DGX Spark, nyligen avslöjad av NVIDIA, är en kompakt AI -superdator designad för skrivbordsanvändning, vilket gör den tillgänglig för ett brett utbud av utvecklare, forskare och studenter. Det drivs av NVIDIA GB10 Grace Blackwell Superchip, som inkluderar en Blackwell GPU med femte generationens tensorkärnor och FP4-stöd. Denna konfiguration gör det möjligt för DGX Spark att leverera upp till 1 000 biljoner verksamhet per sekund (toppar) av AI-dator, vilket gör det möjligt för den att hantera AI-modeller upp till 200 miljarder parametrar för inferens och finjusteringsmodeller upp till 70 miljarder parametrar [1] [3] [6].
I jämförelse med andra AI -superdatorer är DGX Spark anmärkningsvärd för sin kompakta storlek och effekteffektivitet och konsumerar endast 170W. Den använder NVIDIA NVLINK-C2C Interconnect-teknik för att tillhandahålla en CPU+GPU-koherent minnesmodell, som erbjuder fem gånger bandbredden för femte generationens PCIe. Detta förbättrar prestanda för minnesintensiva AI-arbetsbelastningar [1] [3] [6].
Medan DGX Spark är den minsta AI -superdatorn, erbjuder större system som DGX -stationen kraftfullare kapacitet. DGX-stationen, som också tillkännagavs av NVIDIA, har GB300 Grace Blackwell Ultra Desktop Superchip med 784 GB sammanhängande minnesutrymme, vilket gör det mer lämpligt för storskalig träning och inferensuppgifter [1] [4].
I det bredare landskapet med AI-superdatorer har system som Andromeda, utvecklade av Cerebras, imponerande kapacitet med 13,5 miljoner kärnor och prestanda över en exaflop vid 16-bitars halva precision. Andromeda är anmärkningsvärd för sin snabba monteringstid och kostnadseffektivitet jämfört med traditionella superdatorer [2].
I den övre änden av superdatorspektrumet finns system som El Capitan, Frontier och Aurora, som är exascale -maskiner som kan utföra över en miljard miljarder beräkningar per sekund. Dessa superdatorer används främst för storskaliga vetenskapliga simuleringar och AI-uppgifter men är inte designade för skrivbordsanvändning [5].
DGX Sparks unika värde ligger i sin förmåga att ta med högpresterande AI-datoranvändning till en skrivbordsmiljö, vilket gör att utvecklare kan prototypa, finjustera och distribuera AI-modeller lokalt innan skalning till moln- eller datacenterinfrastruktur med minimala kodändringar [1] [6]. Detta gör det till ett attraktivt alternativ för forskare och utvecklare som behöver kraftfulla AI-kapaciteter utan behov av storskalig datacenterinfrastruktur.
Citeringar:
[1] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-and-dgx-station-personal-ai-computers
]
]
[4] https://www.notebookcheck.net/nvidia- unveils-dgx-station-desktop-i-supercomputer
[5] https://www.livescience.com/technology/computing/top-most-powerful-supercomputers
[6] https://www.engineering.com/nvidia- unveils-dgx-personal-ai-supercomputers-by-grace-backwell/
[7] https://bgr.com/tech/nvidia-just-announced-two-new-personal-ai-supercomputers/
[8] https://qz.com/most-powerful-supercomputers-ai-research-1851725834
[9] https://arstechnica.com/ai/2025/03/nvidia-announces-dgx-desktop-personal-ai-supercomputers/