Der NVIDIA DGX Spark und das Nvidia Geforce RTX 4090 sind zwei verschiedene Computersysteme, die für verschiedene Zwecke entwickelt wurden, was zu signifikanten Unterschieden in ihren Architekturen führt.
CPU -Architektur
- DGX Spark: Es wird vom NVIDIA GB10 SOC angetrieben, der einen 20-Kern-ARMV9-Prozessor enthält. Dies umfasst zehn Cortex-X925-Kerne und zehn Cortex-A725-Kerne, die für die Hochleistungs-KI-Verarbeitung und die allgemeinen Computeraufgaben ausgelegt sind [1] [4].- RTX 4090: Diese GPU hat keine dedizierte CPU; Stattdessen handelt es sich um eine Grafikverarbeitungseinheit (GPU), mit der mit einer Host -CPU gearbeitet wird. Es basiert auf der Ada Lovelace -Architektur, insbesondere der AD102 -GPU, die für Spiele und grafische Workloads optimiert ist [2] [5].
GPU -Architektur
- DGX Spark: Die GPU im DGX Spark basiert auf der Blackwell -Architektur, die Teil des Nvidia Grace Blackwell Superchip ist. Es ist für KI -Workloads optimiert und bietet bis zu 1.000 Tops der KI -Leistung [1] [7].. Diese Architektur konzentriert sich hauptsächlich auf Spiele für Spiele, Strahlenverfolgung und Hochleistungs-Computeraufgaben [2] [8].
Erinnerung und Bandbreite
- DGX Spark: Es verwendet 128 GB 256-Bit-LPDDR5X-Speicher und bietet eine Speicherbandbreite von 273 GB/s. Das System verwendet auch die NVIDIA NVLINK-C2C-Interconnect-Technologie für eine verbesserte CPU-GPU-Kommunikation und bietet die fünfmalige Bandbreite von PCIE 5.0 [1] [4].- RTX 4090: Der RTX 4090 verfügt über 24 GB GDDR6X -Speicher und eine Speicherbandbreite von 1008 GB/s. Es verwendet eine PCIe 4.0 X16 -Schnittstelle zur Verbindung zum Hostsystem [2] [5].
Tensorkerne und KI -Leistung
- DGX Spark: Der DGX Spark mit Tensor -Kern der 5. Generation ist für AI -Aufgaben optimiert und bietet bis zu 1.000 Tops der KI -Leistung. Dies macht es für das Training und die Schlussfolgerung großer KI -Modelle [1] [7] geeignet.. Die KI -Leistung ist jedoch nicht so hoch wie spezialisierte KI -Systeme wie den DGX -Spark [2] [8].
Netzwerk und Konnektivität
- DGX Spark: Es verfügt über einen 10GBE RJ45-Port über Connectx-7 Smart Nic, WiFi 7, Bluetooth 5.3 und vier USB4-Anschlüsse. Der Connectx-7 ermöglicht Netzwerkfunktionen, mit denen zwei DGX-Spark-Systeme für größere KI-Modelle angeschlossen werden können [1] [4].- RTX 4090: Als GPU verfügt es nicht über integrierte Netzwerkfunktionen, sondern stützt sich auf die Konnektivitätsoptionen des Host-Systems. Es wird über eine PCIe 4.0 -Schnittstelle hergestellt [2] [5].
Zusammenfassend ist der DGX-Spark als kompakter AI-Supercomputer mit Schwerpunkt auf KI-Verarbeitung und -forschung konzipiert, während der RTX 4090 eine Hochleistungs-GPU ist, die für Spiele und grafische Workloads optimiert ist.
Zitate:
[1] https://www.cnx-software.com/2025/03/19/nvidia-dgx-spark-a-desktop-ai-supercomputer-powered-by-nvidia-gb10-20-20-20-core-armv9-soc-with-1000-tops-ancompoform/
[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.constellationr.com/blog-news/insights/nvidia-launches-dgx-spark-dgx-station-personal-ai-supercomputers
[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