NVIDIA DGX Spark, tidigare känd som projektsiffror, är utformad för att stödja ett brett utbud av AI -modeller, särskilt de som är involverade i generativ och fysisk AI. Det drivs av NVIDIA GB10 Grace Blackwell Superchip, som inkluderar en kraftfull Nvidia Blackwell GPU med femte generationens tensorkärnor och FP4-stöd. Denna konfiguration gör det möjligt för DGX-gnistan att uppnå upp till 1 000 biljoner verksamhet per sekund (toppar) för AI-bearbetning, vilket gör den lämplig för finjusterings- och inferensuppgifter med avancerade AI-resonemangsmodeller.
stödde AI -modeller
- NVIDIA COSMOS REAVEL World Foundation Model: Detta är en grundläggande modell som används för olika AI -resonemangsuppgifter. DGX Sparks funktioner gör det till en idealisk plattform för att arbeta med så storskaliga modeller.
- NVIDIA GR00T N1 Robot Foundation Model: Designad för robotapplikationer, denna modell drar nytta av de högpresterande datorfunktionerna för DGX Spark, vilket gör att utvecklare kan förfina och distribuera AI-modeller för robotik effektivt.
-Stora neurala nätverk: DGX-gnistan kan hantera AI-modeller upp till 200 miljarder parametrar för inferens- och finjusteringsmodeller upp till 70 miljarder parametrar. Detta gör det lämpligt för träning och förädling av komplexa neurala nätverk som används i applikationer som naturlig språkbearbetning, datorsyn och mer.
Nyckelfunktioner för AI -utbildning
-Högpresterande datoranvändning: GB10 SuperChips förmåga att leverera höga toppar prestanda säkerställer att AI-modeller kan tränas och finjusteras snabbt, även för stora och komplexa modeller.
- Unified Memory: Med 128 GB enhetligt LPDDR5X-minne ger DGX-gnistan gott om resurser för att hantera minnesintensiva AI-arbetsbelastningar.
-Nätverksfunktioner: Systemet stöder höghastighetsnätverk via ConnectX-7, vilket möjliggör anslutning av flera DGX-gnistsystem att arbeta med extremt stora AI-modeller i samarbete.
- Krafteffektivitet: DGX-gnisten är på bara 170W och erbjuder en effekteffektiv lösning för AI-utveckling, vilket gör den lämplig för en mängd olika miljöer.
Sammantaget är DGX-gnisten utformad för att stärka utvecklare, forskare och datavetare genom att tillhandahålla en kompakt men ändå kraftfull plattform för prototyper, finjustering och distribution av AI-modeller lokalt eller i molnet med minimala kodjusteringar [1] [3] [5].
Citeringar:
[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-grace-backwell-ai-supercomputers-gtc
[4] https://docs.netapp.com/us-en/netapp-solutions/ai/ai-dgx-superpod.html
[5] https://www.pcmag.com/news/what-is-nvidias-dgx-station-a-new-specialiserad-Desktop-line-for-ai-work
[6] https://www.reddit.com/r/localllamama/comments/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/
]
[10] https://www.engineering.com/nvidia- unveils-dgx-personal-ai-supercomputers-by-grace-backwell/
[11] https://www.nvidia.com/en-us/products/workstations/dgx-spark/
]
[13] https://www.reddit.com/r/hardware/comments/1jej1uk/nvidia_announces_dgx_spark_and_dgx_station/