个人AI超级计算机NVIDIA DGX SPARK旨在在台式环境上本地运行AI模型。虽然它没有直接与诸如AWS或Azure进行部署之类的云服务集成，但用户可以在DGX Spark上开发和微调模型，然后将它们部署到云平台上进行生产。以下是与AWS和Azure结合使用的方法：
###与云服务集成
1。开发和部署工作流程：用户可以利用DGX Spark在本地开发，微调和测试AI模型。一旦准备好了模型，就可以将它们上传到诸如AWS或Azure之类的云平台，以进行大规模部署和推理。这种方法允许开发人员在云中扩展之前在本地环境中有效工作。
2。NVIDIADGX云：尽管DGX Spark本身不是云服务，但NVIDIA提供了DGX云平台，该平台可在AWS，Azure和其他云提供商上使用。 DGX Cloud提供了对NVIDIA高级GPU的可扩展访问，使用户可以在云中训练和部署AI模型。尽管DGX Spark用于本地开发，但DGX Cloud可用于基于云的AI工作负载。
3。AWS集成：AWS为AI开发提供了各种工具和服务，例如用于模型部署的Amazon Sagemaker和用于批处理推断的AWS批处理。用户可以在DGX Spark上开发模型，然后使用SageMaker端点进行实时推理部署它们。此外，AWS还提供可扩展的存储解决方案，例如Amazon S3，可用于存储和管理大型数据集。
4。Azure集成：Azure提供了类似的功能，具有用于模型部署的Azure ML和Azure Kubernetes Service(AKS)，用于可扩展模型管理。用户可以在DGX Spark上本地开发模型，然后将其部署到Azure进行生产，利用Azure的可扩展存储解决方案(例如Azure Blob存储)。
总而言之，虽然DGX Spark并未与AWS或Azure直接集成，但它通过允许用户在本地开发和微调AI模型来对这些云平台进行补充，然后再将其部署到云中以进行大规模生产和推理。
引用：
[1] https://www.theverge.com/news/631957/nvidia-dgx-spark-spark-station-grace-brace-blackwell-ai-supercomputers-gtc
[2] https://www.datacenterdynamics.com/en/news/nvidia-dgx-cloud-now-now-awable-via-aws/
[3] https://www.constellationr.com/blog-news/insights/nvidia-launches-dgx-spark-dgx-dgx-dgx-personal-ai-ai-supercuptusters
[4] https://www.aquasec.com/cloud-native-academy/cspm/ai-workloads/
[5] https://docs.aws.amazon.com/pdfs/prescriptive-guidance/latest/tuning-aws-glue-for-apache-spark/tuning-apache-tuning-aws-glue-for-apache-spark，pdf
[6] https://www.pcmag.com/news/what-is-nvidias-dgx-station-a-new-pecialized-desktop-line-for-ai-work
[7] https://docs.nvidia.com/dgx-cloud/run-ai/latest/appendix.html
[8] https://blogs.nvidia.com/blog/aws-reinvent-ai-robotics-quantum-software/
[9] https://page.adn.de/hubfs/25042371/herstellerseiten/nvidia/nvidia/download/download/virtalialisierung/nvidia%20AI%20Ai%20EnterPrise%20LICENSINGENLENG--GUIDESING--GUIDE.PDF？
[10] https://www.bigdatawire.com/2024/12/11/nvidia-touts-touts-lower time-the-first-train-with-with-with-dgx-cloud-on-aws/
[11] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-spark-and-dgx-station-personal-ai-computers