Översikt över NVIDIA DGX Spark 64GB

Bild: blogs.nvidia.com · Källa

NVIDIA DGX Spark 64GB är en kompakt lokal AI-superdator designad för att köra och skala AI-modeller lokalt, med stöd för modeller på upp till 100 miljarder parametrar och enkel klustring för större arbetsbelastningar.

NVIDIA DGX Spark 64GB är en lokal AI-plattform som syftar till att ge utvecklare, forskare och AI-entusiaster ett kraftfullt, kompakt system optimerat för att köra avancerade AI-modeller på enheten. Enligt NVIDIA är denna konfiguration utrustad med 64 GB enhetligt minne och innehåller GB10 Grace Blackwell Superchip, DGX OS och hela NVIDIA:s AI-mjukvarustack, inklusive NVIDIA Agent Toolkit, CUDA-X AI-bibliotek och stöd för ramverk som PyTorch samt populära runtime-miljöer såsom Ollama och vLLM.

Med fokus på att stödja lokala AI-arbetsbelastningar utan beroende av molninfrastruktur möjliggör DGX Spark för användare att köra modeller med upp till 100 miljarder parametrar på en enda enhet. När AI-arbetsbelastningar överstiger kapaciteten hos en enhet kan två DGX Spark 64GB-system sömlöst klustras tillsammans med hjälp av NVIDIA Sync Cluster Assistant, vilket samlar minnet till 128 GB och förbättrar prestandan med upp till 1,7 gånger i testade scenarier som NVIDIAs Qwen 3.8 27B-modell. Denna klustring möjliggörs av inbyggd NVIDIA ConnectX-7-nätverksteknik, som tillåter direktanslutning via QSFP-kablar.

NVIDIA framhäver enkelheten i att konfigurera och skala kluster, där automatisk detektion och konfiguration hanteras av Sync-appen. Den kommande NVIDIA Sync Model Launcher syftar till att ytterligare förenkla körning av lokala AI-modeller genom att erbjuda en GUI-driven upplevelse för att starta modeller som Qwen 3.8 27B på en eller flera DGX Spark-enheter.

Tillverkad av partners som Acer, ASUS, Dell, Gigabyte, HP och MSI, erbjuds DGX Spark 64GB som ett mer tillgängligt alternativ jämfört med modeller med högre minne, med ett pris som startar från 4 999 USD. Plattformen är lämplig för uppgifter såsom agentutveckling, inferens, finjustering, dataanalys och edge computing. Dessutom planerar större kreativa applikationer som Blender att stödja plattformen, vilket utökar dess användbarhet.

Denna översikt baseras enbart på information publicerad av NVIDIA och annan källinformation och inkluderar inte praktiska tester eller erfarenhetsbaserade insikter.