كيف يقارن أداء NVIDIA Blackwell GPU في شرارة DGX بـ NVIDIA Blackwell Ultra GPU في محطة DGX

nvidia Blackwell GPU في DGX Spark

يتم تشغيل Spark DGX بواسطة Superchip Grace Grace Blackwell ، والذي يتضمن وحدة معالجة الرسومات Blackwell مع النوى الموترات من الجيل الخامس ودعم FP4. يوفر هذا الإعداد ما يصل إلى 1000 تريليون عملية في الثانية (TOPS) من أداء AI ، مما يجعله مناسبًا لمهام ضبطها والاستدلال مع نماذج AI المتقدمة مثل نموذج مؤسسة NVIDIA COSMOS World Foundation [2] [3]. يتميز النظام بـ 128 جيجابايت من ذاكرة النظام الموحدة ، وهي LPDDR5x ، وعرض النطاق الترددي للذاكرة 273 جيجابايت/ثانية [5] [10]. تم تصميم شرارة DGX للمطورين والباحثين الذين يحتاجون إلى النماذج الأولية ، وضبطها ، ونشر نماذج الذكاء الاصطناعى بسرعة ، وخاصة في سيناريوهات الحوسبة الحافة حيث تكون خصوصية البيانات والكمون المنخفض أمرًا بالغ الأهمية [7].

Nvidia Blackwell Ultra GPU في محطة DGX

في المقابل ، تستخدم محطة DGX Superchip Grace Grace Blackwell Ultra Superchip ، والتي تتضمن وحدة معالجة الرسومات Blackwell Ultra. تم تصميم هذا النظام لأعباء عمل الذكاء الاصطناعى أكثر تطلبًا ، مثل التدريب والاستدلال على نطاق واسع. توفر محطة DGX زيادة كبيرة في سعة الذاكرة مع مساحة الذاكرة المتماسكة 784 جيجابايت ، حيث تجمع بين DRAM LPDDR5X في وحدة المعالجة المركزية وذاكرة GPU HBM3E [1] [8]. يوفر GPU Blackwell Ultra في محطة DGX أداءً فائقًا مقارنةً بوحدة معالجة الرسومات Blackwell القياسية ، مع إمكانيات أكثر توافقًا مع الأداء على مستوى مركز البيانات. وهو يدعم أحدث نوى الموتر ودقة FP4 ، متصلة عبر NVLink-C2C للاتصالات المعززة للنظام والأداء [2] [3].

مقارنة الأداء

- حساب الأداء: يوفر كلا النظامين ما يصل إلى 1000 تريليون عملية في الثانية لمهام حساب الذكاء الاصطناعى ، لكن الذاكرة الأكبر لمحطة DGX وهندسة معالجة الرسومات GPU أكثر تقدماً تجعلها أكثر ملاءمة للتدريب المعقد النموذجي على النماذج والاستدلال على نطاق واسع [1] [3].
- الذاكرة وعرض النطاق الترددي: توفر محطة DGX المزيد من الذاكرة (784 جيجابايت) مقارنةً بـ DGX Spark (128 جيجابايت) ، وهو أمر بالغ الأهمية للتعامل مع مجموعات البيانات الكبيرة ونماذج AI المعقدة. يبلغ عرض النطاق الترددي للذاكرة في شرارة DGX 273 جيجابايت/ثانية ، ولكن لا يتم توفير تفاصيل عرض النطاق الترددي المحددة لمحطة DGX ، على الرغم من أنه من المتوقع أن تكون أعلى بسبب بنيةها الأكثر تقدماً وسعة الذاكرة الأكبر [1] [5].
- الجمهور المستهدف: تهدف شرارة DGX إلى المطورين والباحثين الذين يحتاجون إلى نشر وتجريب نموذج الذكاء الاصطناعي الفوري ، في حين أن محطة DGX تستهدف المستخدمين والمؤسسات المحترفين التي تتطلب قوة حسابية عالية لمهام الذكاء الاصطناعى [7] [10].

باختصار ، على الرغم من أن كلا من GPUS تقدم أداءً عالياً لحساب الذكاء الاصطناعي ، فإن GPU Blackwell Ultra في محطة DGX يوفر إمكانات فائقة لأعباء عمل AI على نطاق واسع بسبب بنيةها المتقدمة وسعة الذاكرة الأكبر بكثير.

الاستشهادات:
[1]
[2] https://investor.nvidia.com/news/press-release-details/2025/nvidia-announces-dgx-spark-and-dgx-tation-ai-computers/default.aspx
[3] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-and-dgx-tation-personal-ai-copters
[4] https://www.tomshardware.com/pc-components/gpus/nvidia-announces-lackwell-ultra-b300-1-5x-faster-than-b200-with-288gb-hbm3e-and-15-pflops-dense-dense-dense
[5]
[6] https://www.theverge.com/news/631835/nvidia-lackwell-ultra-ai-chip-gb300
[7]
[8] https://www.nvidia.com/en-us/products/workstations/dgx-station/
[9] https://www.techtarget.com/searchenterpriseai/news/366621003/nvidia-readies-vera-rubin-to-replace-blackwell
[10] https://www.youtube.com/watch؟v=KRBH0VON-2A
[11]
[12] https://www.engineering.com/nvidia-unveils-dgx-personal-ai-supercomputers-by-grace-lackwell/