NVIDIA DGX SPARK和NVIDIA GEFORCE RTX 4090是设计用于不同目的的两个不同的计算系统，从而导致其体系结构存在显着差异。
CPU架构
-DGX Spark：它由NVIDIA GB10 SOC提供动力，该SOC具有20核ARMV9处理器。这包括十个Cortex-X925核心和十个Cortex-A725核心，旨在用于高性能AI处理和一般计算任务[1] [4]。-RTX 4090：此GPU没有专用的CPU；相反，它是旨在与主机CPU一起使用的图形处理单元(GPU)。它基于ADA Lovelace架构，特别是AD102 GPU，该AD102 GPU已针对游戏和图形工作负载进行了优化[2] [5]。
GPU架构
-DGX Spark：DGX Spark中的GPU基于Blackwell Architecture，该建筑是Nvidia Grace Blackwell Superchip的一部分。它针对AI工作负载进行了优化，可提供多达1,000个AI性能的顶部[1] [7]。-RTX 4090：RTX 4090具有ADA Lovelace体系结构，其中包括16,384个CUDA核心，128射线追踪核心和512张张量。该体系结构主要集中于游戏，射线追踪和高性能计算任务[2] [8]。
##记忆和带宽
-DGX Spark：它使用128 GB的256位LPDDR5X内存，提供273 GB/s的内存带宽。该系统还采用NVIDIA NVLINK-C2C互连技术来增强CPU-GPU通信，提供PCIE 5.0的带宽五倍[1] [4]。
-RTX 4090：RTX 4090带有24 GB的GDDR6X内存和1008 GB/s的内存带宽。它使用PCIE 4.0 x16接口连接到主机系统[2] [5]。
##张量和人工智能性能
-DGX Spark：配备了第五代张量芯，DGX Spark针对AI任务进行了优化，可提供多达1,000个AI性能的顶部。这使其适合训练和推断大型AI模型[1] [7]。
-RTX 4090：尽管主要是游戏GPU，但RTX 4090包括第四代张量核心，可增强其用于AI和机器学习任务的功能。但是，其AI性能不如DGX Spark [2] [8]这样的专业AI系统高。
##网络和连接性
-DGX Spark：它通过ConnectX-7 Smart NIC，WiFi 7，Bluetooth 5.3和四个USB4端口具有10GBE RJ45端口。 ConnectX-7允许网络功能，可以连接两个DGX SPARK Systems用于较大的AI模型[1] [4]。
-RTX 4090：作为GPU，它没有内置的网络功能，但依赖于主机系统的连接选项。它通过PCIE 4.0接口[2] [5]连接。
总而言之，DGX Spark被设计为紧凑型AI超级计算机，重点是AI处理和研究，而RTX 4090是针对游戏和图形工作负载优化的高性能GPU。
引用：
[1] https://www.cnx-software.com/2025/03/19/nvidia-dgx-spark-a-a-desktop-ai-supercomputer-power--by-nvidia-nvidia-gb10-20-20-20-20-core-marmv9-core-armv9-sococococococcococococococococococococococococ-----------------------------------
[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-pecialized-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-dgx-dgx-personal-ai-ai-supercuptupers
[8] https://coinpoet.com/ml/learn/gpu/nvidia-geforce-rtx-4090
[9] https://images.nvidia.com/aem-dam/solutions/geforce/ada/nvidia-ada-ada-gpu-architecture.pdf