NVIDIA پیکربندی ۶۴ گیگابایتی DGX Spark را معرفی کرد

هوش مصنوعی محلی با پیکربندی تازه ۶۴ گیگابایتی NVIDIA DGX Spark قرار است برای توسعه‌دهندگان و پژوهشگران دسترس‌پذیرتر شود: NVIDIA اعلام کرده این نسخه از ۲۳ اکتبر از طریق چند سازنده رایانه عرضه خواهد شد و می‌تواند مدل‌های دارای حداکثر ۱۰۰ میلیارد پارامتر را روی خود دستگاه اجرا کند. این شرکت همچنین می‌گوید اتصال دو دستگاه، حافظه را به ۱۲۸ گیگابایت می‌رساند و امکان اجرای مدل‌های بزرگ‌تری را فراهم می‌کند؛ رویکردی که می‌تواند نیاز به استفاده از سرویس ابری برای برخی کارهای توسعه و آزمایش را کاهش دهد.

مشخصات و زمان عرضه DGX Spark 64GB

طبق اعلام NVIDIA، پیکربندی جدید DGX Spark با ۶۴ گیگابایت حافظه یکپارچه از سوی Acer، ASUS، Dell، Gigabyte، HP و MSI عرضه می‌شود. قیمت پایه آن ۴٬۹۹۹ دلار اعلام شده و عرضه از جمعه ۲۳ اکتبر آغاز می‌شود. این نسخه در کنار پیکربندی ۱۲۸ گیگابایتی به خانواده DGX Spark اضافه می‌شود و سخت‌افزار اصلی و بسته نرم‌افزاری NVIDIA را حفظ می‌کند.

این دستگاه به تراشه GB10 Grace Blackwell Superchip، سیستم‌عامل DGX OS و مجموعه نرم‌افزارهای هوش مصنوعی NVIDIA مجهز است. سخت‌افزار آن همچنین حافظه یکپارچه و شبکه ConnectX-7 را در اختیار می‌گذارد. حافظه یکپارچه یعنی بخش‌هایی از حافظه که پردازنده و شتاب‌دهنده برای پردازش به آن نیاز دارند، در یک فضای مشترک قرار می‌گیرند؛ این طراحی می‌تواند برای اجرای مدل‌های بزرگ روی یک سیستم اهمیت داشته باشد.

NVIDIA می‌گوید این پلتفرم برای اجرای عامل‌های هوش مصنوعی، استنتاج، تنظیم دقیق مدل‌ها، علم داده و توسعه در لبه شبکه طراحی شده است. استنتاج به فرایندی گفته می‌شود که در آن مدل آموزش‌دیده به ورودی پاسخ می‌دهد یا محتوای تازه تولید می‌کند. تنظیم دقیق نیز به سازگارکردن مدل با داده یا کاربرد مشخص اشاره دارد. به گفته شرکت، پیکربندی ۶۴ گیگابایتی می‌تواند مدل‌هایی با حداکثر ۱۰۰ میلیارد پارامتر را به‌صورت کاملاً محلی اجرا کند.

اجرای مدل‌ها روی دستگاه و کاهش وابستگی به ابر

تمرکز اصلی نسخه تازه، فراهم‌کردن امکان اجرای مدل‌ها و عامل‌های هوش مصنوعی روی سخت‌افزار در اختیار کاربر است. اجرای محلی می‌تواند برای کسانی که می‌خواهند با داده‌های خود آزمایش کنند یا نمی‌خواهند برای هر کار به یک نمونه ابری متکی باشند، گزینه‌ای کاربردی باشد. با این حال، اعلام NVIDIA درباره قابلیت‌های دستگاه جایگزین ارزیابی مستقل از عملکرد آن در کاربردهای مختلف نیست.

این سیستم با ابزارها و نرم‌افزارهایی عرضه می‌شود که برای توسعه و اجرای مدل‌های هوش مصنوعی به کار می‌روند. NVIDIA Agent Toolkit، کتابخانه‌های CUDA-X AI و مدل‌های باز Nemotron از جمله موارد پشتیبانی‌شده‌اند. محیط‌های اجرایی Ollama، vLLM و PyTorch همراه با CUDA نیز در فهرست ابزارهای قابل استفاده قرار دارند. NVIDIA می‌گوید دستگاه برای کار با عامل‌های هوش مصنوعی آماده است و توسعه‌دهندگان می‌توانند پس از راه‌اندازی، کار با مدل‌ها را آغاز کنند.

در بخشی از کاربردهای پیشنهادی شرکت، کاربر می‌تواند یک عامل کدنویسی یا پژوهشی را به‌صورت پیوسته روی DGX Spark فعال نگه دارد تا کد را بررسی کند، اسناد را تحلیل کند یا وظایف چندمرحله‌ای انجام دهد. در نمونه‌ای دیگر، دستگاه اجرای مدل زبانی یا تصویری را بر عهده می‌گیرد و رایانه رومیزی یا لپ‌تاپ کاربر برای سایر فعالیت‌ها آزاد می‌ماند. این موارد سناریوهای پیشنهادی NVIDIA هستند و نتیجه عملی آن‌ها به نوع مدل، بار کاری و تنظیمات نرم‌افزاری بستگی دارد.

اتصال دو دستگاه برای افزایش ظرفیت

یکی از ویژگی‌های اعلام‌شده برای DGX Spark، امکان اتصال دو دستگاه به یکدیگر است. هر واحد یک درگاه شبکه ConnectX-7 دارد و برای اتصال مستقیم دو دستگاه می‌توان از کابل QSFP استفاده کرد. با اجرای NVIDIA Sync Cluster Assistant، دو سیستم می‌توانند حافظه خود را به‌صورت مشترک در اختیار بار کاری قرار دهند. به گفته NVIDIA، ظرفیت حافظه در این حالت به ۱۲۸ گیگابایت می‌رسد و پشتیبانی از مدل‌های دارای حداکثر ۲۰۰ میلیارد پارامتر ممکن می‌شود.

NVIDIA تأکید می‌کند که افزایش ظرفیت تنها به دو برابرشدن حافظه محدود نیست. این شرکت برای اتصال دو واحد، دو برابر پهنای باند حافظه و در آزمایش خود حداکثر ۱٫۷ برابر عملکرد یک سیستم را گزارش کرده است. این نتیجه در آزمون NVIDIA با مدل Qwen 3.8 27B به دست آمده و نباید به‌عنوان تضمین عملکرد یکسان در همه مدل‌ها و کارها در نظر گرفته شود. عملکرد واقعی می‌تواند با توجه به نوع مدل و پردازش مورد استفاده تغییر کند.

برای راه‌اندازی خوشه، ابزار NVIDIA Sync دستگاه‌های متصل را تشخیص می‌دهد، پیکربندی آن‌ها را بررسی می‌کند و شبکه ConnectX-7 را تنظیم می‌کند. بنا بر توضیح شرکت، چون هر دو دستگاه از یک مجموعه نرم‌افزاری استفاده می‌کنند، هنگام افزایش تعداد سیستم‌ها نیازی به پیکربندی دوباره محیط کاری نیست. این موضوع می‌تواند فرایند افزودن ظرفیت را برای توسعه‌دهندگانی که نمی‌خواهند درگیر تنظیمات شبکه و زیرساخت شوند، ساده‌تر کند.

ابزارهای نرم‌افزاری و کاربردهای تازه

NVIDIA همچنین از انتشار NVIDIA Sync Model Launcher در پایان ماه خبر داده است. این ابزار قرار است اجرای محلی مدل Qwen3.8 27B را روی یک DGX Spark یا یک خوشه دو‌دستگاهی ساده کند. به گفته شرکت، Sync تنظیمات اجرای مدل روی دستگاه‌های متصل را انجام می‌دهد و امکان دسترسی به آن از لپ‌تاپ کاربر را فراهم می‌کند. این ابزار همچنین OpenCode را برای استفاده از مدل تنظیم می‌کند تا توسعه‌دهنده بتواند کدنویسی را در مرورگر آغاز کند.

در کنار ابزارهای NVIDIA، چارچوب‌هایی مانند llama.cpp، Ollama، vLLM و LM Studio نیز برای استنتاج پشتیبانی می‌شوند. شرکت می‌گوید Blender از نخستین برنامه‌های مهم تولید محتوا خواهد بود که از این پلتفرم پشتیبانی می‌کند و نصب‌کننده آماده دانلود آن در آینده ارائه می‌شود. همچنین چند راهنمای کاربردی برای اجرای vLLM، استفاده از OpenClaw با یک مدل محلی و اتصال چند DGX Spark برای پردازش توزیع‌شده در دست تهیه است.

در همان مجموعه خبرهای مربوط به هوش مصنوعی محلی، NVIDIA به مدل باز Qwen-Image-2.1 از Alibaba نیز اشاره کرده است؛ مدلی سبک برای تولید و ویرایش تصویر که به گفته شرکت روی کارت‌های NVIDIA RTX، دستگاه‌های DGX Spark و DGX Station اجرا می‌شود. این مدل محصول جداگانه‌ای است و با پیکربندی تازه DGX Spark یکی نیست، اما نمونه‌ای از نرم‌افزارهایی است که می‌توانند از اجرای مدل‌ها روی سخت‌افزار شخصی بهره ببرند.

این خبر برای چه کسانی اهمیت دارد

پیکربندی تازه بیش از همه برای توسعه‌دهندگان، پژوهشگران و علاقه‌مندان به هوش مصنوعی اهمیت دارد که می‌خواهند مدل‌ها را روی دستگاه خود اجرا یا آزمایش کنند. کسب‌وکارهایی که به اجرای محلی مدل‌ها نیاز دارند نیز ممکن است این گزینه را بررسی کنند، به‌ویژه اگر بخواهند اجرای مدل را از رایانه‌های روزمره جدا کنند یا در آینده ظرفیت بیشتری اضافه کنند. با این حال، قیمت پایه ۴٬۹۹۹ دلاری و ادعاهای عملکردی اعلام‌شده از سوی سازنده، از نکاتی هستند که خریداران باید در کنار نیاز واقعی و نتایج ارزیابی‌های مستقل بسنجند.