Совсем недавно NVIDIA представила DGX Spark — компактный AI-компьютер формата 150×150×50 мм. Внутри установлен Grace Blackwell Superchip GB10, объединяющий 20-ядерный ARM-процессор и GPU Blackwell, 128 ГБ единой LPDDR5X-памяти и накопитель до 64 ТБ. По уровню вычислительной мощности устройство сопоставимо с RTX 6000 Ada, но не требует серверной стойки, отдельного охлаждения и сложного подключения.

DGX Spark рассчитан на специалистов, которым нужно запускать крупные языковые модели и дообучать нейросети локально — без облачных квот, задержек и рисков для данных. В статье разберем архитектуру системы, интерфейсы и охлаждение, а также реальные сценарии, где мини-суперкомпьютер действительно заменяет сервер — от генерации изображений до вычислений в материаловедении.

«Железо», подключения и структура

В основе лежит Grace Blackwell Superchip GB10 — единый кристалл, где 20-ядерный ARM-процессор Grace и графический модуль Blackwell объединены шиной NVLink-C2C. Скорость обмена данными по ней в несколько раз выше, чем у PCI Express 5.0 ×16, поэтому CPU и GPU работают как одно целое, без задержек при передаче больших массивов данных — что критично при обучении нейросетей или обработке длинных контекстов.

Процессорная часть построена на ядрах Cortex-X925 и Cortex-A725: первые отвечают за ресурсоемкие вычисления вроде матричных операций и компиляции кода, вторые — за фоновую работу, подготовку данных и мониторинг. Ну а графический блок содержит 6144 CUDA-ядра, тензорные ядра пятого поколения для ускорения операций машинного обучения и RT-ядра четвертого поколения для рендеринга и трассировки лучей.

В DGX Spark установлено 128 ГБ LPDDR5X-памяти, доступной одновременно и процессору, и графическому ядру. Благодаря этому данные не нужно копировать между ними — все работает в едином пространстве. Пропускная способность 273 ГБ/с позволяет без задержек обрабатывать длинные тексты или большие пакеты изображений. В режиме низкой точности FP4 (четырехбитные числа) система справляется с моделями до сотен миллиардов параметров и подходит даже для тонкой настройки небольших нейросетей без потери качества.

В DGX Spark установлен NVMe SSD объемом 1 ТБ. А при необходимости можно добавить до 64 ТБ через внутренние разъемы или внешние хранилища. Все диски поддерживают аппаратное шифрование, поэтому данные — будь то медицинские снимки, последовательности ДНК или корпоративные файлы — можно безопасно держать локально, без передачи в облако.

Корпус DGX Spark выполнен из алюминия, окрашен в золотистый цвет и весит всего 1,2 кг. По форме это аккуратный куб, который органично смотрится на рабочем столе — и в офисе, и дома. За охлаждение отвечают два тихих вентилятора и массивная теплопластина, плотно прижатая к чипу, чтобы тепло распределялось равномерно. Даже при полной нагрузке температура держится в пределах 75–80 градусов, а шум не превышает 35 децибел — тише, чем у большинства ноутбуков во время сборки проекта или рендеринга видео. Питание подается от внешнего адаптера мощностью 240 Вт, подключаемого к обычной розетке. Благодаря этому систему можно без усилий переносить между комнатами, брать на презентации или ставить в коворкинге — без спецлиний и источников бесперебойного питания.

Подключения в DGX Spark продуманы так, чтобы все работало без переходников и лишних проводов. На корпусе — четыре порта USB Type-C со скоростью до 40 Гбит/с: один подает питание ноутбука или периферии, остальные подходят для внешних накопителей, мониторов с последовательным подключением или док-станций. Видеовыход HDMI 2.1a поддерживает 4K при 120 кадрах в секунду и 8K при 60, что удобно для демонстраций, монтажа и стриминга контента. Для сетевых задач предусмотрен порт RJ-45 (10 Гбит/с) и два QSFP-разъема на контроллере ConnectX-7 (по 200 Гбит/с). Через них можно объединять несколько устройств в кластер: два Spark почти удваивают производительность, а четыре превращаются в компактную вычислительную ферму с минимальными задержками. Беспроводная часть — протоколы Wi-Fi 7 и Bluetooth 5.4. 

Характеристики DGX Spark:

• Процессор: 20-ядерный ARM Grace (10 × Cortex-X925 + 10 × Cortex-A725)

• Графика: GPU Blackwell с 6144 CUDA-ядрами, тензорными ядрами 5-го поколения и RT-ядрами 4-го поколения

• Память: 128 ГБ LPDDR5X, единое адресное пространство CPU + GPU, пропускная способность 273 ГБ/с

• Накопитель: NVMe SSD от 1 ТБ (расширяется до 64 ТБ через внутренние или внешние массивы)

• Производительность: до 1 петафлопса в FP4 с учетом разреженности матриц

• Интерфейсы: 4 × USB Type-C (40 Гбит/с), HDMI 2.1a, RJ-45 10 Гбит, 2 × QSFP (по 200 Гбит/с)

• Беспроводные подключения: Wi-Fi 7 и Bluetooth 5.4

• Операционная система: DGX OS на базе Ubuntu для ARM, предустановлены CUDA, cuDNN, TensorRT, контейнеры NVIDIA NIM

• Охлаждение: два вентилятора и тепловая пластина с низким уровнем шума (до 35 дБ)

• Питание: внешний адаптер 240 Вт

• Габариты: 150 × 150 × 50 мм

• Вес: 1,2 кг

С завода установлена DGX OS на основе Ubuntu для архитектуры ARM с полным набором инструментов от NVIDIA. CUDA для вычислений, cuDNN — глубокого обучения, TensorRT — оптимизации вывода и контейнерами с использованием платформы NVIDIA NIM для быстрого развертывания. Модель запускается буквально парой команд в терминале — скачал готовый образ, запустил контейнер, и через минуту уже получаешь вывод или стартуешь обучение без ручной настройки зависимостей, драйверов или борьбы с совместимостью. Производительность в низкой точности FP4 с учетом разреженности матриц достигает одного петафлопса, что ставит систему на уровень профессиональных ускорителей, но в корпусе, который занимает в двадцать раз меньше места, потребляет втрое меньше энергии и не требует серверного охлаждения или отдельного питания.

Применение в реальных задачах

DGX Spark рассчитан не только на разработчиков, но и на всех, кто работает с ИИ-инструментами в повседневной работе — от дизайнеров до исследователей. Компактный формат позволяет запускать те же модели, что раньше требовали серверных мощностей, но теперь — на столе. Ниже - несколько примеров.

В творческих проектах система дает свободу экспериментов без «облаков». Дизайнер может взять собственную подборку из нескольких тысяч изображений, адаптировать Flux.1 или Stable Diffusion XL и получить генератор, создающий контент в нужном стиле или под конкретный бренд. Все данные остаются на локальном накопителе, поэтому приватность и конфиденциальность не нарушаются. Отсутствие сетевых задержек позволяет мгновенно видеть результат генерации и менять параметры без ожидания отклика. Для работы с текстами DGX Spark справляется с моделями вроде Qwen3 или Llama, поддерживая контексты до 32 000 токенов. Это удобно при создании чат-ботов, систем retrieval-augmented generation и локальных ассистентов, которые можно встроить в любое приложение и получать ответы мгновенно, без привычных облачных задержек.

В инженерной сфере DGX Spark заменяет традиционные рабочие места с несколькими видеокартами или даже небольшими кластерами. Так, например, при расчетах в вычислительной гидродинамике загружают сетку из ста миллионов элементов, запускают симуляцию на тензорных ядрах и получают предварительные результаты за несколько часов вместо суток на процессорных системах. В материаловедении или химии единое адресное пространство памяти позволяет держать в оперативке миллионы молекулярных структур, ускоряя поиск оптимальных конфигураций или предсказание свойств новых соединений. Биоинформатики дообучают сети на геномных последовательностях, хранят сырые файлы FASTQ на внутренних дисках и полностью избегают передачи зашифрованных данных в облако, что соответствует строгим требованиям регуляторов вроде HIPAA или GDPR.

Несколько DGX Spark можно объединить в кластер для распределенного обучения больших моделей. Два сетевых порта QSFP (по 200 Гбит/с каждый) на контроллере ConnectX-7 обеспечивают быструю связь между устройствами, поэтому два или три таких модуля работают как единая когерентная система. Это удобно для небольших лабораторий и стартапов, которым нужно тестировать архитектуры или дообучать модели без доступа к дата-центру. Малые команды могут запускать на такой связке собственные чат-боты и внутренние LLM, используя корпоративные данные — без внешних API, подписок и лимитов по токенам. В университетах исследователи проводят десятки экспериментов параллельно, меняют гиперпараметры и отслеживают метрики в реальном времени, не дожидаясь своей очереди на общий GPU-кластер или облачные ресурсы.

А сколько это стоит?

Базовая версия DGX Spark оценивается в 3999 долларов. Для домашнего пользователя это серьезная сумма. Но если сравнить с серверными решениями с аналогичной производительностью, то стоимость становится привлекательной. Ведь одна только RTX 6000 Ada стоит около шести–семи тысяч долларов, а вместе с материнской платой, оперативной памятью, накопителем и блоком питания итог легко переваливает за десять. Здесь же все собрано в компактном корпусе, не требующем ни стойки, ни промышленного охлаждения, ни отдельной электролинии.

Продажи стартовали в октябре 2025 года, Spark уже вызвал интерес у исследователей, инженеров и разработчиков. По сути, DGX Spark делает то, что раньше было доступно только в дата-центрах: обучение, тестирование и настройку моделей можно проводить прямо на столе. Все работает локально — без задержек, ограничений и зависимости от облака. Это особенно важно там, где требуется быстрая обратная связь и гарантированная защита данных — от исследовательских лабораторий до небольших студий, которые хотят держать ИИ-проекты под полным контролем. 

Как считаете, стоит ли овчинка выделки? Пишите в комментариях.