🕷️
SetupAI
EN
🇨🇳較早收集於 21h

NVIDIA DGX Spark 支持 4 台叢集組網

NVIDIA DGX Spark 支持 4 台叢集組網
PostLinkedIn
🇨🇳閱讀原文： cnBeta (Full RSS)
#clustering#petaflops#unified-memorynvidia-dgx-sparknvidiadgx-spark

💡桌面 4 倍 AI 算力擴展，無需雲端即可本地訓練（24 字元）

⚡ 30-Second TL;DR

有什麼變化

支援最多 4 台叢集組網，性能線性擴展

為什麼重要

讓團隊無需依賴雲端即可進行高性能本地 AI 訓練。提升中小企業與研究人員的可擴展運算存取性。

下一步行動

組建 4 台 DGX Spark 叢集，測試 4 百萬億次本地 AI 推論。

誰應關注：Developers & AI Engineers

關鍵要點

  • •支援最多 4 台叢集組網，性能線性擴展
  • •單台：1 百萬億次 AI 算力，128GB LPDDR5X 統一記憶體
  • •4 台叢集：4 百萬億次算力，512GB 記憶體，桌面資料中心

🧠 深度解析

背景與延伸：來自公開資料，非原文內容。引用 8 個來源。

🔑 增強重點摘要

  • •DGX Spark 採用 NVIDIA Grace Blackwell GB10 超級晶片，整合 20 核心 Arm 處理器（10 Cortex-X925 + 10 Cortex-A725）與 Blackwell GPU[1][3]
  • •具備 6144 個 CUDA 核心、192 個第五代 Tensor 核心與 48 個第四代 RT 核心，支持 FP4 精準度下達 1 PFLOP AI 效能[1][2]
  • •記憶體頻寬 273 GB/s（256-bit LPDDR5X 介面，4266 MHz），儲存選項為 1TB 或 4TB NVMe M.2 自加密，並配備 ConnectX-7 Smart NIC、Wi-Fi 7 與 10 GbE[1][3]
  • •單機支持高達 200 億參數 AI 模型，兩台連結可達 405 億參數，如 Llama 3.1 405B[5][4]
📊 競品分析▸ Show
特徵NVIDIA DGX SparkAMD Strix HaloApple M4 Ultra3× NVIDIA RTX 3090
GPU/加速器1× Blackwell GPU (6144 CUDA, 192 Tensor cores)整合 RDNA3 GPU80-core Apple GPU3× Ampere GPU (24GB GDDR6X each)
記憶體128GB 統一 LPDDR5X (273 GB/s)128GB 統一 LPDDR5X (~256 GB/s)192–512GB 統一 LPDDR5X (>800 GB/s)~72GB 總 GDDR6X
峰值運算 (LLM)~1 PFLOP (稀疏 FP4)可比 FP16/FP8 (無 FP4)高 FLOPS (無 FP4)~105 TFLOPS FP32 總計
價格 (約)$4,699 (4TB Founders Edition)$2,348–$2,950$3,999+$2,500–3,000 (二手)

🛠️ 技術深入

  • GPU 規格：Blackwell 架構，6144 CUDA 核心、192 第五代 Tensor 核心（支持 FP4 稀疏運算達 1 PFLOP）、48 第四代 RT 核心、2 個 Copy Engines[1][2]
  • CPU 規格：20 核心 Arm（10× Cortex-X925 高性能核心 + 10× Cortex-A725 效率核心）[1][3]
  • 記憶體細節：128GB LPDDR5X 統一系統記憶體，256-bit 介面、4266 MHz 時脈（有效 8533 MT/s）、16 通道、273 GB/s 頻寬[1][3]
  • 儲存與網路：1TB/4TB NVMe M.2 自加密 SSD、ConnectX-7 Smart NIC、Wi-Fi 7、Bluetooth 5.4、10 GbE RJ-45、4× USB Type-C、HDMI 2.1a[1][5]
  • 軟體：預載 DGX OS，支持 NVIDIA AI 軟體堆疊如 TensorRT-LLM，用於原型設計、微調與推論[3][5]

🔮 前景展望AI analysis grounded in cited sources

DGX Spark 將加速桌面端大型 AI 模型開發
其 128GB 統一記憶體與 FP4 支持允許開發者本地運行 200 億參數模型，縮短從原型到資料中心部署的週期。[5][7]
叢集功能提升個人 AI 超算可及性
最多 4 台線性擴展至 4 PFLOP 與 512GB 記憶體，使桌面配置能處理 405B+ 模型，降低對雲端依賴。[1][4]
記憶體頻寬將成效能瓶頸
273 GB/s 頻寬低於 Apple M4 Ultra 的 800+ GB/s，在互動式 70B+ 模型推論中限制性能。[2][4]

⏳ 時間線

2025-01
NVIDIA 公布 Grace Blackwell 架構，奠定 DGX Spark 基礎
2026-01
CES 2026 展示 Project Digits（DGX Spark 前身），強調個人 AI 超算
2026-02
DGX Spark Founders Edition 上市，定價 $4,699 並開放預購
2026-03
發布 DGX Spark 4 台叢集組網支援，性能達 4 PFLOP
🇨🇳閱讀原文： cnBeta (Full RSS)
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #clustering

同產品

更多關於 NVIDIA

同來源

最新來自 cnBeta (Full RSS)

律師 WeChat 帳號遭 Tencent 永久封禁

律師 WeChat 帳號遭 Tencent 永久封禁

cnBeta (Full RSS)•Aug 20
G.Skill 開始發放 240 萬美元記憶體和解金

G.Skill 開始發放 240 萬美元記憶體和解金

cnBeta (Full RSS)•Aug 20

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： cnBeta (Full RSS) ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週 AI 簡報

每週一封，可隨時退訂。