DGX Spark, niedawno zaprezentowany przez NVIDIA, jest kompaktowym superkomputerem AI zaprojektowanym do użytku komputerowego, dzięki czemu jest dostępny dla szerokiej gamy programistów, badaczy i studentów. Jest zasilany przez Nvidia GB10 Grace Blackwell Superchip, który obejmuje GPU Blackwell z rdzeniami tensorowymi piątej generacji i wsparcie FP4. Ta konfiguracja pozwala DGX Spark dostarczyć do 1000 bilionów operacji na sekundę (szczyty) AI Compute, umożliwiając jej obsługę modeli AI do 200 miliardów parametrów dla modeli wnioskowania i dostosowania do 70 miliardów parametrów [1] [3] [6].
W porównaniu z innymi superkomputerami AI, DGX Spark jest godna uwagi ze względu na kompaktową wielkość i wydajność energetyczną, zużywając tylko 170 W. Wykorzystuje technologię NVIDIA NVLINK-C2C Interconnect, aby zapewnić model pamięci współrzędnej CPU+GPU, oferując pięciokrotnie przepustowość PCIE piątej generacji. Zwiększa to wydajność obciążeń związanych z pracą AI intensywnie pamięci [1] [3] [6].
Podczas gdy DGX Spark jest najmniejszym superkomputerem AI, większe systemy, takie jak stacja DGX, oferują mocniejsze możliwości. Stacja DGX, ogłoszona również przez NVIDIA, ma GB300 Grace Blackwell Ultra Desktop Superchip z 784 GB spójnej przestrzeni pamięci, co czyni ją bardziej odpowiednim do zadań treningowych i wnioskowania na dużą skalę [1] [4].
W szerszym krajobrazie superkomputerów AI systemy takie jak Andromeda, opracowane przez Cerebras, mają imponujące możliwości z 13,5 milionami rdzeni i wydajnością w porównaniu z 16-bitową połową precyzją. Andromeda jest godna uwagi ze względu na szybki czas montażu i opłacalność w porównaniu z tradycyjnymi superkomputerami [2].
Na górnym końcu widma superkomputerowego znajdują się systemy takie jak El Capitan, Frontier i Aurora, które są maszynami Exascale, które mogą wykonywać ponad miliard miliardów obliczeń na sekundę. Te superkomputery są wykorzystywane przede wszystkim do naukowych symulacji na dużą skalę i zadań AI, ale nie są zaprojektowane do użytku komputerowego [5].
Unikalna wartość DGX Spark polega na jego zdolności do wprowadzenia wysokowydajnych obliczeń sztucznej inteligencji do środowiska stacjonarnego, umożliwiając programistom prototyp, dopracowanie i wdrażanie modeli AI przed skalowaniem do infrastruktury w chmurze lub centrum danych z minimalnymi zmianami kodu [1] [6]. To sprawia, że jest to atrakcyjna opcja dla naukowców i programistów, którzy potrzebują potężnych możliwości AI bez potrzeby infrastruktury centrów danych na dużą skalę.
Cytaty:
[1] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-anddgx-station-personal-ai-computers
[2] https://singularityhub.com/2022/11/22/this-ai-supercomputer-has-13-5-Million-Cores-and-Was-built-in-just-three-days/
[3] https://www.maginative.com/article/nvidia-unveils-dgx-spark-and-dgx-station-desktop-ai-supercomputers-for-the-developer-masses/
[4] https://www.notebookcheck.net/nvidia-unveils-dgx-station-desktop-ai-supercomputer-with-72-core-cpu-andblackwell-ultra-gpu.981669.0.html
[5] https://www.livescience.com/technology/computing/top-most-powerful-supercomputers
[6] https://www.engineering.com/nvidia-unveils-dgx-personal-ai-supercomputers-bi-grace-blackwell/
[7] https://bgr.com/tech/nvidia-just-announced-two-new-personal-ai-supercomputers/
[8] https://qz.com/ najbardziej-powerful-supercomputers-ai-research-1851725834
[9] https://arstechnica.com/ai/2025/03/nvidia-announces-dgx-desktop-spersonal-ai-supercomputers/