Nvidia Mengusulkan Sistem CPU Monster untuk Windows PC

 (twitter.com/lemire)
2 poin oleh GN⁺ 4 jam lalu | 1 komentar | Bagikan ke WhatsApp
  • Sistem berkinerja tinggi NVIDIA untuk Windows PC mengusung konfigurasi chip dengan memori bersama 128GB yang dipakai CPU·GPU secara bersamaan dan menyediakan hingga 6.144 CUDA core
  • CPU memiliki 10 performance core dan 10 efficiency core, dengan performance core berbasis Cortex-X925; SVE2 berada di bawah chip AMD terbaru tetapi lebih baik daripada Apple Silicon
  • Pembeda utamanya adalah memori terpadu yang tidak memisahkan memori CPU dan GPU; meski lebih lambat daripada memori GPU khusus, strukturnya menargetkan kebutuhan bandwidth dan biaya untuk menjalankan model AI lokal
  • Ada pandangan bahwa permintaan untuk menjalankan model AI lokal masih merupakan aplikasi niche, dan ada pula pandangan bahwa memori bersama 128GB bisa lebih penting daripada puncak GPU TFLOPs untuk eksperimen skala mahasiswa
  • Titik perbandingannya mencakup AMD Strix Halo, Intel Xe3P AI GPU, dan AVX-512 pada prosesor AMD terbaru, serta keterbatasan bahwa RAM yang disolder sulit diganti setelah pembelian

Spesifikasi sistem dan struktur memori

  • Sistem CPU untuk Windows PC yang diajukan Nvidia hadir dengan memori bersama 128GB dan hingga 6.144 CUDA core terbaru
  • CPU terdiri dari 10 performance core dan 10 efficiency core, dengan performance core berbasis Cortex-X925
  • SVE2 pada Cortex-X925 dibandingkan berada di bawah chip AMD terbaru dari sisi spesifikasi, tetapi lebih baik daripada Apple Silicon
  • Prosesor AMD terbaru semuanya mendukung AVX-512, dan AVX-512 dibandingkan jauh lebih unggul daripada SVE2 pada Cortex-X925, dapat memproses lebih banyak data, serta lebih serbaguna
    • Intel sejauh ini bersikap hati-hati dalam menghadirkan AVX-512 pada sistem konsumen
  • Memori terpadu 128GB adalah pendekatan yang memakai satu pool tunggal alih-alih memori terpisah untuk CPU dan GPU, struktur yang sama seperti jalur yang dipilih Apple beberapa tahun lalu
  • Memori terpadu makin populer dan, meski tidak lebih cepat daripada memori GPU khusus, memiliki keunggulan karena cukup murah untuk menyediakan bandwidth yang memadai bagi eksekusi model AI lokal
    • Ada pandangan bahwa pada RAM terpadu, data tidak perlu dikirim antara CPU dan GPU, dan karena semuanya berada dalam satu pool memori, rasanya seperti operasi zero-copy
  • Bagaimana Intel dan AMD akan merespons menjadi hal yang menarik untuk diamati
Iklan

Beragam pendapat terkait

  • Belum jelas seberapa besar permintaan untuk menjalankan model AI lokal, dan untuk saat ini masih merupakan aplikasi niche
  • Ada penilaian bahwa sistem ini bisa menjadi mesin yang bagus untuk video game, sementara ada bantahan bahwa ini dirancang untuk model besar, bukan gaming, sehingga mungkin tidak sebaik yang dibayangkan untuk game
  • Ada klaim bahwa dalam eksperimen skala mahasiswa, memori bersama 128GB bisa lebih penting daripada puncak GPU TFLOPs, dan dapat mengubah model serta workload apa yang bisa diuji secara lokal
  • Trade-off-nya, RAM tidak bisa diganti nanti dan semuanya disolder
  • Soal kebutuhan kapasitas memori, ada pendapat bahwa 128GB tidak cukup dan menginginkan 256GB atau 512GB, ada juga yang berpendapat bahwa “beast” untuk pekerjaan AI memerlukan setidaknya 512GB, bahkan ada yang menginginkan opsi memori terpadu 1TB
    • Jawaban singkat penulis tentang alasan memilih 128GB adalah "biaya"
  • Terkait sistem operasi, ada keluhan bahwa ini tidak menjalankan “regular Windows”, disertai kekecewaan terhadap OS, dan usulan untuk memasang Linux
  • AMD Strix Halo adalah produk serupa dengan memori terpadu 128GB dan iGPU besar, serta menjadi pembanding dengan AVX-512 pada Zen 5 desktop
    • Dari pengalaman menggunakan AMD Strix Halo selama beberapa bulan untuk homelab LLM lokal, menjalankan LLM kelas prosumer memang memungkinkan, tetapi bottleneck sebenarnya adalah bandwidth memori
    • Untuk chip Nvidia baru ini, diajukan kebutuhan bandwidth memori di atas 300GB/s
  • RTX5090 bisa lebih murah untuk model kecil yang lebih cepat jika sudah memiliki desktop, sementara lini board ini lebih cocok untuk model lokal yang lebih besar
  • Keunggulan menjalankan AI secara lokal adalah tidak mengirim data rahasia dan data pelanggan ke pihak ketiga dengan tanggung jawab yang tidak jelas, menghindari langganan SaaS dan harga token, serta terhubung dengan skenario di mana model lokal mempelajari perilaku penggunaan PC untuk mengeksekusi pekerjaan
  • Model lokal dapat berjalan sebagai fungsi yang tidak terlihat oleh pengguna, dan pekerjaan yang membutuhkan kecerdasan lebih tinggi atau konteks lebih banyak dapat di-offload ke jarak jauh
  • Intinya bukan model lokal itu sendiri, melainkan platform perangkat lunak yang mendukung aplikasi AI terintegrasi, serta cara menjaga desktop tetap relevan
  • Contoh bahwa menjalankan Google Chrome bisa menjadi use case AI lokal merujuk ke dokumentasi Chrome built-in AI
  • Item pembanding Intel Xe3P AI GPU mencakup 160GB LPDDR5X, kemungkinan hingga 480GB, antarmuka memori 640-bit, konfigurasi PCIe x16: https://tomshardware.com/pc-components/gpus/…

Bacaan terkait

1 komentar

 
GN⁺ 4 jam lalu
Komentar Hacker News

  • Pool memori terpadu tampaknya akan terus menjadi “game changer”, terutama untuk arsitektur sistem di luar data center
    Game modern atau beban kerja konsumen sebenarnya juga tidak sepenuhnya memakai bandwidth PCIe GPU atau bandwidth memori GDDR, dan untuk AI lokal pun manfaat memori yang lebih cepat tidak terlalu besar bagi konsumen rata-rata
    Memori terpadu memungkinkan optimasi pemanfaatan sesuai kebutuhan, dan menurunkan biaya total memori pada perangkat kecil dan portabel karena tidak perlu memikirkan pembagian GDDR/DDR secara terpisah
    Kekurangannya adalah keamanan, karena serangan side-channel memori di sisi GPU atau CPU bisa merambah ke sisi lain, jadi desain keamanan memori tampaknya akan makin penting ke depan, dan ini terlihat seperti arah yang bagus bagi para pendukung Rust

    • Pernyataan tentang “memaksimalkan pemanfaatan” bandwidth PCIe GPU atau bandwidth GDDR agak membingungkan
      Dalam game, yang penting bukan menyaturasi hardware, melainkan menghasilkan output yang konsisten dalam batas waktu frame
      Bahkan jika ingin menyaturasi 5090 dengan game, pasar sasarannya kecil, dan agar frame rate tercapai, spesifikasi nyata pengguna juga harus bisa berjalan sebaik mesin pengujian
    • Dari sudut pandang developer game, alasan game modern tidak bisa memakai seluruh bandwidth GPU bukan karena malas, melainkan karena itu memang sangat sulit
      Salah satu perbedaan terbesar antara konsol generasi sekarang dan PC generasi sekarang adalah memori terpadu
    • Jika perangkat dibuat tidak bisa di-upgrade, produsen jadi lebih mudah memaksakan segmentasi pasar dan menambahkan premium besar untuk upgrade RAM kecil, seperti Apple
    • Argumen ekonominya kurang meyakinkan
      Untuk 99% pekerjaan, memori sistem yang dibutuhkan setidaknya satu digit kali lebih besar daripada memori GPU, dan sebagian besar sistem hampir tidak memerlukan memori GPU lebih dari yang dibutuhkan untuk video, browsing, dan sejenisnya
      Munculnya use case baru tidak otomatis membalik struktur itu sepenuhnya; kalau sekarang butuh 128GB dan AI lokal juga butuh 128GB, maka untuk terus melakukan keduanya tetap perlu 256GB
      Justru ini lebih mirip argumen bahwa memori semahal itu sebaiknya tidak dipakai di GPU, dan untuk inferensi saja mungkin memang benar
    • DRAM yang dioptimalkan untuk penggunaan CPU dan DRAM yang dioptimalkan untuk penggunaan GPU bentuknya cukup berbeda
      Dalam arsitektur memori terpadu, banyak performa yang harus dikorbankan; dalam situasi tertentu masuk akal, tetapi ini bukan solusi serbaguna

  • Saya tidak tahu berapa banyak orang yang menjalankan model AI secara lokal, dan ini masih terlihat seperti ceruk, tetapi melihat rilis Gemma baru-baru ini, dari sisi biaya saja kemungkinan menjalankan sebagian model secara lokal sudah makin besar
    Jika mempertimbangkan keamanan perusahaan, itu makin masuk akal, tetapi saya tetap tidak begitu paham kenapa arsitektur seperti ini bagus untuk gaming, jadi saya meragukan keseluruhan kalimat di tulisan aslinya
    Tambahan lagi, menempelkan frasa seperti “Stanford/Elsevier 2025 top 2% ilmuwan dunia, top 1000 developer GitHub” di mana-mana justru terasa kontraproduktif

    • Ini terdengar seperti versi 2026 dari ucapan Ken Olsen bahwa “tidak ada alasan untuk punya komputer di rumah”
    • Kalau saya melihat frasa seperti itu di biodata pribadi, itu terlihat seperti banner yang mengatakan bahwa semua ucapannya harus dibaca dalam konteks promosi diri
    • Untuk sebagian besar tugas, Qwen 3.6 jauh di depan Gemma
      Saya sudah mendistribusikannya ke beberapa MacBook M5 dan dalam banyak tugas itu benar-benar berguna
      Memang belum bisa menggantikan model sekelas Opus atau Sonnet generasi sekarang, tetapi kualitasnya mengejutkan untuk ukurannya, dan tampak setara dengan era Sonnet 4 atau sedikit sebelumnya
      Dalam tool calling, coding, dan tugas agent, model ini jauh lebih stabil daripada model Gemma, dan terutama lebih cepat saat memakai MTP
    • Mayoritas pembaca HN mungkin bukan target promosi dirinya, tetapi jelas ada targetnya dan sepertinya cukup efektif sampai taraf tertentu
    • Sulit dipercaya bahwa menjalankan model di laptop akan menjadi lebih murah daripada di data center
      Saya tidak paham kenapa economies of scale seperti pada beban komputasi lain tidak berlaku di sini

  • Saya tidak ingin meremehkan pekerjaan penulisnya, tetapi tulisan ini terasa seperti ditulis hanya dengan melihat tabel spesifikasi, bukan dari peninjauan yang benar-benar mendalam
    Jumlah core-nya memang sama dengan 5070 mobile, tetapi bandwidth puncak bersama dan TDP puncak bersama masing-masing hanya sekitar 2/3-nya, jadi performa GPU murninya kemungkinan hanya sekitar setengah dari unit dedicated
    Apple memang tidak punya SVE2, tetapi punya AMX privat dan SME, dan saya tidak mengerti kenapa SVE2 dianggap akan lebih cepat daripada SME
    Jenis core tunggal memang dibahas, tetapi konfigurasi keseluruhannya tidak, dan bagaimana DGX Spark dibandingkan dengan chip Apple sebenarnya sudah diketahui sejak setahun lalu
    CPU-nya kira-kira setingkat M3 Pro, komputasi GPU-nya berada di antara M4 Pro dan M4 Max jika bandwidth dikesampingkan, dan satu-satunya keunggulan nyatanya hanyalah bisa menjalankan CUDA
    Saat rilis, kemungkinan akan tertinggal 2–3 generasi dari Apple dan 1 generasi dari AMD, dan NIC yang bisa mengikat beberapa unit bersama—yang juga merupakan salah satu kekuatan DGX Spark—juga tidak ada di sini

    • Kelebihan lain dibanding Apple adalah prefill
      Di Spark, ini jauh lebih cepat daripada di M5 Max, dan jika dibandingkan dengan model yang sama, kuantisasi yang sama, query yang sama, dan pengaturan vllm yang sebisa mungkin sama, pada pekerjaan dengan prompt besar dan kemungkinan cache rendah, satu Spark sering kali sudah selesai menjawab sebelum MBP menyelesaikan prefill
    • Komputasi GPU yang dimaksud di sini tampaknya membayangkan tugas yang bergantung pada bandwidth memori, seperti generasi token
      Dalam hal itu Apple memang unggul, tetapi performa komputasi GPU Spark jauh lebih tinggi daripada 17 FP32 TFLOPS milik M5 Max, kira-kira sekitar 2 kali lipat
      Ia memiliki 6144 CUDA core seperti 5070 desktop, dan karena diperlambat oleh memori yang lebih lambat serta TDP yang lebih rendah, hasilnya sekitar 29,7 dibanding 31 FP32 TFLOPS pada 5070
    • Lemire punya minat yang sangat sempit pada SIMD CPU, jadi dalam ceruk itu ini mungkin menarik
      Secara keseluruhan, Spark lumayan, tetapi tidak luar biasa
    • Ini jelas fluff, dan tweet tak bernilai ini bisa naik ke halaman depan HN tampaknya karena kebiasaan mengkultuskan orang tertentu dan memperlakukan semua ucapan mereka seperti nubuat
      Rasanya seperti baru sekarang menyadari chip yang sebenarnya sudah lama dikenal industri, hampir tidak tahu apa-apa tentang produk pesaing, lalu mengunggah kata-kata seperti “BEAST” dan “GAME CHANGER”
      Kalau ditanya apakah DGX Spark juga game changer, kebanyakan jawabannya adalah kekecewaan besar, dan satu laptop Nvidia yang mahal tampaknya tidak akan mengubah keadaan

  • Qualcomm Snapdragon X2 Elite Extreme jauh melampaui chip Nvidia dalam performa CPU single-core, dan bahkan mengalahkan produk terbaik Intel dan AMD.
    Ia juga punya memori terpadu, dan merupakan satu-satunya CPU yang berada di liga yang sama dengan seri Apple M baik dalam performa CPU maupun efisiensi daya.
    Produk ini sudah bisa dibeli dalam bentuk laptop sekarang, bukan akhir tahun nanti, tetapi orang-orang masih meremehkan Qualcomm.

    • Dukungan sistem operasinya buruk.
      Kalau tidak bisa mendukung Linux, hampir tidak ada artinya, dan platform yang penting di bidang ini hanya ada dua: Linux dan Darwin.
      Qualcomm seperti AMD dulu di GPU selama puluhan tahun: banyak pengumuman dan banyak penggemar internet yang membaca halaman webnya, tetapi saat benar-benar mencoba menjalankannya, hasilnya seperti mimpi buruk.
      Snapdragon X Elite tidak berjalan di Linux, jadi tidak berguna sebagai platform, sampai-sampai para power user membuat M1 berjalan lebih baik, sehingga orang akhirnya memilih Mac lama ketimbang Qualcomm.
    • X925 pada chip Nvidia adalah desain CPU Arm lama yang sudah berumur 2 tahun, jadi wajar saja bisa dikalahkan.
      Pembanding yang tepat seharusnya X930 atau C1 yang dipakai di Mediatek Dimensity 9500, yaitu kelas Snapdragon 8 Elite Gen 5 / X2 Elite.
      Qualcomm memang masih unggul dalam performa, tetapi selisihnya terus menyusut, dan yang lebih penting, Nvidia membangun ekosistem jauh lebih baik.
      Nvidia punya kanal distribusi dan mitra yang jauh lebih kuat berkat GPU gaming PC-nya, dan hubungan dengan para pengembang game tak tertandingi di industrinya.
      Qualcomm masih belum menunjukkan eksekusi yang meyakinkan baik di CPU PC maupun server.
    • Microsoft telah mengacaukan porting Arm untuk Windows, sehingga gagal benar-benar mengangkat Qualcomm.
    • Qualcomm berada dalam situasi seperti “sekali tertipu salahmu, dua kali tertipu aku tak akan tertipu lagi.”
      Pengalaman buruk di masa lalu terlalu banyak, jadi orang wajar ragu, dan meski sekarang tampaknya mereka berusaha lebih keras, butuh waktu untuk memulihkan reputasinya di pasar PC.
    • Apakah dukungannya benar-benar baik di Linux?

  • Siaran pers perangkat nyatanya ada di sini.
    https://nvidianews.nvidia.com/news/nvidia-microsoft-windows-...
    Cukup mengejutkan karena hanya sedikit yang menyoroti bahwa Microsoft dan khususnya NVIDIA pada dasarnya merilis perangkat yang berbenturan dengan model AI cloud berbayar per pemakaian.
    Jika melihat pengumuman dan sinyal lain seperti BYOK offline Copilot yang lebih baik dan masa depan AI tanpa batas, tampaknya kedua perusahaan memahami bahwa AI cloud-only tidak berkelanjutan dan juga tidak secara mendasar menguntungkan bagi mereka.
    Tetap saja, sikap yang seolah ingin melemahkan OpenAI lewat produk seperti ini cukup menonjol.

    • Di MS BUILD minggu lalu, unmetered intelligence mungkin adalah frasa yang paling sering dipakai.
      Microsoft sedang mendorong AI lokal dengan sangat kuat.
    • Bisa jadi, tetapi mungkin juga mereka hanya bertaruh di dua sisi sekaligus.

  • Saya tidak yakin LLM lokal akan diadopsi secara luas kecuali harganya benar-benar tidak naik.
    Menggunakan model kecil hosted yang lebih murah seperti Sonnet atau Kimi masih masuk akal, dan perangkat seperti ini kemungkinan tidak akan bisa menjalankan model setingkat Kimi, padahal level itu adalah batas bawah untuk pekerjaan agen yang bukan sekadar mainan.
    Menghabiskan $5,000 demi menghindari langganan $20 sulit masuk akal kecuali untuk alasan keamanan yang sangat khusus.

    • Sebaliknya, saya justru akan bertaruh bahwa Tiongkok akan terus meningkatkan produksi DRAM, menghancurkan harga, dan pada saat yang sama menyeret turun pasar saham AS yang ditopang oleh kelangkaan itu.
    • Saya rasa kita bahkan belum benar-benar melihat bagaimana AI generatif bisa memengaruhi produk baru dan game.
      Pernah lihat Dungeon Crawler Carl?

  • Sepertinya kebanyakan orang belum benar-benar memahami apa yang akan ditawarkan laptop seperti ini.
    Sebelum AI lokal penuh, kemungkinan besar kita akan lebih dulu memakai AI hibrida.
    Menjalankan model besar secara lokal memang tidak realistis, tetapi jika dalam workflow agen sebagian berjalan di cloud dan tugas-tugas yang lebih kecil berjalan lokal, itu kombinasi yang sangat bagus.
    Untuk tugas dasar, kita tidak butuh model seperti Opus/Code/DeepSeek/Kimi; model seperti Gemma4:12b/Qwen-27b bisa menanganinya secara lokal dengan latensi jauh lebih rendah.
    Jika ada laptop yang bisa menggabungkan model besar jarak jauh dan lima model lokal khusus domain, saya ingin memakainya sekarang juga.
    Saya bisa membayangkan OpenCode menilai tugas mana yang cocok dijalankan model kecil secara lokal, lalu memutuskan apakah ada model lokal yang sesuai untuk tugas tertentu atau harus memakai model cloud.
    Kekhawatirannya adalah apakah hardware ini cukup kuat untuk menangani pergantian model lokal yang cepat, dan saya rasa kemungkinan tidak, meski saya berharap saya salah.

    • Melihat kecepatan perkembangan model lokal, pada lintasan saat ini tampaknya dalam 2 tahun kita bisa melihat performa setara frontier model dengan RAM terpadu 128GB dan kuantisasi 6-bit.
      Frontier model sekarang pun sudah mencetak benchmark yang lebih baik hanya dengan 200,000 token, dan distilasi masih punya ruang perkembangan yang sangat besar.

  • Saya tidak yakin bagian mana yang membuat ini disebut “monster”.
    Bandwidth memori 300GB/s hanya sedikit lebih tinggi dari 256GB/s milik AMD Strix Halo, dan bahkan tidak sampai setengah dari 614GB/s milik M5 Max 128GB dengan konfigurasi RAM 128GB yang sama.
    Karena kebanyakan orang yang tertarik kemungkinan penggemar AI, wajar kalau bandwidth memori ditekankan, apalagi ini Windows.

    • Tidak seperti M5 Max, ini tampaknya bisa melakukan context prefill yang benar-benar berguna.
      Workflow 256k token yang di M5 butuh waktu hampir dua kali lebih lama sampai token pertama keluar, di sini tampaknya bisa dijalankan secara realistis.
    • Jika Nvidia ingin menjadikan CPU ARM praktis untuk penggunaan desktop di luar inferensi atau training secara langsung, masih banyak pekerjaan sisi software yang harus dilakukan.
      AMD adalah perangkat x86 sehingga semuanya bisa dijalankan, Apple memelihara seluruh stack MacOS, tetapi Nvidia nyaris memalukan karena untuk tiap generasi Jetson saja mereka seperti hanya sanggup mengejar satu rilis Ubuntu.
      Akan bagus kalau agen yang terus mereka gembar-gemborkan benar-benar dipakai untuk pekerjaan dukungan sistem operasi.

  • Saya benar-benar penasaran apa bedanya dengan sesuatu seperti AMD Ryzen AI Max yang sudah bisa dibeli dan mendukung memori terpadu 128GB.

    • Mungkin karena dukungan CUDA atau hal-hal khusus NVIDIA lainnya.

  • Saya tidak tahu siapa yang pada 2026 masih terobsesi dengan istilah “Windows PC”
    Itu cuma komputer pribadi, dan biasanya bisa menjalankan beberapa sistem operasi dengan baik
    Ungkapan Windows PC terdengar seperti orang yang dibayar Microsoft, atau seperti orang yang membicarakan teknologi dengan cara mengirim dokumen Word berisi gambar
    Tidak perlu memaksa keseruan perangkat yang tidak terikat sistem operasi agar terikat pada sistem operasi yang payah

    • Jelas ini pasar perusahaan
      Kemungkinan mereka membeli lebih banyak PC daripada gabungan seluruh pasar lainnya
      Bahkan untuk penggunaan pribadi pun, orang yang melakukan dual-boot Windows dan sistem operasi lain mungkin hanya minoritas yang sangat kecil
      “Windows PC” adalah istilah yang cukup masuk akal untuk membedakan “buatan Apple” dan “buatan selain Apple”, dan pasar PC yang bukan buatan Apple sekaligus tidak berbasis Windows sebagai default itu benar-benar kecil
      Sejujurnya aneh melihat sikap seagresif ini terhadap topik seperti ini
    • Mungkin ini sekadar ungkapan untuk memperjelas bahwa yang dibicarakan bukan Mac
      Kata PC bisa berarti semua komputer pribadi dalam makna aslinya, atau bisa juga berarti keluarga IBM PC yang dibedakan dari Mac, jadi memang ambigu
      Coba ingat iklan “I'm a Mac, I'm a PC”
      Kalau cuma dibilang PC, orang zaman sekarang benar-benar bisa bingung maksudnya yang mana, dan “IBM PC” terdengar usang, sementara “IBM PC clone” lebih buruk lagi
      Jadi “Windows PC” adalah nama yang cukup bagus, dan “Non-Mac PC” juga terasa kurang enak
      Tidak perlu mengatakannya dengan nada menghina
    • Ini juga bukan “Windows PC” dalam arti tradisional
      Alasan orang masih memakai Windows di desktop perusahaan atau sebagian desktop rumahan seperti untuk gaming tetaplah kompatibilitas perangkat keras dan perangkat lunak
      Mereka memakainya karena pekerjaan mereka membuat program Windows, dan juga memakai driver yang masih belum ada di Win-for-ARM
      Jadi bagi kebanyakan orang, “Windows PC” tetap berarti PC Windows x64
      Jika kompatibilitas Windows-Arm64 tidak cukup memadai, risiko bagi Microsoft adalah orang-orang bisa saja justru meninggalkan Windows itu sendiri karena toh tetap membutuhkan perangkat lunak dan perangkat keras baru
    • Semoga orang yang mencoba menjalankan sesuatu selain Windows di perangkat buatan Nvidia sekarang sudah belajar
      Hackintosh Nvidia terkutuk memang akan sangat lucu
      Bagi pengguna umum, sistem operasi komputer hanya ada tiga: Windows, Apple, dan ChromeOS; Nvidia tidak akan memilih ChromeOS, dan Apple membenci Nvidia, jadi satu-satunya sistem operasi normal yang bisa dipasarkan hanyalah Windows
      Pemasarannya memperjelas bahwa perangkat ini bukan Chromebook murahan yang merusak pengalaman desktop banyak orang
      Qualcomm pernah menjanjikan dukungan Linux lalu gagal mewujudkannya, dan orang yang sudah kecewa oleh janji itu tidak akan mau membeli perangkat keras itu lagi
      Kalau menjanjikan Windows PC, alasan untuk mengeluh bahwa Linux, FreeBSD, atau SerenityOS tidak bisa boot jadi berkurang, dan melihat kegagalan Qualcomm, tampaknya Nvidia mungkin memang mengambil pilihan yang benar
    • Fakta bahwa Nvidia mendorong besar-besaran untuk Windows ARM tampaknya merupakan informasi yang relevan