GPU NVIDIA Blackwell di DGX Spark dan Nvidia Blackwell Ultra GPU di stasiun DGX keduanya merupakan bagian dari Arsitektur Grace Blackwell Nvidia, yang dirancang untuk komputasi AI berkinerja tinggi. Namun, mereka memenuhi kebutuhan yang berbeda dan menawarkan kemampuan kinerja yang berbeda.
NVIDIA Blackwell GPU di DGX Spark
Spark DGX ditenagai oleh GB10 Grace Blackwell Superchip, yang mencakup GPU Blackwell dengan inti tensor generasi kelima dan dukungan FP4. Pengaturan ini memberikan hingga 1.000 triliun operasi per detik (atas) dari kinerja komputasi AI, membuatnya cocok untuk tugas penyesuaian dan inferensi dengan model AI canggih seperti model NVIDIA COSMOS Reason World Foundation [2] [3]. Sistem ini memiliki fitur 128 GB memori sistem terpadu, yaitu LPDDR5X, dan bandwidth memori 273 Gb/s [5] [10]. DGX Spark dirancang untuk pengembang dan peneliti yang perlu membuat prototipe, fine-tune, dan menggunakan model AI dengan cepat, terutama dalam skenario komputasi tepi di mana privasi data dan latensi rendah sangat penting [7].
Nvidia Blackwell Ultra GPU di stasiun DGX
Sebaliknya, stasiun DGX menggunakan GB300 Grace Blackwell Ultra Desktop Superchip, yang mencakup GPU Blackwell Ultra. Sistem ini dirancang untuk beban kerja AI yang lebih menuntut, seperti pelatihan skala besar dan inferensi. Stasiun DGX menawarkan peningkatan kapasitas memori yang signifikan dengan 784 GB ruang memori yang koheren, menggabungkan dram LPDDR5X CPU dan memori HBM3E GPU [1] [8]. GPU Blackwell Ultra di stasiun DGX memberikan kinerja yang unggul dibandingkan dengan GPU Blackwell standar, dengan kemampuan yang lebih selaras dengan kinerja tingkat pusat data. Ini mendukung inti tensor terbaru dan presisi FP4, terhubung melalui NVLink-C2C untuk peningkatan komunikasi dan kinerja sistem [2] [3].
Perbandingan Kinerja
- Hitung Kinerja: Kedua sistem memberikan hingga 1.000 triliun operasi per detik untuk tugas komputasi AI, tetapi memori Stasiun DGX yang lebih besar dan arsitektur GPU yang lebih canggih membuatnya lebih cocok untuk pelatihan model AI yang kompleks dan inferensi skala besar [1] [3].
- Memori dan Bandwidth: Stasiun DGX menawarkan lebih banyak memori (784 GB) secara signifikan dibandingkan dengan DGX Spark (128 GB), yang sangat penting untuk menangani kumpulan data besar dan model AI yang kompleks. Bandwidth memori dalam percikan DGX adalah 273 GB/s, tetapi detail bandwidth spesifik untuk stasiun DGX tidak disediakan, meskipun diharapkan lebih tinggi karena arsitekturnya yang lebih maju dan kapasitas memori yang lebih besar [1] [5].
- Target audiens: DGX Spark ditujukan untuk pengembang dan peneliti yang membutuhkan penyebaran dan eksperimen model AI langsung, sementara stasiun DGX menargetkan pengguna profesional dan perusahaan yang membutuhkan kekuatan komputasi tinggi untuk menuntut tugas AI [7] [10].
Singkatnya, sementara kedua GPU menawarkan kinerja komputasi AI tinggi, Blackwell Ultra GPU di stasiun DGX memberikan kemampuan unggul untuk beban kerja AI skala besar karena arsitektur canggih dan kapasitas memori yang jauh lebih besar.
Kutipan:
[1] https://www.theregister.com/2025/03/18/gtc_frame_nvidias_budget_blackwell/
[2] https://investor.nvidia.com/news/press-release-details/2025/nvidia-announces-dgx-park-and-dgx-station-personal-ai-computers/default.aspx
[3.
[4] https://www.tomshardware.com/pc-components/gpus/nvidia-announces-blackwell-ultra-b300-1-5x-faster-than-b200-with-288gb-hbm3e-and-5-pflops-dense-fp4
[5] https://www.reddit.com/r/localllama/comments/1jedlum/dgx_sparks_nvidia_digits/
[6] https://www.theverge.com/news/631835/nvidia-blackwell-ultra-ai-chip-gb300
[7] https://opentools.ai/news/nvidia-unleashes-the-future-with-personal-ai-supercomputer
[8] https://www.nvidia.com/en-us/products/workstations/dgx-station/
[9] https://www.techtarget.com/searchenterpriseai/news/366621003/nvidia-readies-vera-rubin-to-creplace-blackwell
[10] https://www.youtube.com/watch?v=Krbh0von-2a
[11] https://www.bigdatawire.com/2025/03/18/nvidia-cranks-up-the-dgx-performance-with-blackwell-ultra/
[12] https://www.engineering.com/nvidia-uNVeils-dgx-personal-ai-supercomputer-by-grace-backwell/