NVIDIA DGX Spark

Ang NVIDIA DGX Spark ay ang reference desktop system para sa NVIDIA GB10 Grace Blackwell Superchip, unang ipinakita sa publiko noong Enero 2025 sa ilalim ng pansamantalang pangalang Project DIGITS bago ipadala sa ilalim ng pangalan nito. Bilang platform na dinisenyo, napatunayan, at patuloy na direktang ina-update ng NVIDIA mismo, ito ay naglalaman ng 1 petaFLOP na FP4 AI performance at 128 GB ng coherent unified memory sa isang 1.2 kg enclosure na sapat ang liit para mailagay sa tabi ng keyboard sa isang desk.

Dahil ang DGX Spark ay sariling reference design ng NVIDIA, ito rin ang platform kung saan unang napatutunayan ang mga bagong kakayahan ng GB10 ecosystem. Kasunod ng NVIDIA's GTC 2026 conference sa katapusan ng Marso 2026, ang opisyal na suporta para sa 4-node RoCE clustering — na nagtataas sa isang deployment sa 512 GB ng shared unified memory — ay kinumpirma sa DGX Spark bago ito gamitin sa partner hardware, kasabay ng umiiral na 2-unit direct-linking capability na karaniwan na sa GB10 lineup.

Mga Specipikasyon ng Hardware

Sa core nito ay ang NVIDIA GB10 Grace Blackwell Superchip, na pinagsasama ang isang 20-core Arm processor (10 × Cortex-X925 performance cores + 10 × Cortex-A725 efficiency cores) kasama ang isang Blackwell-generation GPU na may 5th-generation Tensor Cores at native na suporta sa FP4 sparsity. Ang dalawa ay pinag-uugnay ng 128 GB LPDDR5x unified memory na naghahatid ng 273 GB/s ng coherent bandwidth na ibinahagi sa pagitan ng CPU at GPU, na nag-aalis ng copy overhead na karaniwang idinudulot ng magkahiwalay na CPU/GPU memory pools. Ang storage ay isang 4 TB self-encrypting PCIe Gen4 NVMe SSD, na sapat ang laki para mag-hold ng malalaking model checkpoint at dataset nang lokal.

Software: Ang Buong NVIDIA AI Stack, Naka-install Na

Ang DGX Spark ay may kasamang NVIDIA DGX OS (Ubuntu 24.04 LTS) at ang kumpletong NVIDIA AI software stack na naka-install na at napatunayan laban sa hardware — ang CUDA, cuDNN, TensorRT, at NVIDIA Container Runtime ay handa na sa unang boot. Ang NVIDIA NIM microservices ay nagpapahintulot sa mga sinusuportahang modelo na ma-deploy bilang optimized inference container nang walang manual tuning, at ang parehong mga container ay mananatiling hindi nagbabago kapag ang workload ay inilipat sa NVIDIA DGX Cloud o sa isang datacenter DGX system. Ang patuloy na ina-update na set ng opisyal na playbook ay sumasaklaw sa karaniwang workflow — mula sa vLLM at TensorRT-LLM serving hanggang sa fine-tuning gamit ang NeMo at Unsloth — na nagpapabawas sa setup time para sa parehong mga baguhan at advanced na user.

Para sa agentic AI workloads, kasama sa DGX Spark ang NemoClaw, ang sandboxed agent-execution layer ng NVIDIA. Ito ay nagpapatupad ng policy-based access control sa paligid ng autonomous agents, naglo-log ng kanilang mga aksyon para sa layuning audit, at na-optimize upang maghatid ng mas mabilis na lokal na agent inference sa mga kamakailang update ng DGX OS.

Konektibidad at Networking

Ang networking ay binuo sa paligid ng isang NVIDIA ConnectX-7 Smart NIC na may dalawang 200 Gbps QSFP port, na ginagamit para sa direktang unit-to-unit linking o, sa mas malalaking deployment, koneksyon sa isang managed RoCE switch fabric. Ang karagdagang onboard connectivity ay sumasaklaw sa 10 GbE Ethernet (RJ-45), Wi-Fi 7, at Bluetooth 5.4. Ang apat na USB4 Type-C port ay sumusuporta sa DisplayPort output para sa lokal na multi-monitor na paggamit — hanggang tatlong sabay-sabay na display — kasabay ng HDMI, na nagpapahintulot sa parehong unit na magsilbi bilang parehong development workstation at isang always-on inference server.

Pamamahala at Seguridad ng Enterprise

Ang DGX Spark ay sumusuporta sa air-gapped deployment para sa mga environment na walang internet connectivity, kabilang ang custom ISO creation sa pamamagitan ng Cloud-init at USB-based na OS at driver update — na nagpapahintulot sa mga fleet na ma-provision at mapanatili nang walang dependency sa external network. Ang storage ay self-encrypting bilang default, at ang platform ay may kasamang TPM 2.0 at Secure Boot, na nagbibigay dito ng security baseline na angkop sa regulated, data-sensitive deployment kung saan ang processing ay dapat manatiling ganap na on-premises.

Pag-scale: Single, 2-Unit, at 4-Unit na Mga Configuration

Ang isang solong DGX Spark ay komportableng nagsisilbi ng mga modelo hanggang sa humigit-kumulang 200 bilyong parameter nang lokal. Para sa mas malalaking modelo, ang dalawang unit ay direktang nag-uugnay sa pamamagitan ng ConnectX-7 QSFP port sa isang pinagsamang 256 GB unified memory pool, at hanggang apat na unit ay maaaring pagsamahin sa pamamagitan ng isang managed 200 GbE RoCE switch fabric para sa isang 512 GB coherent pool — ang parehong clustering path na napatunayan ng NVIDIA sa GTC 2026.

Ecosystem at Pangmatagalang Daan ng Pag-scale

Dahil ang DGX Spark ay tumatakbo sa parehong DGX OS at NVIDIA AI software stack na ginagamit sa buong NVIDIA DGX Cloud at mga datacenter DGX system, ang mga workload na binuo nang lokal — mga container, NIM deployment, fine-tuning pipeline — ay dala nang walang pagbabago kapag oras na upang lumipat mula sa isang desktop prototype patungo sa mas malaking production deployment.