DGX Spark, nylig avduket av NVIDIA, er en kompakt AI -superdatamaskin designet for stasjonær bruk, noe som gjør den tilgjengelig for et bredt spekter av utviklere, forskere og studenter. Det drives av Nvidia GB10 Grace Blackwell Superchip, som inkluderer en Blackwell GPU med femte generasjons tensorkjerner og FP4-støtte. Denne konfigurasjonen gjør at DGX Spark kan levere opptil 1000 billioner operasjoner per sekund (topper) av AI-beregning, slik at den kan håndtere AI-modeller opptil 200 milliarder parametere for inferens og finjustere modeller opp til 70 milliarder parametere [1] [3] [6].
Sammenlignet med andre AI -superdatamaskiner, er DGX Spark bemerkelsesverdig for sin kompakte størrelse og effekteffektivitet, og konsumerer bare 170W. Den bruker NVIDIA NVLink-C2C interconnect-teknologi for å gi en CPU+GPU-koherent minnemodell, og tilbyr fem ganger båndbredden til femte generasjons PCIE. Dette forbedrer ytelsen for minneintensive AI-arbeidsmengder [1] [3] [6].
Mens DGX Spark er den minste AI -superdatamaskinen, tilbyr større systemer som DGX -stasjonen kraftigere evner. DGX-stasjonen, også kunngjort av NVIDIA, har GB300 Grace Blackwell Ultra Desktop Superchip med 784 GB sammenhengende minneplass, noe som gjør den mer egnet for storskala trening og inferanseoppgaver [1] [4].
I det bredere landskapet til AI-superdatamaskiner, kan systemer som Andromeda, utviklet av cerebras, skryte av imponerende evner med 13,5 millioner kjerner og ytelse over en exaflop med 16-bits halv presisjon. Andromeda er bemerkelsesverdig for sin raske monteringstid og kostnadseffektivitet sammenlignet med tradisjonelle superdatamaskiner [2].
I den øverste enden av superdatamaskinens spekter er systemer som El Capitan, Frontier og Aurora, som er eksascale maskiner som er i stand til å utføre over en milliard milliarder beregninger per sekund. Disse superdatamaskinene brukes først og fremst til vitenskapelige simuleringer i stor skala og AI-oppgaver, men er ikke designet for stasjonær bruk [5].
DGX Sparks unike verdi ligger i dens evne til å bringe AI-databehandling med høy ytelse til et skrivebordsmiljø, slik at utviklere kan prototype, finjustere og distribuere AI-modeller lokalt før skalering til sky- eller datasenterinfrastruktur med minimale kodeendringer [1] [6]. Dette gjør det til et attraktivt alternativ for forskere og utviklere som trenger kraftige AI-evner uten behov for storskala datasenterinfrastruktur.
Sitasjoner:
[1] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-and-dgx-station-personal-ai-computers
[2] https://singularityhub.com/2022/11/22/this-ai-supercomputer-has-13-5-million-cores-and-was-built-in-three-days/
[3] https://www.maginative.com/article/nvidia-unvels-dgx-spark-and-dgx-station-desktop-ai-supercomputers-for-the-deoper-masses/
[4] https://www.notebookcheck.net/nvidia-unvels-dgx-station-desktop-ai-supercomputer-with-72-core-cpu-andtml
[5] https://www.livescience.com/technology/computing/top-most-powerful-supercomputers
[6] https://www.engineering.com/nvidia-unvels-dgx-personal-ai-supercomputers-by-brace-blackwell/
[7] https://bgr.
[8] https://qz.com/most-powerful-supercomputers-ai-research-1851725834
[9] https://arstechnica.com/ai/2025/03/nvidia-announces-dgx-desktop-personal-ai-supercomputers/