NVIDIA DGX Spark i NVIDIA GeForce RTX 4090 to dwa odrębne systemy obliczeniowe zaprojektowane do różnych celów, co prowadzi do znacznych różnic w ich architekturach.
Architektura procesora
- DGX Spark: Jest zasilany przez NVIDIA GB10 SOC, który ma 20-rdzeniowy procesor ARMV9. Obejmuje to dziesięć rdzeni Cortex-X925 i dziesięć rdzeni Cortex-A725, zaprojektowanych do wysokowydajnych przetwarzania AI i ogólnych zadań obliczeniowych [1] [4].- RTX 4090: Ten procesor graficzny nie ma dedykowanego procesora; Zamiast tego jest to jednostka przetwarzania graficznego (GPU) zaprojektowana do pracy z procesorem hosta. Opiera się na architekturze ADA Lovelace, w szczególności GPU AD102, który jest zoptymalizowany do gier i obciążeń graficznych [2] [5].
Architektura GPU
- DGX Spark: GPU w iskrze DGX opiera się na architekturze Blackwell, która jest częścią Nvidia Grace Blackwell Superchip. Jest zoptymalizowany pod kątem obciążeń AI, zapewniając do 1000 szczytów wydajności AI [1] [7].- RTX 4090: RTX 4090 zawiera architekturę ADA Lovelace, która obejmuje 16 384 rdzeni CUDA, 128 rdzeni śledzenia promieni i 512 rdzeni tensorowych. Architektura ta koncentruje się przede wszystkim na grach związanych z gierami, śledzeniem promieni i wysokowydajnych obliczeń [2] [8].
pamięć i przepustowość
- DGX Spark: Wykorzystuje 128 GB 256-bitowej pamięci LPDDR5X, oferując przepustowość pamięci 273 GB/s. System wykorzystuje również technologię NVIDIA NVLINK-C2C Interconnect do zwiększonej komunikacji CPU-GPU, zapewniając pięciokrotnie przepustowość PCIE 5.0 [1] [4].- RTX 4090: RTX 4090 jest wyposażony w 24 GB pamięci GDDR6X i przepustowość pamięci 1008 G/s. Używa interfejsu PCIE 4.0 x16 do połączenia z systemem hosta [2] [5].
Tensor rdzenie i wydajność AI
- DGX Spark: Wyposażony w rdzenie tensorowe 5. generacji, Spark DGX jest zoptymalizowany do zadań AI, oferując do 1000 szczytów wydajności AI. To sprawia, że nadaje się do szkolenia i wnioskowania o dużych modelach AI [1] [7].- RTX 4090: Chociaż przede wszystkim GPU gier, RTX 4090 obejmuje rdzenie tensorowe czwartej generacji, które zwiększają jego możliwości dla sztucznej inteligencji i zadań uczenia maszynowego. Jednak jego wydajność AI nie jest tak wysoka, jak wyspecjalizowane systemy AI, takie jak DGX Spark [2] [8].
Networking i łączność
- DGX Spark: Ma 10 gbe port RJ45 za pośrednictwem ConnectX-7 Smart NIC, WiFi 7, Bluetooth 5.3 i cztery porty USB4. ConnectX-7 pozwala na możliwości sieciowe, które mogą połączyć dwa systemy DGX Spark dla większych modeli AI [1] [4].- RTX 4090: Jako GPU nie ma wbudowanych możliwości sieciowych, ale opiera się na opcjach łączności systemu hosta. Łączy się za pośrednictwem interfejsu PCIE 4.0 [2] [5].
Podsumowując, DGX Spark został zaprojektowany jako kompaktowy superkomputer AI z naciskiem na przetwarzanie AI i badania, podczas gdy RTX 4090 jest wysokowydajnym procesorem graficznym zoptymalizowanym do gier i prac graficznych.
Cytaty:
[1] https://www.cnx-software.com/2025/03/19/nvidia-dgx-spark-a-desktop-ai-supercomputer-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://bebom.com/nvidia-rtx-5070-vs-rtx-4090-comparison/
[7] https://www.constellationr.com/blog-news/insights/nvidia-lounches-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