Der DGX -Spark gilt als der kleinste AI -Supercomputer -Nvidia aufgrund seines kompakten Designs und seiner leistungsstarken Fähigkeiten. Hier sind die Schlüsselfaktoren, die zu seinem Status beitragen:
1. Kompaktformfaktor: Der DGX -Spark ist so ausgelegt, dass er in ein kleines Gehäuse passt und ungefähr 150 x 150 x 50,5 mm misst, wodurch er mit einem Mac -Mini vergleichbar ist [6]. Diese kompakte Größe ermöglicht es, auf einem Desktop leicht platziert zu werden, was leistungsstarke KI-Funktionen auf platzeffiziente Weise bietet.
2. GB10 Grace Blackwell Superchip: Im Herzen des DGX Spark steht der GB10 Grace Blackwell Superchip, der eine Nvidia Blackwell-GPU mit Tensor-Kern der fünften Generation und FP4-Unterstützung umfasst. Dieser Chip ist speziell für einen Desktop -Formfaktor optimiert, um sicherzustellen, dass er eine hohe Leistung liefert und gleichzeitig eine kleine Größe beibehält [1] [2].
3. hohe Leistung: Trotz seiner geringen Größe kann der DGX-Spark bis zu 1.000 Billionen Betriebsvorgänge pro Sekunde (Tops) AI-Compute liefern, was ihn für die Feinabstimmung und das Ausführen fortschrittlicher KI-Modelle wie den Nvidia Cosmos Reason und Gr00T N1-Roboter-Grundmodelle geeignet macht [2] [5].
4. Einheitlicher Speicher und Speicher: Der DGX-Spark wird mit 128 GB einheitlicher Systemspeicher ausgestattet, sodass er KI-Modelle mit bis zu 200 Milliarden Parametern für Inferenz- und Feinabstimmmodelle mit bis zu 70 Milliarden Parametern verarbeiten kann. Es bietet außerdem bis zu 4 TB NVME M.2-Speicher und bietet ausreichend Platz für datenintensive AI-Anwendungen [5] [6].
5. Energieeffizienz: Das System arbeitet mit einem Stromverbrauch von nur 170 W und macht es zu einer energieeffizienten Lösung für die KI-Entwicklung im Vergleich zu größeren Rechenzentrumssystemen [5].
6. Advanced Interconnect-Technologie: Die GB10 Superchip verwendet die NVIDIA NVLINK-C2C-Interconnect-Technologie, die ein CPU+GPU-Kohärent-Speichermodell mit einer signifikant verbesserten Bandbreite im Vergleich zu herkömmlichen PCIe-Verbindungen bietet. Diese Technologie optimiert die Leistung für speicherintensive KI-Workloads [2] [7].
Insgesamt macht die Kombination aus kompaktem Design, hoher Leistung und fortschrittlicher Technologie von DGX Spark die kleinste und dennoch leistungsstarke AI -Supercomputer -NVIDIA, die den Bedürfnissen von Forschern, Entwicklern und Datenwissenschaftlern gerecht wird, die robuste KI -Funktionen auf ihren Desktops benötigen.
Zitate:
[1] https://www.theverge.com/news/631957/nvidia-dgx-spark-station-blackwell-ai-superComputers-gtc
[2] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-and-dgx-station-personal-ai-computers
[3] https://arstechnica.com/ai/2025/03/nvidia-announces-dgx-desktop-personal-ai-supercomputers/
[4] https://www.engadget.com/ai/nvidias-spark-desktop-ai-supercomputer-arrives-this-summer-200351998.html
[5] https://www.maginative.com/article/nvidia-unveils-dgx-spark-dgx-station-desktop-ai-supercomputers-for-the-developer-masses/
[6] https://www.youtube.com/watch?v=_14mvy0kol0
[7] https://www.investing.com/news/company-news/nvidia-launches-personal-ai-supercomputers-for-desktops-93ch-3934971
[8] https://www.digitimes.com/news/a20250319pd227/nvidia-tc-ai-superComputing-2025.html
[9] https://redmondmag.com/articles/2025/03/18/nvidia-expands-ai-for-nerprises.aspx
[10] https://techcrunch.com/2025/03/18/nvidia-announces-two-personal-ai-supercomputers/
[11] https://www.reddit.com/r/localllama/commentments/1jedy17/nvidia_digits_specs_reletest_and_renamed_to_dgx/
[12] https://www.nvidia.com/en-us/products/workstations/dgx-spark/