NVIDIA DGX Spark 64GB 为开发者提供更多构建和扩展本地 AI 的方式

NVIDIA Blog 2026/10/02 13:00 产品

dgx-spark local-ai nvidia grace-blackwell clustering ai-hardware developer-tools

摘要

NVIDIA 推出 DGX Spark 个人 AI 超级计算机的 64GB 配置，通过 Dell、HP、ASUS 等合作伙伴进行销售，并支持借助 NVIDIA Sync 组建集群，将内存池化至最多 128GB，可在本地运行参数规模高达 200B 的模型。

<div id="bsf_rt_marker"></div>本地 AI 正在以每个 token 的速度不断变得更有价值。 随着 AI 智能体从实验走向日常开发，能力日益增强的开源模型正在不断缩小体积，以适配更多设备，让开发者能够在本地运行更多内容。 本月即将推出，<a target="_blank" href="https://www.nvidia.com/en-us/products/workstations/dgx-spark/">NVIDIA DGX Spark</a> 将由顶级制造合作伙伴——Acer、ASUS、Dell、Gigabyte、HP 和 MSI——提供配备 64GB 统一内存的版本，为开发者、研究人员和 AI 爱好者带来这一全新配置，开箱即可使用 DGX OS 与 NVIDIA AI 软件栈。 这一新型 SKU 可在设备本地运行功能完备的 AI 智能体——私密可靠，无需依赖云端。当工作负载增长时，两台设备还能通过 NVIDIA Sync Cluster Assistant 直接组成集群，无需任何额外配置。 <h2>个人 AI 超级计算的全新起点</h2> DGX Spark 将 <a target="_blank" href="https://www.nvidia.com/en-us/networking/ethernet-adapters/">NVIDIA ConnectX-7 网络</a>、统一内存以及经过 <a target="_blank" href="https://developer.nvidia.com/cuda">NVIDIA CUDA</a> 加速的 AI 软件栈整合到同一台系统中。它是一个完整的本地 AI 平台，可用于智能体、推理、微调、数据科学和边缘开发。 这台紧凑的个人 AI 超级计算机，为开发者实验模型和自有数据提供了场所，无需为每一项任务都转向云实例。 新款 64GB 配置仅通过制造合作伙伴独家提供，在保持可负担价格的同时，依旧保留了 GB10 Grace Blackwell 超级芯片、DGX OS 和完整的 NVIDIA AI 软件栈——与 128GB 型号完全一致。它可完全在设备本地支持最高 1000 亿参数的模型以及基于这些模型构建的智能体应用。 两台 64GB 设备组成集群后，带来的远不止内存翻倍。在 NVIDIA 的 Qwen 3.8 27B 测试中，两台 64GB 设备组成的集群相比单台设备可带来最高 1.7 倍的性能提升，并且随着工作负载增长仍有进一步扩展的空间。 DGX Spark 出厂即为智能体开发做好准备——NVIDIA Agent Toolkit、CUDA-X AI 库、Nemotron 开源模型，以及 Ollama、vLLM、PyTorch with CUDA 等热门运行时均可开箱即用。开发者从通电到运行模型只需几分钟。 Blender 是首批支持该平台的主要创作应用之一，<a target="_blank" href="http://blender.org/download.">其预构建安装包即将推出</a>。 <h2>借助 NVIDIA Sync Cluster Assistant 实现横向扩展</h2> 开发者可以先从项目当前所需的内存容量起步，随后在一个专为无缝扩展多节点集群而设计的平台上持续构建，以应对不断增长的工作负载。 每台 DGX Spark 开箱即内置了 NVIDIA ConnectX-7 网卡。此外，两台设备可通过 QSFP 线缆直接相连，将内存池化至128GB，并将模型支持规模扩展到最高2000 亿参数，同时提供两倍内存带宽和最高 1.7 倍性能。 <a target="_blank" href="https://docs.nvidia.com/sync/latest/index.html">NVIDIA Sync</a> 应用可无缝配置这一多节点集群。集群助手功能会自动检测已连接的设备、校验设备配置并完成 ConnectX-7 网络配置，让开发者把精力放在工作本身而非基础设施上。每个节点都运行相同的 NVIDIA 软件栈，因此从单台扩展到两台时无需重新配置。 <iframe title="如何通过 NVIDIA Sync 连接两台 DGX Spark" width="1200" height="675" src="https://www.youtube.com/embed/MehBUQtb9qM?feature=oembed" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe> 而在本月底即将推出的 NVIDIA Sync Model Launcher，让运行本地 AI 变得只需点击几下按钮那么简单。开发者可以在单台 DGX Spark 系统或集群上下载并启动 Qwen3.8 27B，由 NVIDIA Sync 配置该模型跨已连接设备运行，并让用户从笔记本电脑即可访问。该启动器还会配置 OpenCode 以使用该模型，让开发者能够直接在浏览器中开始编码。 <a href="https://blogs.nvidia.com/wp-content/uploads/2026/10/10-02-local-AI-blog-body.jpg"><img fetchpriority="high" decoding="async" class="aligncenter size-full wp-image-98571" src="https://blogs.nvidia.com/wp-content/uploads/2026/10/10-02-local-AI-blog-body.jpg" alt="" width="1280" height="680" srcset="https://blogs.nvidia.com/wp-content/uploads/2026/10/10-02-local-AI-blog-body.jpg 1280w, https://blogs.nvidia.com/wp-content/uploads/2026/10/10-02-local-AI-blog-body-960x510.jpg 960w, https://blogs.nvidia.com/wp-content/uploads/2026/10/10-02-local-AI-blog-body-630x335.jpg 630w" sizes="(max-width: 1280px) 100vw, 1280px" /></a> <h2>DGX Spark 上的开发者用例</h2> 全新的 DGX Spark 64GB 配置从第一天起即可支持实际工作。凭借最高 1000 亿参数模型完全在设备本地运行的能力，开发者和 AI 爱好者既可以从单台设备开始，运行内存容量容纳得下的模型；也可以借助 NVIDIA Sync Cluster Assistant 连接多台 DGX Spark 设备，应对需要更多内存和算力的工作负载。 以下是三个工作流示例： <ul> <li>全天候运行 AI 智能体：让编码或研究智能体常驻 DGX Spark，随时审查代码、分析文档或执行多步骤任务。集群则为更大模型、更长上下文窗口或多个智能体同时运行提供额外容量。</li> <li>在日常 PC 上驱动 AI 应用：在笔记本或台式机上使用智能体或创作应用的同时，让 DGX Spark 运行语言或图像生成模型。DGX Spark 负责模型推理，让 PC 空出来处理其他工作。</li> <li>工作量增长时随之扩展：当单个任务超出一台设备的能力——运行更大模型、更长上下文窗口或并发的智能体请求——两台 DGX Spark 64GB 系统通过 NVIDIA Sync Cluster Assistant 在 200 GbE 网络上互联，将内存池化至 128GB。原本在单台设备上运行的同一套工作流，可无缝扩展到两台，而无需重新配置软件环境。</li> </ul> <h2>开始使用 DGX Spark</h2> DGX Spark 64GB 已可从<a target="_blank" href="https://www.acer.com/us-en/desktops-and-all-in-ones/veriton-workstations/veriton-gn100-ai-mini-workstation">制造合作伙伴处购买</a>，Dell、HP、ASUS 等渠道也将陆续上架。

查看原文

查看缓存全文

缓存时间: 2026/10/02 15:39

# NVIDIA DGX Spark 64GB 让开发者拥有更多构建和扩展本地 AI 的方式来源：https://blogs.nvidia.com/blog/local-ai-dgx-spark-64gb-sync/ 本地 AI 正在以每个 token 的速度变得更有用。随着 AI 智能体从实验走向日常开发，能力不断增强的开放模型正在不断缩小，以适配更多设备，让开发者能够在本地运行更多东西。本月晚些时候，NVIDIA DGX Spark (https://www.nvidia.com/en-us/products/workstations/dgx-spark/) 将推出配备 64GB 统一内存的版本，由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 等顶级制造商合作伙伴供应，为开发者、研究人员和 AI 爱好者提供全新配置，开箱即用 DGX OS 和 NVIDIA AI 软件栈。这款新 SKU 可在设备端本地运行强大的 AI 智能体——私密、安全，且无需依赖云。当工作负载增长时，两台设备可通过 NVIDIA Sync Cluster Assistant 直接组建集群，无需任何额外设置。 ## **个人 AI 超算的全新起点** DGX Spark 将 NVIDIA Grace Blackwell 计算、统一内存、NVIDIA ConnectX-7 网络 (https://www.nvidia.com/en-us/networking/ethernet-adapters/) 以及 NVIDIA CUDA (https://developer.nvidia.com/cuda) 加速的 AI 软件栈集成于一台系统之中。这是一个完整的本地 AI 平台，适用于智能体、推理、微调、数据科学和边缘开发。这台紧凑的个人 AI 超级计算机为开发者提供了在本地试验模型和自有数据的场所，无需每项任务都转向云实例。全新的 64GB 配置仅通过制造商合作伙伴渠道销售，在保持 GB10 Grace Blackwell 超级芯片、DGX OS 和完整 NVIDIA AI 软件栈（与 128GB 型号相同）的同时，将平台价格带到了更易接受的水平。它支持最高 1000 亿参数的模型以及基于这些模型构建的智能体应用，完全在设备端运行。两台 64GB 设备组成的集群带来的不只是内存翻倍。在 NVIDIA 的 Qwen 3.8 27B 测试中，两台 64GB 系统组成的集群相比单台系统可带来最高 1.7 倍的性能提升，并且随着工作负载需求增长仍有继续扩展的空间。 DGX Spark 从第一天起就为智能体开发做好准备——NVIDIA Agent Toolkit、CUDA-X AI 库、Nemotron 开放模型，以及 Ollama、vLLM 和 PyTorch with CUDA 等主流运行时，开箱即全部支持。开发者从开机到运行模型只需几分钟。 Blender 是最早支持该平台的主要创作应用提供商之一，预构建的可下载安装程序即将发布 (http://blender.org/download.)。 ## **借助 NVIDIA Sync Cluster Assistant 实现扩展** 开发者可以先从当前项目所需的内存起步，并在一个专为无缝扩展多节点集群而设计的平台上持续构建，以应对不断增长的更大工作负载。每台 DGX Spark 出厂时就内置了 NVIDIA ConnectX-7 网卡。此外，两台设备可通过 QSFP 线缆直接相连，将内存池化至 128GB，将模型支持扩展到最高 2000 亿参数，同时提供两倍的内存带宽和最高 1.7 倍的性能。 NVIDIA Sync (https://docs.nvidia.com/sync/latest/index.html) 应用可无缝配置这一多节点集群。集群助手功能会自动检测已连接的设备、验证设备配置并配置 ConnectX-7 网络，让开发者专注于工作本身而非基础设施。每个节点都运行相同的 NVIDIA 软件栈，因此从单台扩展到两台时无需重新配置任何内容。本月月底，NVIDIA Sync Model Launcher 也将推出，让运行本地 AI 像点击几个按钮一样简单。开发者可以在单台 DGX Spark 系统或集群上下载并启动 Qwen3.8 27B，NVIDIA Sync 会将模型配置为跨已连接设备运行，并让用户能从笔记本电脑直接访问。该启动器还会配置 OpenCode 使用该模型，让开发者可以直接在浏览器中开始编码。 [](https://blogs.nvidia.com/wp-content/uploads/2026/10/10-02-local-AI-blog-body.jpg) ## **DGX Spark 上的开发者用例** 全新的 DGX Spark 64GB 配置从第一天起就支持实际工作。最高 1000 亿参数的模型可完全在设备端运行，开发者和爱好者可以从单台系统开始，运行适合其内存的模型，或通过 NVIDIA Sync Cluster Assistant 连接多台 DGX Spark 系统，以满足需要更多内存和算力的工作负载。以下是三个工作流示例： - **全天候运行 AI 智能体：**在 DGX Spark 上持续运行编码或研究智能体，随时准备审查代码、分析文档或执行多步骤任务。集群可为更大的模型、更长的上下文窗口或多个智能体同时工作提供额外容量。 - **为你的日常 PC 驱动 AI 应用：**在 DGX Spark 上运行语言或图像生成模型，同时在笔记本电脑或台式机上使用智能体或创作应用。DGX Spark 负责模型推理，释放 PC 用于其他工作。 - **工作量增长时随之扩展：**当单台设备无法承载某项任务时——运行更大的模型、更长的上下文窗口或并发的智能体请求——通过 NVIDIA Sync Cluster Assistant 以 200 GbE 网络连接的两台 DGX Spark 64GB 系统可将内存池化至 128GB。在单台设备上运行的同一工作流无需重新配置软件环境即可扩展到两台设备。 ## **开始使用 DGX Spark** DGX Spark 64GB 将于 10 月 23 日（周五）在 Acer (https://www.acer.com/us-en/desktops-and-all-in-ones/veriton-workstations/veriton-gn100-ai-mini-workstation)、ASUS (https://www.asus.com/networking-iot-servers/desktop-ai-supercomputer/ultra-small-ai-supercomputers/asus-ascent-gx10/)、Dell、Gigabyte (https://www.gigabyte.com/AI-TOP-PC/GIGABYTE-AI-TOP-ATOM)、HP 和 MSI (https://ipc.msi.com/product_detail/Industrial-Computer-Box-PC/AI-Supercomputer/EdgeXpert-MS-C931) 渠道开售，起价 $4,999。开始使用步骤： - 下载受支持的推理框架——llama.cpp、Ollama、vLLM 或 LM Studio。 - 下载该工作流推荐的本地模型。 - 如需扩展至两台设备，请通过其 NVIDIA ConnectX-7 端口连接，并启动 NVIDIA Sync Cluster Assistant——它会自动配置网络并路由工作负载。如需了解 DGX Spark 上的智能体 AI 操作手册，请访问 build.nvidia.com 上的 NemoClaw (http://build.nvidia.com/spark/nemoclaw)、OpenClaw (http://build.nvidia.com/spark/openclaw)、Hermes Agent (http://build.nvidia.com/spark/hermes-agent) 和 OpenShell (http://build.nvidia.com/spark/openshell) 页面。 ## **#ICYMI：NVIDIA 本地 AI 更多更新** 在 build.nvidia.com/spark (http://build.nvidia.com/spark) 上探索 DGX Spark 的操作手册。以下手册即将上线 64GB 设备： - 用 vLLM 提供 LLM 服务 - 使用本地 LLM 运行 OpenClaw - 连接多台 DGX Spark 实现分布式工作负载由 NVIDIA RTX Spark (https://blogs.nvidia.com/blog/local-ai-ifa-next-gen-agents-nv-pair-rtx-spark/) 驱动的全新 Windows PC 本月将由 Acer、ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 推出。订阅 RTX Spark newsletter (https://www.nvidia.com/en-us/products/rtx-spark/) 以获取后续更新。阿里巴巴的 Qwen-Image-2.1 (https://qwen.ai/blog?id=qwen-image-2.1) 将图像生成与编辑结合在一个轻量级的开放权重模型中。它可在 NVIDIA RTX GPU、DGX Spark 和 DGX Station 上本地运行，让创作者有更多方式在自己的硬件上创作和精修图像。 *关注 NVIDIA RTX Spark 在**X* (https://x.com/NVIDIARTXSpark)*、**Instagram* (https://www.instagram.com/nvidiartxspark/)*、**TikTok* (https://www.tiktok.com/@nvidiartxspark)* 和**Facebook* (https://www.facebook.com/NVIDIARTXSpark)* 上的动态——并订阅**NVIDIA Local AI newsletter* (https://www.nvidia.com/en-us/ai-on-rtx/?modal=subscribe-ai)* 以保持关注。关注 NVIDIA Workstation 在**LinkedIn* (https://www.linkedin.com/showcase/3761136/)* 和**X* (https://x.com/NVIDIAworkstatn)* 上的动态。* *请参阅有关软件产品信息的**通知* (https://www.nvidia.com/en-eu/about-nvidia/terms-of-service/)*。*

NVIDIA DGX Spark 64GB 为开发者提供更多构建和扩展本地 AI 的方式

相似文章

@svpino: 我们即将迎来NVIDIA和微软的两款新设备：1. DGX Station，搭载GB300超级芯片，内存高达748GB…

来自@exolabs的帖子：https://x.com/exolabs/status/2103617535765573959

CNBC Television: Nvidia与Perplexity AI在DGX Spark上合作本地运行。

Nvidia DGX Spark 作为日常使用的电脑

NVIDIA RTX Spark — 轻薄笔记本与小型台式机

提交意见反馈