 무난한 결과를 보였습니다. 기존에 노트북을 사용했던 소비자라면 큰 위화감 없이 안정적으로 사용할 수 있겠으며, 휴대성 측면에서도 불편함을 느낄 일은 거의 없겠습니다.
AI 에이전트 시대, 달라지는 노트북, RTX Spark
AI 기술이 빠르게 발전하면서 노트북을 사용하는 방식도 달라지고 있습니다. 지금까지는 필요한 정보를 직접 검색하고 여러 프로그램을 실행해 작업하는 것이 일반적이었다면, 이제는 AI 에이전트에게 원하는 일을 설명하고 결과를 받아보는 방식으로 발전하고 있습니다. 예를 들어 매일 아침 관심 있는 뉴스를 찾아 요약하거나, 여행 일정을 계획하고, 여러 문서를 비교해 필요한 정보를 정리하는 일을 AI에게 맡길 수 있습니다. 반복적인 업무를 자동화하거나 간단한 프로그램을 직접 만들어 사용하는 것도 가능합니다. 물론 AI 에이전트는 사용하는 모델과 실행 환경, 작업의 종류에 따라 성능과 결과가 크게 달라지기 때문에 기존 CPU & GPU 벤치마크처럼 하나의 수치로 평가하기는 어렵습니다. 하지만 전문적인 지식이 많지 않은 사용자도 AI의 도움으로 다양한 작업을 쉽게 처리할 수 있다는 점에서 앞으로의 발전이 기대되는 기술입니다.
이러한 흐름 속에서 등장한 RTX Spark의 가장 큰 장점은 강력한 AI를 자신의 노트북에서 직접 실행할 수 있다는 점입니다. Blackwell RTX GPU와 Grace CPU, 최대 128GB 통합 메모리를 갖춰 기존 노트북에서는 GPU 메모리 부족으로 실행하기 어려웠던 대형 AI 모델도 활용할 수 있습니다. 예를 들어 개인 문서나 업무 자료를 외부 서버에 업로드하지 않고 분석하거나, 수백 장의 사진과 다양한 파일을 정리하고, 자신만의 AI 에이전트로 반복적인 작업을 수행할 수 있습니다. 특히 로컬 AI는 클라우드 서비스와 달리 토큰 사용량에 따른 별도의 API 요금이 없어 AI를 자주 사용하는 사용자에게 유리할 수 있습니다. 여기에 Windows의 다양한 프로그램과 AI 에이전트를 연결하고, 필요에 따라 클라우드 AI나 다른 컴퓨터의 연산 능력까지 활용할 수 있습니다. 기존 노트북의 게임과 사진, 영상 편집 기능에 자신만의 AI 비서까지 더할 수 있다는 것이 RTX Spark가 제공하는 새로운 경험이 될 것입니다.
특히, NVIDIA는 이번 Editor's Day에서 이러한 기술을 실제 생활에 어떻게 활용할 수 있는지 보여주었습니다. AI가 매일 관심 있는 정보를 수집하고, 이전에 진행하던 작업을 기억해 다음에 해야 할 일을 알려주거나, 사진과 영상 편집을 도와주는 모습이 대표적입니다. 앞으로는 집안의 스마트 기기를 관리하고 사용자의 생활 패턴에 맞춰 필요한 작업을 수행하는 가정용 AI 에이전트로도 활용할 수 있을 것입니다. 물론 아직은 AI의 정확도와 안정성, Windows 프로그램 호환성 등 해결해야 할 과제도 남아 있습니다. 하지만 노트북이 단순히 프로그램을 실행하는 도구에서 사용자의 일상과 업무를 함께 도와주는 개인용 AI 파트너로 발전한다는 점은 충분히 흥미롭습니다. RTX Spark는 이러한 미래를 조금 더 가까이에서 경험할 수 있는 새로운 선택지입니다. 앞으로는 노트북을 평가할 때 성능뿐 아니라 AI가 우리의 시간과 노력을 얼마나 줄여주고, 일상을 얼마나 편리하게 만들어 주는가로 평가하는 시대가 찾아올지도 모르겠습니다.
노트북의 새로운 미래를 제시하다!
ASUS ProArt P16 (H7607, RTX Spark)
