Der NVIDIA DGX Spark, früher als Projektdigit bekannt, soll eine breite Palette von KI -Modellen unterstützen, insbesondere diejenigen, die an generativen und physischen KI beteiligt sind. Es wird von der Nvidia GB10 Grace Blackwell Superchip angetrieben, zu der eine mächtige Nvidia Blackwell-GPU mit Tensor-Kern der fünften Generation und Unterstützung von FP4 gehört. Diese Konfiguration ermöglicht es dem DGX-Spark, bis zu 1.000 Billionen Operationen pro Sekunde (TOPS) für die KI-Verarbeitung zu erzielen, sodass er für Feinabstimmungs- und Inferenzaufgaben mit fortschrittlichen KI-Argumentationsmodellen geeignet ist.
unterstützte KI -Modelle
- Nvidia Cosmos Reason World Foundation Modell: Dies ist ein grundlegendes Modell, das für verschiedene KI -Argumentationsaufgaben verwendet wird. Die Funktionen des DGX Spark machen es zu einer idealen Plattform für die Arbeit mit so großen Modellen.
- NVIDIA GR00T N1 Robot Foundation-Modell: Dieses Modell ist für Robotikanwendungen entwickelt und profitiert von den leistungsstarken Computerfunktionen des DGX-Sparks, mit dem Entwickler KI-Modelle für Robotik effizient verfeinern und bereitstellen können.
-Große neuronale Netzwerke: Der DGX Spark kann AI-Modelle bis zu 200 Milliarden Parameter für Inferenz- und Feinabstiegsmodelle bis zu 70 Milliarden Parameter verarbeiten. Dies ist geeignet, um komplexe neuronale Netzwerke zu trainieren und zu verfeinern, die in Anwendungen wie Verarbeitung natürlicher Sprache, Computer Vision und vielem mehr verwendet werden.
Schlüsselfunktionen für KI -Training
-High-Performance-Computing: Die Fähigkeit des GB10 Superchip, hohe Tops-Leistung zu liefern, stellt sicher, dass KI-Modelle selbst für große und komplexe Modelle schnell geschult und fein abgestimmt werden können.
- Unified Memory: Mit 128 GB einheitlichem LPDDR5X-Speicher bietet der DGX Spark ausreichend Ressourcen für den Umgang mit Speicherintensive KI-Workloads.
-Networking-Funktionen: Das System unterstützt Hochgeschwindigkeitsnetzwerke über Connectx-7 und ermöglicht die Verbindung mehrerer DGX-Spark-Systeme an extrem großen KI-Modellen gemeinsam.
- Stromeffizienz: Der DGX Spark arbeitet bei nur 170 W und bietet eine leistungsstarke Lösung für die KI-Entwicklung, wodurch es für eine Vielzahl von Umgebungen geeignet ist.
Insgesamt soll der DGX Spark Entwickler, Forscher und Datenwissenschaftler stärken, indem sie eine kompakte, aber leistungsstarke Plattform für Prototyping, Feinabstimmungen und Bereitstellung von AI-Modellen lokal oder in der Cloud mit minimalen Codeanpassungen bereitstellen [1] [3] [5].
Zitate:
[1] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-and-dgx-station-personal-ai-computers
[2] https://arstechnica.com/ai/2025/03/nvidia-announces-dgx-desktop-personal-ai-supercomputers/
[3] https://www.theverge.com/news/631957/nvidia-dgx-spark-station-blackwell-ai-superComputers-gtc
[4] https://doc.netapp.com/us-en/netapp-solutions/ai/ai-dgx-superpod.html
[5] https://www.pcmag.com/news/what-is-nvidias-dgx-station-a-new-specialized-desktop-line-for-ai-work
[6] https://www.reddit.com/r/localllama/comportment/1jee2b2/nvidia_dgx_spark_project_digits_specs_are_out/
[7] https://github.com/nvidia/deeplearningexamples/blob/master/pytorch/recommendation/dlrm/readme.md
[8] https://www.nvidia.com/en-us/products/workstations/dgx-station/
[9] https://www-
[10] https://www.engineering.com/nvidia-unveils-dgx-personal-ai-supercomputer-by-gace-blackwell/
[11] https://www.nvidia.com/en-us/products/workstations/dgx-spark/
[12] https://www-
[13] https://www.reddit.com/r/hardware/comments/1jej1uk/nvidia_announces_dgx_spark_and_dgx_station/