Le NVIDIA DGX Spark et le NVIDIA GEFORCE RTX 4090 sont deux systèmes informatiques distincts conçus à des fins différentes, conduisant à des différences significatives dans leurs architectures.
Architecture du processeur
- DGX Spark: il est alimenté par le NVIDIA GB10 SOC, qui dispose d'un processeur ARMV9 à 20 cœurs. Cela comprend dix cœurs Cortex-X925 et dix cœurs Cortex-A725, conçus pour le traitement AI haute performance et les tâches informatiques générales [1] [4].- RTX 4090: Ce GPU n'a pas de CPU dédié; Au lieu de cela, il s'agit d'une unité de traitement graphique (GPU) conçue pour fonctionner avec un CPU hôte. Il est basé sur l'architecture ADA Lovelace, en particulier le GPU AD102, qui est optimisé pour les jeux de travail et les charges de travail graphiques [2] [5].
Architecture GPU
- DGX Spark: Le GPU du DGX Spark est basé sur l'architecture Blackwell, qui fait partie de la superchip Nvidia Grace Blackwell. Il est optimisé pour les charges de travail de l'IA, offrant jusqu'à 1 000 sommets de performances en IA [1] [7].- RTX 4090: Le RTX 4090 dispose de l'architecture ADA Lovelace, qui comprend 16 384 cœurs CUDA, 128 noyaux de traçage de rayons et 512 noyaux de tenseur. Cette architecture est principalement axée sur les jeux, le traçage des rayons et les tâches informatiques hautes performances [2] [8].
Mémoire et bande passante
- DGX Spark: il utilise 128 Go de mémoire LPDDR5X 256 bits, offrant une bande passante de mémoire de 273 Go / s. Le système utilise également la technologie d'interconnexion NVIDIA NVLINK-C2C pour une communication améliorée du CPU-GPU, fournissant cinq fois la bande passante de PCIe 5.0 [1] [4].- RTX 4090: Le RTX 4090 est livré avec 24 Go de mémoire GDDR6X et une bande passante de mémoire de 1008 Go / s. Il utilise une interface PCIe 4.0 x16 pour la connexion au système hôte [2] [5].
core tenseur et performance de l'IA
- DGX Spark: équipé de noyaux de tenseur de 5e génération, le DGX Spark est optimisé pour les tâches AI, offrant jusqu'à 1 000 sommets de performances d'IA. Cela le rend adapté à la formation et à l'inférence de grands modèles d'IA [1] [7].- RTX 4090: Bien que principalement un GPU de jeu, le RTX 4090 comprend des noyaux de tenseur de 4e génération, qui améliorent ses capacités pour l'IA et les tâches d'apprentissage automatique. Cependant, ses performances d'IA ne sont pas aussi élevées que les systèmes d'IA spécialisés comme le DGX Spark [2] [8].
Réseautage et connectivité
- DGX Spark: il dispose d'un port 10GBE RJ45 via ConnectX-7 Smart Nic, WiFi 7, Bluetooth 5.3 et quatre ports USB4. Le ConnectX-7 permet des capacités de mise en réseau qui peuvent connecter deux systèmes DGX Spark pour les modèles d'IA plus grands [1] [4].- RTX 4090: En tant que GPU, il n'a pas de capacités de réseautage intégrées mais repose sur les options de connectivité du système hôte. Il se connecte via une interface PCIe 4.0 [2] [5].
En résumé, le DGX Spark est conçu comme un supercalculateur d'IA compact en mettant l'accent sur le traitement et la recherche sur l'IA, tandis que le RTX 4090 est un GPU haute performance optimisé pour les jeux et les charges de travail graphiques.
Citations:
[1] https://www.cnx-software.com/2025/03/19/nvidia-dgx-park-a-desktop-ai-supercomputerter-powered-by-nvidia-gb10-20-core-armv9-soc-with-1000-tops-of-ai-performance/
[2] https://www.itcreations.com/nvidia-gpu/nvidia-geforce-rtx-4090-gpu
[3] https://www.fibermall.com/blog/nvidia-a100-vs-4090.htm
[4] https://www.pcmag.com/news/what-is-nvidias-dgx-station-a-new-specialized-desktop-line-for-ai-work
[5] https://www.techpowerup.com/review/nvidia-geforce-rtx-4090-founders-edition/2.html
[6] https://beebom.com/nvidia-rtx-5070-vs-rtx-4090-Comparison/
[7] https://www.nstellationr.com/blog-news/insights/nvidia-lanches-dgx-king-dgx-station-personal-ai-superccomputers
[8] https://coinpoet.com/ml/learn/gpu/nvidia-geforce-rtx-4090
[9] https://images.nvidia.com/aem-dam/solutions/geforce/ada/nvidia-ada-gpu-architecture.pdf