隨著 NVIDIA RTX Spark 筆電在上週開賣，2026 年也正式進入地端 AI 運算世代。過去使用 AI，多半是輸入問題、等待回答，再自己把內容搬進文件或軟體；如今 AI 代理 (Agent) 已能自行拆解任務、呼叫工具，搭配不同模型分工，接手寫作、資料整理與程式開發，甚至是與創意軟體串連。當需要反覆讀取資料、推論與修改內容，雲端用量也跟著累積，把固定、反覆執行的工作交給地端模型，就成了掌握運算資源與資料處理方式的新選擇。
先前陳拔、布萊恩已前往美國舊金山參加 NVIDIA RTX Spark Editors Day，站上也陸續帶來 RTX Spark 平台介紹、AI 代理與效能跑分測試，這次 JB 則從實務角度出發，邀請著作上百本書的 AI 專家胡嘉璽，分享他如何用 Agent 協助寫作、研究與管理行程，並聊聊搭載 RTX Spark 的全新 ASUS ProArt P16/P14，能為這類追求 AI 代理的使用者帶來什麼幫助、如何在真實情境中發揮價值？
胡嘉璽早在 2014 年便投入 AI 相關工作，經歷過製造業缺陷檢測與文件分析等大型專案，目前則活躍於寫作、教學與顧問工作。長期混合使用本機運算設備與雲端模型的經驗，讓他評估 ProArt P16 時格外關注整套既有工具能否無縫銜接，以及哪些工作值得從雲端搬回本機。
在進入胡嘉璽的 workflow 分享之前，JB 想先談談 ProArt P16 本身的定位。同樣搭載 RTX Spark 平台的筆電，各 OEM 廠也都爭相推出，因此消費者在選購時，還要看螢幕、攜帶性、儲存擴充與軟體配套是否符合自己的工作習慣。ProArt P16 比較吸引我的地方，就在於它把地端 AI 運算能力，放進一台以創作需求為核心的 16 吋筆電裡，對同時需要執行模型、整理素材與檢查作品的人，這些設計會直接影響每天的使用方式。
首先是大螢幕與攜帶性的平衡，ProArt P16 配備 16 吋 4K OLED 觸控螢幕，機身重量控制在 1.77 公斤，最薄處為 12.9mm。以 JB 的角度來看，這套配置的吸引力，在於外出時仍能保有較大的檢視畫面：例如比較不同版本的 AI 生成圖片、檢查人物與物件細節，或是在創作軟體中同時查看素材、預覽與工具面板，都有更充裕的操作空間。螢幕支援 100% DCI-P3 色域與 PANTONE 色彩認證，也延續了 ProArt 對影像創作的重視，對希望把運算與作品檢查都放在同一台筆電上完成的人，螢幕就是值得納入選購的條件。
另一項 JB 認為很實際的設計，是機身提供兩組 M.2 SSD 插槽(包含已使用的插槽)，讓後續儲存擴充保有彈性。開始使用地端 AI 之後，除了原本的照片、影片與專案，還會逐漸累積不同模型及生成成果，模型能不能載入記憶體是一回事，這些檔案要放在哪裡，也需要提早規劃，而第二組插槽讓使用者能增加容量，或依習慣分開存放系統與工作資料，減少所有內容都擠在同一顆 SSD 的情況。搭配 SD Express 7.0 讀卡機，對經常帶著相機外出、回到電腦就要匯入素材的創作者而言，這些都是很貼近工作現場的配置。
軟體則是 ProArt 筆電別具品牌特色的部分。華碩自研的《MuseTree》提供創意發想與影像生成工具，《StoryCube》協助匯入、預覽及分類照片與影片，這些配套的價值，在於替使用者準備了幾個明確的應用入口：有靈感時能嘗試生成內容，素材累積後有工具協助整理，進入製作階段也能調整電腦與顯示設定。這些工具讓創作與素材管理都有對應的軟體支援，也成為比較同平台筆電時，ProArt 值得留意的特色。
華碩也規劃推出自家的 AI 代理「Zenni Claw」，進一步延伸創作與代理應用的整合；目前功能尚未開放，這就有待日後推出後再檢視完整體驗。此外，ProArt 新機的預購登錄活動也搭配第三方地端 AI 軟體《Armor EdgeAI》。從內建工具到合作軟體，可以看出華碩對軟體生態系的積極投入。至於 ProArt P16 這套配置如何接進已經建立好的 AI 工作流程，胡嘉璽的使用經驗，就提供了更具體的觀察角度。
要理解胡嘉璽為什麼需要這類電腦，可以先從準備講課資料的流程看起。他會將自己的用詞習慣、台灣繁體中文要求與事實查核規則，整理成 AI 代理能沿用的工作指引與 Skill。準備講座簡報或上課教材時，先交代主題與內容需求，讓代理研究資料、提出大綱；方向確認後，再協助整理內容與檢查文字，最後由自己逐項閱讀、修改，補上教學所需的經驗與觀點，把關教材的正確性與呈現方式。
準備軟體操作教材時，擷取示範畫面也是一項繁瑣的工作。胡嘉璽會搭配 Computer Use，讓代理點選軟體功能、開啟視窗並擷取圖片，也曾透過遠端連線操作 ProArt P16。將需要的操作步驟與畫面要求交代清楚，便能讓 AI 代理協助完成截圖，最後再由他檢查圖文是否對得上、操作內容是否正確。
這套備課流程採本機與雲端搭配，既有規則與 Skill 也能沿用到本機模型，讓資料準備、內容整理與圖片製作有一致的工作要求。對 JB 來說，這個例子有意思的地方，在於講師把備課過程中反覆出現的步驟整理成流程，交由代理協助處理，自己則保留教學方向與最後品質的決定權。
教材的文字也需要符合講師的表達習慣。AI 產出的內容即使沒有錯字，用詞、語序或語氣仍可能需要調整；如果每次準備資料都要重新交代「請用台灣慣用語、不要出現制式的 AI 腔」，省下的時間又會花在反覆溝通。將確認過的標準保留在工作指引裡，就能讓後續教材沿用，人工檢查發現的問題也能持續補進規則。
在胡嘉璽出差期間，他還直接使用 P16 上的本機代理，協助與旅行社往返溝通改票事宜。先交代希望搭乘的航班與商務艙條件，AI 代理接著就會讀取 Gmail 來信、對照對方提出的方案，以英文接續回覆(是說這裡處理的是改票郵件溝通，模型在本機判讀與生成，信件仍透過 Gmail 連網收發)。他形容 Agent 回信的英文很道地，自己也不必每收到一封信，就停下來重新整理要求、組織英文，自己也可以放心去做其他事情。
文件整理、翻譯與影片字幕，也是胡嘉璽的常用任務。例如交給 AI 代理一個影片連結，再由工具取得素材、處理字幕與摘要，便能把原本分散在不同程式裡的操作串起來。這些案例讓我們看見，當 AI 開始讀取檔案、呼叫工具並接續處理任務，使用者需要的電腦環境，也會跟著改變。
談到這台 20 幾萬元的 RTX Spark 筆電所帶來的改變，胡嘉璽認為方便性明顯大增，他原本就有獨立的本機運算設備(如 DGX Spark 及 mini PC，都是要接上螢幕、鍵盤滑鼠的)，但模型部署在另一台機器上，仍需要用電腦連線進去，才能下指令、看結果與處理檔案。ProArt P16 則把模型、128GB 記憶體與日常操作介面放在同一台設備上，適合本機執行的工作，開啟筆電就能接著做。
這也是他看待 RTX Spark 的出發點，平台整合了 NVIDIA Grace CPU、Blackwell RTX GPU 與最高 128GB 統一記憶體，搭配 Windows 工作環境；對胡嘉璽而言，吸引力在於大容量與熟悉的 NVIDIA 開發工具同時到位。過去使用獨顯來跑大型語言模型，他熟悉 CUDA 的便利，卻也碰過顯示記憶體限制模型選擇的問題；換到其他環境(像是 Mac)，則得重新考慮框架、套件與工具的銜接。
這種差異，在安裝工作環境時特別有感。他平常習慣透過命令列與 Python 工具串接任務，過去常要找適合的 Python 套件、驅動程式或替代方案，原本只是要完成一件事，卻還要先花時間處理工具能不能用。這次使用 ProArt P16，他以 pip install 為例，形容自己需要的套件能透過熟悉的指令完成安裝，部署過程比過去更為順手。
對經常試 AI 模型(上圖為 Hermes Agent 的模型切換示意)、寫程式與調整代理流程的人，少掉這些尋找與設定的工夫，就是很實際的效率；而對開發者，這還延伸到以自有資料集進行小型模型微調的用途，胡嘉璽以企業資料不適合交給外部服務為例，提出在本機準備資料、利用 PyTorch 等工具調整模型，再檢查結果的方向。適合的模型規模與微調方法仍須依資源配置選擇，但同一台設備能兼顧模型使用與開發實驗，正是這類工作者關注的平台價值。
Windows 作業系統則銜接了另一端的日常工作：他需要與學生、同事及客戶交流，代理完成的文件或程式，仍要打開軟體檢查、修改與交付。模型工具與工作檔案在同一台電腦上，便能減少跨設備連線和搬移成果的步驟。
一般高階創作筆電同樣能執行本機 AI，差別首先在於能容納什麼規模的模型。傳統獨顯配置將系統記憶體與顯示記憶體分開，即使筆電裝有大容量記憶體，GPU 的專用顯示記憶體仍有自己的上限。以 NVIDIA 官方規格為例，GeForce RTX 5080 Laptop GPU 配備 16GB GDDR7 顯示記憶體，RTX 5090 Laptop GPU 則為 24GB，這與筆電另行配置的系統記憶體是兩個不同的資源池，系統記憶體很大，並不等於 GPU 同時擁有相同容量的專用顯示記憶體。
可以用一個簡化的計算理解這件事。假設一個 700 億參數模型的全部權重都以 4-bit 儲存，光是權重的理論資料量就是約 35GB，而 1200 億參數則約為 60GB，這還沒算量化所需的額外資料、推論暫存與上下文。這是容量示意，不是特定模型的實測占用，但已能看出為什麼有些模型即使經過量化，也放不進 24GB 顯示記憶體。
一般獨顯筆電仍能透過 CPU 與 GPU 混合推論，把部分模型留在系統記憶體，或選擇較小模型、調整量化與上下文設定，像 llama.cpp 就支援 CPU+GPU 混合推論。但這些做法也讓使用者必須在模型規模、速度與記憶體配置之間取捨，無法只靠換上一顆更高階的 GPU，就直接跨過容量限制。
ProArt P16 的 RTX Spark 則將 Grace CPU、Blackwell RTX GPU 與最高 128GB 統一記憶體整合起來，讓 CPU、GPU 工作共用記憶體資源。128GB 仍須供作業系統、應用程式及推論使用，並非全是模型專用空間，而它帶來的實際改變，是將可供模型與工作資料運用的容量，拉到不同於一般高階筆電獨顯的規模，這也回答了它與前者的差異：它讓較大規模的本機 AI 工作，有機會在隨身電腦上安排，不必每次都為了容量縮小模型或轉往其他設備。
在 64GB 與 128GB 之間，胡嘉璽建議有 AI 代理需求的人「直上 128GB」。他的理由是，既然買這台電腦的主要目的包含本機模型，就希望先保留足夠容量，再依工作選擇模型。訪談中，他也透過模型部署參考頁面，查看不同記憶體配置對應的選項，將容量與能採用的模型連在一起。
而 Agent 工作需要的空間，還不只有模型本身。回到前面的備課流程，代理得讀取工作指引、教材內容與修訂要求，也要接收工具回傳的結果；準備示範圖片時，操作的軟體與檔案同樣需要資源。胡嘉璽以 Blender、Premiere 等創作工具舉例，說明模型與應用程式必須一起考慮：模型負責判斷下一步，實際工作仍需由工具完成。
若讓多個 AI 代理分工，可以想成同一個模型被分派去扮演不同工作角色，例如一個負責整理教材、一個負責檢查內容，是否能派出子代理、如何傳遞結果，以及每個任務保留多少內容，都與外層執行環境有關。增加 Agent 數量，不一定代表必須在記憶體中複製同樣數量的完整模型，但各自的上下文與推論過程仍會使用資源。
如果工作同時包含文字、圖片與影音，則可能需要載入不同類型的模型。這時，128GB 統一記憶體提供的空間就更有意義：除了模型權重，還要考慮上下文、KV cache 等推論暫存，以及實際執行任務的軟體，能不能把模型載進去是第一步，留出足夠資源讓整個流程跑完，才是工作上的需求；128GB 提供較充裕的配置空間，實際能同時執行的任務，仍取決於模型與應用程式的資源需求。
胡嘉璽也談到自己安排任務分流的做法，依照工作難易度，交由本機、區域網路中的運算設備或雲端模型處理。對他而言，沒有必要把每個簡單任務都送到最高階的模型，模型選擇可以隨需求改變，而 ProArt P16 則成為這套環境中，能隨身攜帶並執行本機任務的一端。
實際分配方面，胡嘉璽也肯定了《MyASUS》的預設動態配置(當然也可以用上圖的《NVIDIA APP》調，128GB 記憶體的版本最高可以設定至 96GB)，事先把容量固定切開，反而可能讓某個環節遇到上限，這項心得也很貼近他的工作方式：任務會在備課、工具操作與素材處理之間切換，他希望資源能配合工作，不必一直手動重設。
記憶體容量提供選擇空間，執行速度則仍要看模型、推論軟體與實際任務。對模型原本就能完整放進獨顯記憶體的工作，不能直接以 128GB 推論它一定更快(一些較簡單的任務反而用小模型來跑會比較有效率)；胡嘉璽優先選大容量，主要是希望較少受到模型部署空間的限制。
談到 AI，很多人第一個想到的是 Token 費用，但胡嘉璽更重視資料如何處理。他以涉及攝影機控制資訊的保全系統開發為例，說明遇到客戶機密不適合交給外部模型服務的專案，就會選擇本機處理。即使比常用雲端方案花更多時間，只要能完成任務，仍符合這類工作的優先順序。
他也提出企業文件整理的情境：同一項工作可能有多份 Word、Excel、PDF，還有要對照的照片，內容包含個資與內部資訊，承辦人希望利用 AI 歸納，卻不能隨意把整批資料上傳。這時，本機模型搭配文件工具，就提供了在自有設備上整理內容、準備摘要與報告的方式，再交由人員核對。
為了讓 AI 代理能在適當範圍內工作，他則採用 Sandbox (沙盒)的方式限制代理能接觸的資源，將可讀取的資料夾、可使用的工具及網路存取範圍先界定清楚，才能讓代理能力配合工作要求。本機部署的價值，在於使用者能更直接安排資料與執行環境；需要連網收信的任務，與處理敏感專案的任務，也應各自設定合適的存取方式。
這並不代表他已經把全部工作搬離雲端，依胡嘉璽的自述，目前大約採七成雲端 AI、三成地端 AI 的配置，本機常處理文件、翻譯與字幕，較高難度或要求速度的程式工作則經常使用雲端。反覆執行且適合本機 AI 的推論，可以減少這部分對雲端 Token 用量的依賴；當遇到需要高階模型能力的工作，仍保留雲端資源。
這樣的分工，也讓 ProArt P16 的用途更明確。使用者可以依資料性質與任務需求決定執行位置，而不用因為手邊只有雲端服務，就把所有內容採取同一種處理方式，對有客戶專案、內部文件或其他資料管理要求的人，這份選擇權比單純計算每次推論費用更重要。
平台與模型能否配合，是開始使用的條件；每天願不願意帶著這台電腦工作，則與硬體（螢幕、鍵盤）及行動使用感受有關。胡嘉璽對 ProArt P16 的第一印象，就是機身外觀完全對得起 20 多萬元的售價，後續使用也特別肯定鍵盤的打字手感。對需要長時間整理與修改教材的人，即使代理已協助準備內容，最後仍要自己閱讀、修正與補充，鍵盤每天都用得到。
大螢幕也是他明確提到的優點，尤其閱讀文字時更舒服，ProArt P16 配備 16 吋 OLED 觸控螢幕，對他的教學工作而言，閱讀教材、對照資料與確認操作圖片，都需要足夠的觀看空間。代理協助整理內容與圖片後，仍由他在同一台電腦上完成檢查，這也讓螢幕成為整段備課流程的一部分。
續航方面，他分享，在沒有大量執行本機 AI 的一般授課情境下，P16 能支應一整天使用，不需要一直找插座。需要進行地端 AI 推論時則是另一種負載，訪談現場展示 Hermes Agent 運行也能聽到風扇轉速提高。因此，這裡的一整天是他的授課經驗；他的日常節奏包含上課、備課、文件處理與啟動本機模型，筆電需要配合不同工作的切換。
行動使用的價值，也不限於旅途中臨時處理事情。胡嘉璽提到居家與辦公室之間的工作轉換，當模型、工具與專案放在同一台筆電裡，就能帶著原有環境移動；若模型、檔案與所需工具已準備好，不依賴外部服務的任務，也能離線進行。相較於每次都要連回另一台運算設備(如胡嘉璽家中的 DGX Spark)，這種安排更符合他想把工作電腦直接帶走的需求。
模型與素材累積之後，儲存擴充也有實際用途。ASUS 台灣官方規格列出 ProArt P16 共有兩個 M.2 2280 插槽(包含已使用的插槽)，可供規劃後續儲存配置。不同模型版本、量化檔案與工作素材都會占用空間，選購時除了記憶體，也要替長期保存的資料留位置~
胡嘉璽對 ProArt P16 的肯定來自他已經知道自己要用 AI 做什麼，寫作規則、備課所需的工作指引與工作方式都已建立，他需要的是能容納合適模型、接上既有開發環境，也能每天帶著使用的電腦。RTX Spark 筆電提供大容量統一記憶體與 NVIDIA 工具生態的組合，ProArt P16 的操作與行動條件則讓這套環境更容易進入日常。
除了已經使用本機地端 AI 代理的人，他也看好有自有資料集、想調整小型模型的開發者與研究者，這類用途需要依模型規模與微調方法安排資源，但反映出他對產品的另一項期待：同一台設備除了使用模型，也能承接合適規模的開發實驗。
對讀者而言，選購時可以從自己最常執行的一段完整工作開始，確認需要的模型、工具與資料量，再判斷容量和機身是否合適，需要較大型本機模型，又經常做研究、管理知識、需要修改長篇內容的人，會比較容易理解他為什麼偏好 128GB 統一記憶體與 ProArt P16 的大畫面；若主要需求仍是一般剪輯、修圖或使用雲端 AI，那倒沒有一定要買到 RTX Spark，一般的 ProArt 也能交付任務(但如果是要用地端 AI 去串創意應用的情境，就會很需要了)。
這次訪談最值得留下的，是胡嘉璽對「方便」的具體解釋：少花時間找工具的替代方案，少在不同設備間搬移工作，也讓適合留在本機的任務有地方執行。當這些麻煩正好出現在你的工作裡，ProArt P16 的價值就會比一串規格數字更清楚了。
對於清楚知道自己要用 AI 做什麼、追求極致工作效率與完整工具鏈的專業人士來說，華碩 ProArt 系列或許不是價格最低的選擇，卻是將 RTX Spark 平台潛能發揮得最為全面、且軟體體驗最完整的旗艦之作。
最後，對 NVIDIA RTX Spark 平台、或是 ASUS ProArt P16 (64GB 記憶體版本)效能感興趣的朋友，也可參考陳拔與布萊恩兩位大大的測試文：
【Part1】要價超過 18 萬的筆電能玩什麼？NVIDIA RTX Spark Editors Day 美國舊金山現場揭密
【Part2】要價超過 18 萬的筆電能玩遊戲嗎？ NVIDIA RTX Spark 遊戲效能實機測試
【Part3】要價超過 18 萬的筆電能幫你自動剪影片？ NVIDIA RTX Spark AI 新手實戰
NVIDIA RTX Spark 輕薄筆電測試報告｜AI 生成、內容創作與遊戲效能真能一機搞定？！
感謝分享&介紹，ASUS ProArt P16 下單就對了 
